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

2026/06/11 运行日期

claude-sonnet-4-6 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

HongMaCC

u-cc

SSSAiCode

R-Kiro

LingxiCode

M-

官方基准

WorldBase.ai

M-

基本信息

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

模型 claude-sonnet-4-6 claude-sonnet-4-6 claude-sonnet-4-6 claude-sonnet-4-6 claude-sonnet-4-6

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 13:04:56 ~ 13:05:06 (5.1s) 13:04:54 ~ 13:04:59 (3.6s) 13:04:58 ~ 13:05:08 (5.1s) 13:05:02 ~ 13:05:07 (4.2s) 13:05:00 ~ 13:05:10 (5.3s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 3,902 ms 2,666 ms 3,851 ms 2,930 ms 3,025 ms

首文本(SSE delta) 3,904 ms 2,788 ms 3,853 ms 2,933 ms 3,026 ms

总耗时 3,904 ms 2,791 ms 4,014 ms 3,027 ms 3,294 ms

输入 3 0 3 3 0

输出 5 2 5 5 1

缓存创建

29,527

5m: 0 / 1h: 29,527

32,318

5m: 0 / 1h: 32,318

32,318

5m: 0 / 1h: 32,318

35,314

5m: 0 / 1h: 35,314

缓存读取 0 0 0 0 0

响应

pong

pong

pong

pong

pong

步骤 2: identity text

时间 13:07:06 ~ 13:07:16 (5.9s) 13:08:37 ~ 13:08:42 (3.2s) 13:08:12 ~ 13:08:22 (5.6s) 13:06:34 ~ 13:06:39 (4.3s) 13:08:01 ~ 13:08:11 (5.9s)

提示词

查看本步 Prompt

以下是对你自身的 metadata 探针。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。按以下 3 行回答自己的身份，每行一个 label，不要寒暄不要解释：
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) 4,668 ms 2,268 ms 4,124 ms 2,228 ms 4,302 ms

首文本(SSE delta) 4,669 ms 2,270 ms 4,125 ms 2,230 ms 4,512 ms

总耗时 4,669 ms 2,525 ms 4,424 ms 3,322 ms 4,512 ms

输入 3 0 3 3 232

输出 22 18 22 22 21

缓存创建

202

5m: 0 / 1h: 202

202

5m: 0 / 1h: 202

202

5m: 0 / 1h: 202

5m: 0 / 1h: 1

缓存读取 29,527 0 32,318 32,318 35,284

响应

vendor: anthropic
brand: claude
model: claude-sonnet-4-6

vendor: anthropic
brand: claude
model: claude-sonnet-4-6

vendor: anthropic
brand: claude
model: claude-sonnet-4-6

vendor: anthropic
brand: claude
model: claude-sonnet-4-6

vendor: anthropic
brand: claude
model: claude-sonnet-4-6

步骤 3: cutoff text

时间 13:08:39 ~ 13:08:44 (4.3s) 13:12:36 ~ 13:12:41 (3.2s) 13:10:10 ~ 13:10:15 (4.0s) 13:08:20 ~ 13:08:25 (3.1s) 13:11:15 ~ 13:11:20 (4.8s)

提示词

查看本步 Prompt

请用 YYYY-MM 格式告诉我你的训练数据截止日期，无需多余文字。

HTTP 头(TTFB) 3,142 ms 2,214 ms 3,017 ms 1,938 ms 2,842 ms

首文本(SSE delta) 3,144 ms 2,366 ms 3,018 ms 1,940 ms 2,843 ms

总耗时 3,144 ms 2,369 ms 3,230 ms 2,118 ms 3,712 ms

输入 3 0 3 3 37

输出 8 3 8 8 4

缓存创建

5m: 0 / 1h: 58

5m: 0 / 1h: 44

5m: 0 / 1h: 38

257

5m: 0 / 1h: 257

缓存读取 29,729 0 32,520 32,520 35,277

响应

2025-08

2025-08

2025-08

2025-08

2025-08

步骤 4: identity_free text

时间 13:11:32 ~ 13:11:42 (5.0s) 13:14:49 ~ 13:14:54 (4.0s) 13:12:59 ~ 13:13:09 (5.2s) 13:10:02 ~ 13:10:07 (3.9s) 13:13:50 ~ 13:14:00 (6.2s)

提示词

查看本步 Prompt

中文回答：你叫什么、属于哪个产品、谁开发？50 字内。

HTTP 头(TTFB) 3,845 ms 2,446 ms 3,257 ms 2,091 ms 3,366 ms

首文本(SSE delta) 3,846 ms 2,448 ms 3,258 ms 2,093 ms 3,367 ms

总耗时 3,846 ms 3,125 ms 3,991 ms 2,897 ms 5,059 ms

输入 3 0 3 3 41

输出 50 33 46 58 68

缓存创建

5m: 0 / 1h: 41

5m: 0 / 1h: 39

5m: 0 / 1h: 43

5m: 0 / 1h: 41

缓存读取 29,787 0 32,564 32,558 35,528

输出速度 burst 48.7 tok/s 62.8 tok/s 72.1 tok/s 40.2 tok/s

响应

我叫 Claude，是 Anthropic 开发的 AI 助手，属于 Claude 产品系列。当前版本为 claude-sonnet-4-6。

我叫 Claude，是 Anthropic 开发的 AI 助手，属于 Claude 产品系列。当前运行的模型版本是 claude-sonnet-4-6。

我是 Claude，由 Anthropic 公司打造的 AI 助手。当前运行的模型版本是 claude-sonnet-4-6。

我是 Claude，由 Anthropic 开发的 AI 助手。我被设计用来帮助用户完成各种任务，包括写作、编程、分析和回答问题。

我是 Kiro，一个由 Anthropic 技术驱动的 AI 开发环境助手。我帮助开发者完成代码编写、调试、重构等软件工程任务，让开发者专注于系统设计和决策。

步骤 5: knowledge_tier text

时间 13:15:37 ~ 13:15:52 (12.5s) 13:18:18 ~ 13:18:28 (7.9s) 13:16:18 ~ 13:16:33 (13.3s) 13:12:03 ~ 13:12:18 (10.8s) 13:15:16 ~ 13:15:31 (10.6s)

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) 11,369 ms 2,669 ms 3,950 ms 2,157 ms 3,608 ms

首文本(SSE delta) 11,370 ms 2,734 ms 4,457 ms 2,594 ms 3,609 ms

总耗时 11,370 ms 3,274 ms 12,114 ms 9,802 ms 9,162 ms

输入 3 0 3 3 428

输出 496 27 508 523 22

缓存创建

423

5m: 0 / 1h: 423

419

5m: 0 / 1h: 419

431

5m: 0 / 1h: 431

124

5m: 0 / 1h: 124

缓存读取 29,828 0 32,603 32,601 35,547

输出速度 burst - 66.3 tok/s 72.6 tok/s -

响应

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

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

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

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


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

总计

总输入(含缓存) 149,137 0 163,042 163,044 178,111

总输出 581 83 589 616 116

总缓存创建

30,251

5m: 0 / 1h: 30,251

33,022

5m: 0 / 1h: 33,022

33,032

5m: 0 / 1h: 33,032

35,737

5m: 0 / 1h: 35,737

总缓存读取 118,871 0 130,005 129,997 141,636

输出速度 burst 48.7 tok/s 66.0 tok/s 72.5 tok/s 40.2 tok/s

总执行时间 32.8s 21.9s 33.2s 26.2s 32.8s

总墙钟时间

10m 56.6s

含步骤间等待

13m 33.8s

含步骤间等待

11m 34.9s

含步骤间等待

7m 15.8s

含步骤间等待

10m 30.8s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.1579

Anthropic: Claude Sonnet 4.6

>=$0.0012

Anthropic: Claude Sonnet 4.6 (成本不完整)

$0.1717

Anthropic: Claude Sonnet 4.6

$0.1722

Anthropic: Claude Sonnet 4.6

$0.1805

Anthropic: Claude Sonnet 4.6

通道指纹

来源步骤 knowledge_tier knowledge_tier knowledge_tier knowledge_tier knowledge_tier

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

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

CDN - - cloudflare - cloudflare

ID 格式 msg_01TySDm75NR2FLJcA3k1pCPj msg_d468a773c5a3468ba1f28fd5c1fcd89e msg_01LX4icnHMLPnzWEHySDekTG msg_01DSvtACxHrYhRt9sXemeEDb msg_01MpCqP9dZtKKTm9TBY6VeHt

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
u-cc	server: nginx x-new-api-version: 1.0.8 x-oneapi-request-id: 202606110515394805464738268d9d6liO360y4	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: false usage_has_cache_fields: true	hdr:x-new-api-versionhdr:x-oneapi-request-idbody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	—
R-Kiro	server: Photon-Edge x-amzn-requestid: 7f51b898-b887-4712-9428-ce0fde132db4	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	1781155102973-4f218glremxu5 7f51b898-b887-4712-9428-ce0fde132db4
M-	cf-ray: a09e249cdd72e041-NRT server: cloudflare set-cookie: server_name_session=6268b44f10666c8b08965a0a61ec74a7; Max-Age=86400; httponly; path=/ x-oneapi-request-id: 202606110516206627355064Y2BxV9f	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: false usage_has_cache_fields: true	hdr:x-oneapi-request-idhdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	a09e249cdd72e041-NRT
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: false usage_has_cache_fields: true	body:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	req_011Cbvu5reLy3bntXg65CuUp
M-	cf-ray: a09e231b3bb1d5d8-AMS server: cloudflare	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: false usage_has_cache_fields: true	hdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	537c1229-21ae-48a2-9dfa-bbe6451ec92f a09e231b3bb1d5d8-AMS

协议指纹评分（机器自动）

总分 / 100 89 44 98 100 85

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 10.0 /10 ×20 0.0 /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 5.0 /10 ×14 10.0 /10 ×14 10.0 /10 ×14 10.0 /10 ×14

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

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

系统提示纯净 0.0 /10 ×8 未计入 10.0 /10 ×8 10.0 /10 ×8 0.0 /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 0.0 /10 ×7

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

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

延迟基线 9.5 /10 ×5 10.0 /10 ×5 9.9 /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 89 v3.9.1 44 v3.9.1 98 v3.9.1 基准（参考） 85 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 5387 ms 2817 ms 5555 ms 4233 ms 5148 ms

输出速度 burst 48.7 tok/s 66.0 tok/s 72.5 tok/s 40.2 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 ⓘ

$0.1579

>=$0.0012 (成本不完整)

$0.1717

$0.1722

$0.1805

缓存读取占比 ⓘ 80% - 80% 80% 80%

揭晓

通道

服务商 HongMaCC ↗

通道u-cc

服务商 SSSAiCode ↗

通道R-Kiro

服务商 LingxiCode ↗

通道M-

官方基准

服务商 WorldBase.ai ↗

通道M-

返回列表