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

1 通道分数 < 70 与基线相似度

已揭晓揭晓进度

步骤 / 指标

PackyCode

cc-Zeus

ByteCatCode

O-Max

ZeroCode

官方基准

AIMZ

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 14:13:55 ~ 14:14:00 (4.4s) 14:13:57 ~ 14:14:07 (5.1s) 14:13:59 ~ 14:14:19 (18.5s) 14:14:03 ~ 14:14:08 (2.9s) 14:14:01 ~ 14:14:11 (6.3s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 2,939 ms 1,768 ms 11,168 ms 1,442 ms 2,831 ms

首文本(SSE delta) 2,941 ms - 11,170 ms 1,443 ms 3,691 ms

总耗时 2,941 ms 2,276 ms 11,172 ms 1,916 ms 4,008 ms

输入 10 10 4 10 10

输出 44 62 58 58 51

缓存创建

33,122

5m: 0 / 1h: 33,122

33,261

5m: 33,261 / 1h: 0

31,129

5m: 0 / 1h: 31,129

33,122

5m: 0 / 1h: 33,122

32,785

5m: 0 / 1h: 32,785

缓存读取 0 0 0 0 0

输出速度 burst 122.0 tok/s burst 122.6 tok/s 160.9 tok/s

响应

pong

pong

pong

pong

pong

步骤 2: identity text

时间 14:15:26 ~ 14:15:31 (4.6s) 14:16:05 ~ 14:16:15 (5.8s) 14:17:56 ~ 14:18:06 (9.1s) 14:16:34 ~ 14:16:39 (4.6s) 14:17:49 ~ 14:17:59 (9.0s)

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) 1,604 ms 1,601 ms 5,515 ms 2,025 ms 2,318 ms

首文本(SSE delta) 1,605 ms - 5,516 ms 2,027 ms 5,520 ms

总耗时 3,675 ms 4,249 ms 6,796 ms 3,584 ms 6,455 ms

输入 10 10 12 10 10

输出 213 188 174 195 358

缓存创建

228

5m: 0 / 1h: 228

246

5m: 246 / 1h: 0

167

5m: 0 / 1h: 167

242

5m: 0 / 1h: 242

235

5m: 0 / 1h: 235

缓存读取 33,122 33,261 31,129 33,122 32,785

输出速度 102.9 tok/s 71.0 tok/s 135.9 tok/s 125.2 tok/s burst

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-3-5-sonnet-20241022

步骤 3: cutoff text

时间 14:17:54 ~ 14:17:59 (3.5s) 14:19:43 ~ 14:19:48 (3.7s) 14:21:35 ~ 14:21:45 (5.7s) 14:19:08 ~ 14:19:13 (3.2s) 14:21:31 ~ 14:21:41 (5.5s)

提示词

查看本步 Prompt

训练数据截止月份是？只回 YYYY-MM。

HTTP 头(TTFB) 1,807 ms 1,652 ms 3,561 ms 1,713 ms 2,297 ms

首文本(SSE delta) 1,808 ms - 3,563 ms 1,716 ms 3,351 ms

总耗时 2,366 ms 2,342 ms 4,049 ms 2,233 ms 3,352 ms

输入 10 10 20 10 10

输出 66 65 61 67 138

缓存创建

242

5m: 0 / 1h: 242

217

5m: 217 / 1h: 0

161

5m: 0 / 1h: 161

235

5m: 0 / 1h: 235

383

5m: 0 / 1h: 383

缓存读取 33,350 33,507 31,296 33,364 33,020

输出速度 118.3 tok/s 94.2 tok/s 125.5 tok/s 129.6 tok/s burst

响应

2025-02

2025-02

2025-02

2025-02

2024-04

步骤 4: identity_free text

时间 14:20:39 ~ 14:20:44 (4.3s) 14:23:25 ~ 14:23:35 (7.7s) 14:25:29 ~ 14:25:39 (6.1s) 14:22:59 ~ 14:23:09 (5.1s) 14:22:51 ~ 14:23:01 (5.8s)

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) 1,986 ms 1,528 ms 3,377 ms 2,432 ms 2,277 ms

首文本(SSE delta) 1,987 ms - 3,378 ms 2,433 ms 4,189 ms

总耗时 3,346 ms 4,723 ms 4,923 ms 4,090 ms 4,677 ms

输入 10 10 28 10 10

输出 149 178 229 305 165

缓存创建

104

5m: 0 / 1h: 104

105

5m: 105 / 1h: 0

5m: 0 / 1h: 63

107

5m: 0 / 1h: 107

180

5m: 0 / 1h: 180

缓存读取 33,592 33,724 31,457 33,599 33,403

输出速度 109.6 tok/s 55.7 tok/s 148.2 tok/s 184.1 tok/s -

响应

我是Claude Haiku 4.5，Anthropic公司开发的AI助手。Haiku是Claude系列中最轻量且高效的模型，擅长快速处理各种任务，包括编码、分析和创意工作。

我叫Claude Haiku 4.5，是Anthropic公司开发的Claude AI助手产品家族中的一个模型。我是一个能够理解和生成文本、进行推理和编码的AI助手。

我是Claude Haiku 4.5，由Anthropic公司开发。我是一个AI助手，专门帮助用户完成软件工程任务，包括编码、调试、代码审查和系统设计等工作。

我叫Claude Haiku 4.5，是由Anthropic公司开发的AI模型，属于Claude产品系列。

我是Claude，由Anthropic公司开发的AI助手。我能帮助用户进行对话、回答问题、编写代码、分析文本等多种任务。我致力于提供准确、有帮助和安全的服务。

步骤 5: knowledge_tier text

时间 14:23:07 ~ 14:23:22 (13.1s) 14:26:20 ~ 14:26:40 (15.1s) 14:28:58 ~ 14:29:13 (11.2s) 14:24:13 ~ 14:24:28 (12.7s) 14:25:05 ~ 14:25:25 (18.7s)

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) 3,144 ms 1,533 ms 3,986 ms 1,338 ms 4,848 ms

首文本(SSE delta) 3,233 ms - 3,987 ms 1,340 ms 15,078 ms

总耗时 11,979 ms 13,983 ms 10,014 ms 11,705 ms 16,316 ms

输入 10 10 36 10 10

输出 1,667 1,718 816 1,724 1,610

缓存创建

34,225

5m: 0 / 1h: 34,225

558

5m: 558 / 1h: 0

510

5m: 0 / 1h: 510

685

5m: 0 / 1h: 685

545

5m: 0 / 1h: 545

缓存读取 0 33,829 31,520 33,706 33,583

输出速度 190.6 tok/s 138.0 tok/s 135.4 tok/s 166.3 tok/s burst

响应

```json
{"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}
```

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

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

总计

总输入(含缓存) 168,035 168,758 157,532 168,232 166,969

总输出 2,139 2,211 1,338 2,349 2,322

总缓存创建

67,921

5m: 0 / 1h: 67,921

34,387

5m: 34,387 / 1h: 0

32,030

5m: 0 / 1h: 32,030

34,391

5m: 0 / 1h: 34,391

34,128

5m: 0 / 1h: 34,128

总缓存读取 100,064 134,321 125,402 133,791 132,791

输出速度 164.5 tok/s 113.4 tok/s 137.1 tok/s 161.2 tok/s 160.9 tok/s

总执行时间 30.0s 37.4s 50.6s 28.5s 45.3s

总墙钟时间

9m 26.8s

含步骤间等待

12m 42.8s

含步骤间等待

15m 14.0s

含步骤间等待

10m 24.8s

含步骤间等待

11m 23.8s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.1057

Anthropic: Claude Haiku 4.5

$0.0514

Anthropic: Claude Haiku 4.5

$0.0594

Anthropic: Claude Haiku 4.5

$0.0682

Anthropic: Claude Haiku 4.5

$0.0676

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 - cloudflare

ID 格式 msg_014CARa2jHYZh5ygPVDtK7xQ msg_01KuSskzMbXpqHuovMta6855 msg_1cf2c0faab93429d84ce95b19aaa5e69 msg_01H7f6pUv73khdFWkp5R3KVj msg_01LELPaAKjB1jGpfZAfik92E

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-Zeus	via: 1.1 Caddy cf-ray: a07d90fdbe8eb941-LAX server: cloudflare x-oneapi-request-id: 202606071423088843847001r2D07dV	id_format: msg_prefix via_chain: ["1.1 Caddy"] 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-rayhdr:viabody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	a07d90fdbe8eb941-LAX
O-Max	server: nginx/1.29.8 x-oneapi-request-id: 202606070626219977023588268d9d6fKTWVOdc	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	—
cc	cf-ray: a07d99913ec7f5b5-AMS server: cloudflare x-oneapi-request-id: 202606070629006441187078268d9d6fIUsieHL	id_format: msg_prefix has_service_tier: false has_inference_geo: false model_has_date_suffix: true usage_has_cache_fields: true	hdr:x-oneapi-request-idhdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:model:date_suffixbody:usage.cache_fieldsupstream:anthropic-direct-from-body	a07d99913ec7f5b5-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_011CboRMNxs2LBfiqRdunfJe
M-Max	cf-ray: a07d93e7fb60c8c9-AMS server: cloudflare x-new-api-version: v0.0.0 x-oneapi-request-id: 202606070625087666014838268d9d6DpQKD0nZ	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	a07d93e7fb60c8c9-AMS

协议指纹评分（机器自动）

总分 / 100 96 89 77 100 86

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 10.0 /10 ×20 10.0 /10 ×20 10.0 /10 ×20

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

sliding 5m 10.0 /10 ×13 10.0 /10 ×13 10.0 /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 0.0 /10 ×8 10.0 /10 ×8 5.0 /10 ×8

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

知识截止 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7 0.0 /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 0.0 /10 ×6 10.0 /10 ×6 10.0 /10 ×6

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

延迟基线 10.0 /10 ×5 10.0 /10 ×5 4.6 /10 ×5 10.0 /10 ×5 10.0 /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 96 v3.9.1 89 v3.9.1 77 v3.9.1 基准（参考） 86 v3.9.1

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 4861 ms 5515 ms 7391 ms 4706 ms 6962 ms

输出速度 164.5 tok/s 113.4 tok/s 137.1 tok/s 161.2 tok/s 160.9 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 ⓘ

$0.1057

$0.0514

$0.0594

$0.0682

$0.0676

缓存读取占比 ⓘ 60% 80% 80% 80% 80%

揭晓

通道

服务商 PackyCode ↗

通道cc-Zeus

服务商 ByteCatCode ↗

通道O-Max

服务商 ZeroCode ↗

通道cc

官方基准

服务商 AIMZ ↗

通道M-Max

返回列表