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

2026/06/07 运行日期

claude-haiku-4-5-20251001 官方基准

2 通道分数 < 70 与基线相似度

已揭晓揭晓进度

步骤 / 指标

duckcoding

cc专用

LingxiCode

M-

HongMaCC

u-cc

官方基准

DawAPI

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 00:29:26 ~ 00:29:31 (4.6s) 00:29:32 ~ 00:29:42 (6.6s) 00:29:30 ~ 00:29:35 (4.9s) 00:29:34 ~ 00:29:39 (4.3s) 00:29:28 ~ 00:29:38 (5.5s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 3,323 ms 4,785 ms 3,099 ms 2,466 ms 3,670 ms

首文本(SSE delta) 3,430 ms 4,786 ms 3,100 ms 2,468 ms 3,679 ms

总耗时 3,566 ms 5,202 ms 3,100 ms 3,253 ms 4,393 ms

输入 10 10 0 10 10

输出 50 41 5 46 59

缓存创建

33,122

5m: 0 / 1h: 33,122

33,122

5m: 0 / 1h: 33,122

5m: 0 / 1h: 0

33,122

5m: 0 / 1h: 33,122

36,027

5m: 36,027 / 1h: 0

缓存读取 0 0 0 0 0

输出速度 - 98.6 tok/s - 58.6 tok/s 82.6 tok/s

响应

pong

pong

pong

pong

pong

步骤 2: identity text

时间 00:33:25 ~ 00:33:35 (8.4s) 00:33:37 ~ 00:33:47 (6.1s) 00:30:56 ~ 00:31:06 (7.5s) 00:32:10 ~ 00:32:15 (4.6s) 00:30:58 ~ 00:31:08 (5.8s)

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。请只输出以下 3 行内容（label 小写，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) 7,452 ms 2,906 ms 6,025 ms 1,686 ms 3,112 ms

首文本(SSE delta) 7,453 ms 2,907 ms 6,026 ms 1,688 ms 3,123 ms

总耗时 7,519 ms 4,856 ms 6,027 ms 3,601 ms 5,085 ms

输入 10 10 0 10 10

输出 485 221 97 226 235

缓存创建

33,095

5m: 0 / 1h: 33,095

221

5m: 0 / 1h: 221

5m: 0 / 1h: 0

226

5m: 0 / 1h: 226

239

5m: 239 / 1h: 0

缓存读取 0 33,122 0 33,122 36,027

输出速度 burst 113.4 tok/s burst 118.1 tok/s 119.8 tok/s

响应

vendor: anthropic
brand: claude
model: claude-3-5-sonnet

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 00:35:05 ~ 00:35:30 (21.7s) 00:36:53 ~ 00:36:58 (3.9s) 00:33:59 ~ 00:34:10 (5.8s) 00:35:27 ~ 00:35:33 (2.9s) 00:32:42 ~ 00:32:53 (6.4s)

提示词

查看本步 Prompt

训练数据截止月份是？只回 YYYY-MM。

HTTP 头(TTFB) 10,162 ms 2,565 ms 4,795 ms 1,427 ms 4,443 ms

首文本(SSE delta) 20,834 ms 2,566 ms 4,796 ms 1,429 ms 4,454 ms

总耗时 20,886 ms 3,242 ms 4,796 ms 1,961 ms 5,649 ms

输入 10 10 0 10 10

输出 111 81 8 71 66

缓存创建

514

5m: 0 / 1h: 514

248

5m: 0 / 1h: 248

5m: 0 / 1h: 0

268

5m: 0 / 1h: 268

264

5m: 264 / 1h: 0

缓存读取 33,095 33,343 0 33,348 36,266

输出速度 burst 119.8 tok/s - 133.5 tok/s 55.2 tok/s

响应

2024-04

2025-02

2025-02

2025-02

2025-02

步骤 4: identity_free text

时间 00:39:12 ~ 00:39:27 (11.1s) 00:40:45 ~ 00:40:50 (4.7s) 00:37:18 ~ 00:37:28 (7.0s) 00:39:03 ~ 00:39:13 (7.3s) 00:35:03 ~ 00:35:13 (5.8s)

提示词

查看本步 Prompt

中文做个自我介绍：你是什么产品或助手？谁开发的？50 字内。

HTTP 头(TTFB) 9,453 ms 2,832 ms 4,139 ms 1,723 ms 3,311 ms

首文本(SSE delta) 9,454 ms 2,833 ms 4,140 ms 1,725 ms 3,319 ms

总耗时 10,047 ms 3,781 ms 5,464 ms 6,257 ms 4,950 ms

输入 10 10 0 10 10

输出 1,142 118 30 594 226

缓存创建

153

5m: 0 / 1h: 153

115

5m: 0 / 1h: 115

5m: 0 / 1h: 0

113

5m: 0 / 1h: 113

106

5m: 106 / 1h: 0

缓存读取 33,609 33,591 0 33,616 36,530

输出速度 burst 124.5 tok/s 22.7 tok/s 131.1 tok/s 138.6 tok/s

响应

我是Claude，由Anthropic公司开发的AI助手。可以帮助编程、解答问题、分析文本。力求提供安全、有益、诚实的回复。

我是Claude Haiku 4.5，由Anthropic公司开发的AI助手。我可以帮助进行软件工程任务、代码分析和问题解答。

我是 Claude，Anthropic 打造的 AI 助手，可通过 API 协助编程、分析与写作。

我是Claude，由Anthropic开发的AI助手。我可以帮助代码编写、分析、写作和各种工作任务。

我是Claude Haiku 4.5，由Anthropic公司开发。属于Claude AI产品家族中最轻量级的模型，专为快速响应和效率优化设计。

步骤 5: knowledge_tier text

时间 00:43:04 ~ 00:43:19 (14.3s) 00:43:06 ~ 00:43:21 (12.3s) 00:41:11 ~ 00:41:31 (15.3s) 00:41:58 ~ 00:42:13 (11.0s) 00:38:47 ~ 00:39:02 (14.0s)

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) 9,382 ms 3,738 ms 14,095 ms 2,050 ms 2,593 ms

首文本(SSE delta) 9,383 ms 3,751 ms 14,096 ms 2,052 ms 2,595 ms

总耗时 13,549 ms 10,651 ms 14,096 ms 10,030 ms 13,142 ms

输入 10 10 0 10 10

输出 1,757 1,079 541 1,313 1,664

缓存创建

1,522

5m: 0 / 1h: 1,522

498

5m: 0 / 1h: 498

5m: 0 / 1h: 0

974

5m: 0 / 1h: 974

606

5m: 606 / 1h: 0

缓存读取 33,762 33,706 0 33,729 36,636

输出速度 burst 156.4 tok/s burst 164.6 tok/s 157.8 tok/s

响应

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

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

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

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

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

总计

总输入(含缓存) 168,922 168,016 0 168,568 182,751

总输出 3,545 1,540 681 2,250 2,250

总缓存创建

68,406

5m: 0 / 1h: 68,406

34,204

5m: 0 / 1h: 34,204

5m: 0 / 1h: 0

34,703

5m: 0 / 1h: 34,703

37,242

5m: 37,242 / 1h: 0

总缓存读取 100,466 133,762 0 133,815 145,459

输出速度 burst 141.4 tok/s 22.7 tok/s 142.9 tok/s 140.2 tok/s

总执行时间 1m 0.1s 33.5s 40.5s 30.1s 37.5s

总墙钟时间

13m 53.0s

含步骤间等待

13m 49.0s

含步骤间等待

12m 0.8s

含步骤间等待

12m 38.8s

含步骤间等待

9m 33.8s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.1133

Anthropic: Claude Haiku 4.5

$0.0639

Anthropic: Claude Haiku 4.5

>=$0.0034

Anthropic: Claude Haiku 4.5 (成本不完整)

$0.0681

Anthropic: Claude Haiku 4.5

$0.0549

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

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

CDN - cloudflare cloudflare - -

ID 格式 msg_01Rm3ax9JMpZgo5VhXX9YDWB msg_01V42CXd2wdGwXoc7s6YEPoA msg_4e73a2a0ad12da172ea944b6 msg_01V4VZypc7cTSvQ4oUHtsNcQ msg_01TXqUE4hwipPEMLV1gdiEmB

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
cc专用	server: Nginx x-oneapi-request-id: 202606061643061772097928268d9d6Pg0OtQKU	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-oneapi-request-idbody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	—
M-	cf-ray: a078dfd01f917343-NRT server: cloudflare set-cookie: server_name_session=46db03c0040e9983379bcced7435c21b; Max-Age=86400; httponly; path=/ x-oneapi-request-id: 20260606164309765967286bJndIDS8	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-oneapi-request-idhdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	a078dfd01f917343-NRT
u-cc	cf-ray: a078dcfe0e68fc28-AMS server: cloudflare x-new-api-version: 1.0.4 x-oneapi-request-id: 20260606164114219869448268d9d623Kg9w0s	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-idhdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	a078dcfe0e68fc28-AMS
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_011CbnLehxzxMNhxsacBRiZt
cc	server: cdn x-new-api-version: v1.0.0-rc.10 x-oneapi-request-id: 202606061638485241849918268d9d6CyRbo3pT	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 86 98 54 100 84

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 8.3 /10 ×20 10.0 /10 ×20 0.0 /10 ×20 10.0 /10 ×20 10.0 /10 ×20

缓存 TTL 一致 10.0 /10 ×15 10.0 /10 ×15 0.0 /10 ×15 10.0 /10 ×15 0.0 /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 5.0 /10 ×14 10.0 /10 ×14 10.0 /10 ×14

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

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

系统提示纯净 10.0 /10 ×8 10.0 /10 ×8 未计入 10.0 /10 ×8 0.0 /10 ×8

身份(结构) 6.7 /10 ×7 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7

知识截止 0.0 /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 10.0 /10 ×6 10.0 /10 ×6

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

延迟基线 3.6 /10 ×5 10.0 /10 ×5 6.7 /10 ×5 10.0 /10 ×5 8.6 /10 ×5

Req-ID 透传 0.0 /10 ×4 0.0 /10 ×4 0.0 /10 ×4 10.0 /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 86 v3.9.1 98 v3.9.1 54 v3.9.1 基准（参考） 84 v3.9.1

雷达图例

共 20 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 中文遵循 instruction_following_lang
19 世界知识层级 world_knowledge_tier_match
20 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 11113 ms 5546 ms 6697 ms 5020 ms 6644 ms

输出速度 burst 141.4 tok/s 22.7 tok/s 142.9 tok/s 140.2 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 ⓘ

$0.1133

$0.0639

>=$0.0034 (成本不完整)

$0.0681

$0.0549

缓存读取占比 ⓘ 59% 80% - 79% 80%

揭晓

通道

服务商 duckcoding ↗

通道cc专用

服务商 LingxiCode ↗

通道M-

服务商 HongMaCC ↗

通道u-cc

官方基准

服务商 DawAPI ↗

通道cc

返回列表