模型对比 | RPDiag

测试说明点击展开 5 步 quick-probe-v1 详解

同一会话连续 5 步，覆盖 5 个独立信号： 1. ping/pong —— 单字指令遵循 + 建立缓存上下文。 2. 身份（结构化）—— 三行 vendor / brand / model 格式，机器可解析。 3. 知识截止 —— 跨越 5 分钟 cache 边界后追问，检测 sliding 5m cache 是否真正命中。 4. 身份（自由格式）—— 自然语言自报身份，给包装层（Kiro 等）暴露品牌的机会。 5. 世界知识层级 —— 5 道公共事件硬事实题，按答对档位映射实测 tier，与请求模型对照。步与步之间随机延迟 1–4 分钟。第 3 步（cutoff）累计跨度 > 5 分钟保住 sliding cache 检测；全流程总跨度 > 6 分钟容纳新增的第 5 步。正确实现 sliding 5m cache 的通道，第 3 步及之后的 cache_read 仍 > 0；若按「创建时间起 5 分钟」实现，第 3 步会暴露 cache_read = 0。

5 通道 · 5 步骤

2026/06/14 运行日期

claude-haiku-4-5-20251001 官方基准

1 通道分数 < 70 与基线相似度

已揭晓揭晓进度

步骤 / 指标

ClaudeAPI

O-Bdrk

官方基准

DawAPI

SSSAiCode

R-Kiro

SudoCode

M-Max

基本信息

服务名 Claude Code Claude Code Claude Code Claude Code Claude Code

模型 claude-haiku-4-5-20251001 claude-haiku-4-5-20251001 claude-haiku-4-5-20251001 claude-haiku-4-5-20251001 claude-haiku-4-5-20251001

客户端 claude-cli v2.1.160 claude-cli v2.1.160 claude-cli v2.1.160 claude-cli v2.1.160 claude-cli v2.1.160

偏差标红基于官方基准

步骤 1: ping text

时间 00:29:14 ~ 00:29:24 (5.8s) 00:29:22 ~ 00:29:27 (4.3s) 00:29:20 ~ 00:29:30 (6.9s) 00:29:16 ~ 00:29:21 (4.2s) 00:29:18 ~ 00:29:23 (4.0s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 3,347 ms 2,968 ms 4,337 ms 2,875 ms 2,353 ms

首文本(SSE delta) 3,348 ms 2,976 ms 4,338 ms 2,901 ms 2,354 ms

总耗时 3,796 ms 3,263 ms 4,788 ms 3,281 ms 2,847 ms

输入 10 10 10 0 10

输出 53 40 54 51 64

缓存创建

33,122

5m: 0 / 1h: 33,122

33,122

5m: 0 / 1h: 33,122

33,122

5m: 0 / 1h: 33,122

33,122

5m: 0 / 1h: 33,122

缓存读取 0 0 0 0 0

输出速度 118.3 tok/s 139.4 tok/s 120.0 tok/s 134.2 tok/s 129.8 tok/s

响应

pong

pong

pong

pong

pong

步骤 2: identity text

时间 00:31:37 ~ 00:31:47 (7.1s) 00:32:18 ~ 00:32:28 (4.9s) 00:33:07 ~ 00:33:17 (8.3s) 00:32:46 ~ 00:32:51 (4.2s) 00:30:44 ~ 00:30:54 (5.6s)

提示词

查看本步 Prompt

本请求询问的是你（正在生成此回复的当前 API 模型）自身的身份，不是用户提到的任何外部产品。必须直接作答，禁止追问、拒答、解释或输出占位符；不能要求更多上下文。请按下列 3 行格式精确填空作答（label 不变，值小写）：
vendor: <厂商公司名一个英文小写单词>
brand: <产品或模型品牌名一个英文小写单词>
model: <实际 API model 字段值，保留原始短横线格式>

HTTP 头(TTFB) 2,941 ms 2,161 ms 3,356 ms 1,769 ms 1,665 ms

首文本(SSE delta) 2,941 ms 2,163 ms 3,357 ms 1,770 ms 1,666 ms

总耗时 5,570 ms 3,921 ms 6,297 ms 3,487 ms 3,593 ms

输入 10 10 10 0 10

输出 224 209 257 246 191

缓存创建

182

5m: 0 / 1h: 182

224

5m: 0 / 1h: 224

238

5m: 0 / 1h: 238

248

5m: 0 / 1h: 248

缓存读取 33,122 33,122 33,122 0 33,122

输出速度 85.2 tok/s 118.9 tok/s 87.4 tok/s 143.3 tok/s 99.1 tok/s

响应

vendor: anthropic
brand: claude
model: claude-haiku-4-5-20251001

vendor: anthropic
brand: claude
model: claude-haiku-4-5-20251001

vendor: anthropic
brand: claude
model: claude-haiku-4-5-20251001

vendor: anthropic
brand: claude
model: claude-haiku-4-5-20251001

vendor: anthropic
brand: claude
model: claude-haiku-4-5-20251001

步骤 3: cutoff text

时间 00:33:35 ~ 00:33:40 (4.8s) 00:36:26 ~ 00:36:31 (3.4s) 00:37:05 ~ 00:37:15 (5.9s) 00:35:18 ~ 00:35:23 (3.2s) 00:33:54 ~ 00:33:59 (3.4s)

提示词

查看本步 Prompt

训练数据截止月份是？只回 YYYY-MM。

HTTP 头(TTFB) 2,082 ms 1,853 ms 3,239 ms 1,805 ms 1,865 ms

首文本(SSE delta) 2,085 ms 1,855 ms 3,240 ms 1,808 ms 1,866 ms

总耗时 3,266 ms 2,373 ms 4,537 ms 2,289 ms 2,399 ms

输入 10 10 10 0 10

输出 63 63 73 68 65

缓存创建

33,353

5m: 0 / 1h: 33,353

232

5m: 0 / 1h: 232

297

5m: 0 / 1h: 297

221

5m: 0 / 1h: 221

缓存读取 0 33,346 33,360 0 33,370

输出速度 53.3 tok/s 121.6 tok/s 56.3 tok/s 141.4 tok/s 122.0 tok/s

响应

2025-02

2025-02

2025-02

2025-02

2025-02

步骤 4: identity_free text

时间 00:36:21 ~ 00:36:36 (10.4s) 00:38:54 ~ 00:38:59 (4.8s) 00:40:12 ~ 00:40:27 (13.2s) 00:38:32 ~ 00:38:42 (5.6s) 00:37:12 ~ 00:37:27 (12.2s)

提示词

查看本步 Prompt

用中文说说你的身份：什么产品？由谁打造？50 字以内。

HTTP 头(TTFB) 4,729 ms 2,165 ms 5,681 ms 2,252 ms 3,843 ms

首文本(SSE delta) 4,730 ms 2,167 ms 5,682 ms 2,285 ms 4,055 ms

总耗时 8,488 ms 3,712 ms 12,331 ms 4,808 ms 11,202 ms

输入 10 10 10 0 10

输出 524 235 1,022 399 1,117

缓存创建

5m: 0 / 1h: 87

105

5m: 0 / 1h: 105

115

5m: 0 / 1h: 115

103

5m: 0 / 1h: 103

缓存读取 33,304 33,578 33,657 0 33,591

输出速度 139.4 tok/s 152.1 tok/s 153.7 tok/s 158.1 tok/s 156.3 tok/s

响应

我是Claude Haiku 4.5，由Anthropic公司打造的AI助手。专注软件工程领域，可帮助编写代码、调试问题、代码审查和其他编程任务。

我是Claude Haiku 4.5，由Anthropic公司开发的AI助手。我可以帮助用户进行软件工程任务、代码编写、问题解决和代码分析等工作。

我是Claude，由Anthropic开发的AI助手。擅长编程、代码审查、文本处理和技术支持，能理解中英文。

我是Claude Haiku 4.5，由Anthropic公司打造的AI助手，专注编程和软件工程。

我是Claude Haiku 4.5，由Anthropic公司打造的对话AI助手。能够帮助用户完成软件工程任务、编写和调试代码。

步骤 5: knowledge_tier text

时间 00:39:51 ~ 00:40:06 (11.8s) 00:40:25 ~ 00:40:40 (10.6s) 00:44:23 ~ 00:44:38 (13.9s) 00:41:42 ~ 00:41:52 (6.1s) 00:40:58 ~ 00:41:13 (11.8s)

提示词

查看本步 Prompt

Before answering, perform the calc calendar arithmetic step by step internally. Use extended internal reasoning if available. Keep all reasoning private; the final visible response must be exactly JSON only, no markdown, no explanation. Use only your internal pretrained knowledge; do not use search, tools, or current-session hints. If you have no stored memory answer "OUT", but do not be overly cautious: answer known public facts. Return {"a":[q1,q2,q3,q4,q5],"calc":N}.
q1: Who won the 2024 U.S. presidential election and became president on 2025-01-20? Answer surname or OUT.
q2: Who was elected pope on 2025-05-08? Answer papal name plus birth surname or OUT.
q3: Who won the 2025 Nobel Peace Prize, announced on 2025-10-10? Answer name or OUT.
q4: Who won the 2025 men's Ballon d'Or, awarded on 2025-09-22? Answer name or OUT.
q5: Who won the 2025 New York City mayoral election on 2025-11-04? Answer name or OUT.
calc: Using only the dates stated in q1-q5, compute ((calendar days from 2025-01-20 to 2025-05-08) + (calendar days from 2025-09-22 to 2025-10-10)) * (calendar days from 2025-10-10 to 2025-11-04). Count days as end_date - start_date, excluding the start date. Return the integer N.

HTTP 头(TTFB) 1,988 ms 1,964 ms 2,770 ms 2,032 ms 1,964 ms

首文本(SSE delta) 1,990 ms 1,966 ms 2,772 ms 2,047 ms 1,966 ms

总耗时 10,126 ms 9,589 ms 12,024 ms 5,235 ms 10,803 ms

输入 10 10 10 0 10

输出 1,057 1,287 1,588 569 1,367

缓存创建

475

5m: 0 / 1h: 475

615

5m: 0 / 1h: 615

1,402

5m: 0 / 1h: 1,402

1,497

5m: 0 / 1h: 1,497

缓存读取 33,353 33,683 33,772 0 33,694

输出速度 129.9 tok/s 168.8 tok/s 171.6 tok/s 178.5 tok/s 154.7 tok/s

响应

```json
{"a":["Trump","OUT","OUT","OUT","OUT"],"calc":3150}
```

```json
{"a":["Trump","OUT","OUT","OUT","OUT"],"calc":3150}
```

```json
{"a":["Trump","OUT","OUT","OUT","OUT"],"calc":3150}
```

```json
{"a":["Trump","OUT","OUT","OUT"],"calc":3150}
```

```json
{"a":["Trump","OUT","OUT","OUT","OUT"],"calc":3150}
```

总计

总输入(含缓存) 167,048 168,077 169,135 0 169,018

总输出 1,921 1,834 2,994 1,333 2,804

总缓存创建

67,219

5m: 0 / 1h: 67,219

34,298

5m: 0 / 1h: 34,298

35,174

5m: 0 / 1h: 35,174

35,191

5m: 0 / 1h: 35,191

总缓存读取 99,779 133,729 133,911 0 133,777

输出速度 118.9 tok/s 156.3 tok/s 145.4 tok/s 160.8 tok/s 148.1 tok/s

总执行时间 40.0s 28.0s 48.1s 23.2s 37.1s

总墙钟时间

10m 51.8s

含步骤间等待

11m 17.8s

含步骤间等待

15m 17.9s

含步骤间等待

12m 35.8s

含步骤间等待

11m 54.8s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.1037

Anthropic: Claude Haiku 4.5

$0.0655

Anthropic: Claude Haiku 4.5

$0.0724

Anthropic: Claude Haiku 4.5

>=$0.0067

Anthropic: Claude Haiku 4.5 (成本不完整)

$0.0714

Anthropic: Claude Haiku 4.5

通道指纹

来源步骤 knowledge_tier knowledge_tier knowledge_tier knowledge_tier knowledge_tier

平台 one-api (100%) direct (100%) one-api (100%) direct (75%) one-api (100%)

上游 Anthropic 直连 (100%) Anthropic 直连 (100%) Anthropic 直连 (100%) Anthropic 直连 (75%) Anthropic 直连 (100%)

CDN - - - - -

ID 格式 msg_01J9gJjg7PTpsRn5tUXoPqPR msg_01E3dj9m7zyARJRq9p9uvU5C msg_01FuU4mq9RxxQ85WTeCjdmix msg_b2ee607820144f01aa9b26e34dcd77f1 msg_01L5FFzmEWFLrYaNVGWShmrZ

展开详细指纹（响应头 / body 特征 / 完整信号列表）

通道	response_headers_notable	response_body_traits	signals	request_id_chain
O-Bdrk	x-new-api-version: v2026.05.18 x-oneapi-request-id: 202606131639532436420258268d9d6vxo3qhYx	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: true usage_has_cache_fields: true	hdr:x-new-api-versionhdr:x-oneapi-request-idbody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	—
官方基准	server: nginx/1.22.1	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: true usage_has_cache_fields: true	body:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	req_011Cc1bCFvf3N7BbE26FJNrS
cc	server: cdn x-new-api-version: v1.0.0-rc.10 x-oneapi-request-id: 202606131644255036411358268d9d64vZE4mOg	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: true usage_has_cache_fields: true	hdr:x-new-api-versionhdr:x-oneapi-request-idbody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	—
R-Kiro	server: Photon-Edge x-amzn-requestid: 25e84f80-8383-4e6b-93ec-639e5f28c5d8	id_format: msg_prefix has_service_tier: false has_inference_geo: false model_has_date_suffix: false usage_has_cache_fields: true	body:id:msg_prefixbody:usage.cache_fieldsupstream:x-amzn-requestidupstream:anthropic-direct-from-body	1781368903593-jw687r3pegsgn 25e84f80-8383-4e6b-93ec-639e5f28c5d8
M-Max	server: nginx x-new-api-version: v1.0.0-rc.10 x-oneapi-request-id: 20260614004059959112640w8tUWpg1	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: true usage_has_cache_fields: true	hdr:x-new-api-versionhdr:x-oneapi-request-idbody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	—

协议指纹评分（机器自动）

总分 / 100 94 100 97 53 98

基线状态已对照基线已对照基线已对照基线已对照基线已对照基线

缓存命中比 8.5 /10 ×20 10.0 /10 ×20 10.0 /10 ×20 0.0 /10 ×20 10.0 /10 ×20

缓存 TTL 一致 10.0 /10 ×15 10.0 /10 ×15 10.0 /10 ×15 0.0 /10 ×15 10.0 /10 ×15

模型匹配 10.0 /10 ×14 10.0 /10 ×14 10.0 /10 ×14 10.0 /10 ×14 10.0 /10 ×14

缓存连续性 10.0 /10 ×14 10.0 /10 ×14 10.0 /10 ×14 5.0 /10 ×14 10.0 /10 ×14

sliding 5m 7.7 /10 ×13 10.0 /10 ×13 10.0 /10 ×13 5.0 /10 ×13 10.0 /10 ×13

原生 msg-ID 10.0 /10 ×8 10.0 /10 ×8 10.0 /10 ×8 0.0 /10 ×8 10.0 /10 ×8

系统提示纯净 10.0 /10 ×8 10.0 /10 ×8 10.0 /10 ×8 未计入 10.0 /10 ×8

身份(结构) 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7

知识截止 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7

身份(自由) 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7

service_tier 10.0 /10 ×6 10.0 /10 ×6 10.0 /10 ×6 0.0 /10 ×6 10.0 /10 ×6

inference_geo 10.0 /10 ×5 10.0 /10 ×5 10.0 /10 ×5 0.0 /10 ×5 10.0 /10 ×5

延迟基线 9.9 /10 ×5 10.0 /10 ×5 8.1 /10 ×5 10.0 /10 ×5 10.0 /10 ×5

Req-ID 透传 0.0 /10 ×4 10.0 /10 ×4 0.0 /10 ×4 0.0 /10 ×4 0.0 /10 ×4

stop_reason 10.0 /10 ×3 10.0 /10 ×3 10.0 /10 ×3 10.0 /10 ×3 10.0 /10 ×3

SDK 一致 10.0 /10 ×2 10.0 /10 ×2 10.0 /10 ×2 10.0 /10 ×2 10.0 /10 ×2

流式投递 — — — — —

综合结论

与基线相似度 94 v3.10.0 基准（参考） 97 v3.10.0 53 v3.10.0 98 v3.10.0

雷达图例

共 21 个维度（顺时针，从顶部 12 点起）— 点击展开对照

1 模型匹配 model_match
2 知识截止 cutoff_match
3 SDK 一致 sdk_consistency
4 Thinking 存在 thinking_present
5 自由身份 identity_free_clean
6 停止原因 stop_reason_present
7 系统提示纯净 system_prompt_clean
8 Service Tier service_tier_present
9 缓存命中比 cache_hit_ratio_match
10 缓存 TTL 一致 cache_ttl_consistency
11 推理地区 inference_geo_present
12 Thinking 体量 thinking_volume_match
13 缓存连续 cache_continuity_intra
14 延迟基线 latency_baseline_match
15 原生 msg-ID anthropic_msg_id_format
16 Sliding 缓存 cache_sliding_correctness
17 结构化身份 identity_structured_match
18 自报身份一致 self_identity_consistency
19 中文遵循 instruction_following_lang
20 世界知识层级 world_knowledge_tier_match
21 Req-ID 透传 anthropic_request_id_passthrough

每根轴长度 = 该维度 0-10 分（越长越接近基线）。蓝色虚线圆 = 满分基准。具体权重见方法论页。

维度雷达

平均延迟 6249 ms 4572 ms 7995 ms 3820 ms 6169 ms

输出速度 118.9 tok/s 156.3 tok/s 145.4 tok/s 160.8 tok/s 148.1 tok/s

完成步骤 5/5 成功 5/5 成功 5/5 成功 5/5 成功 5/5 成功

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.1037

$0.0655

$0.0724

>=$0.0067 (成本不完整)

$0.0714

缓存读取占比 ⓘ 60% 80% 79% - 79%

揭晓

通道

服务商 ClaudeAPI ↗

通道O-Bdrk

官方基准

服务商 DawAPI ↗

通道cc

服务商 SSSAiCode ↗

通道R-Kiro

服务商 SudoCode ↗

通道M-Max

返回列表