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。

4 通道 · 5 步骤

2026/06/09 运行日期

claude-haiku-4-5-20251001 官方基准

1 通道分数 < 70 另含 1 任务失败

已揭晓揭晓进度

⚠ 1 通道不可测 · 已从主对比表移除点击展开原因

Aiberm / cc
```
评测失败
```

步骤 / 指标

LingxiCode

M-

SSSAiCode

R-Kiro

官方基准

RunAPI

O-Max

基本信息

服务名 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

客户端 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 13:11:09 ~ 13:11:14 (4.6s) 13:11:05 ~ 13:11:15 (5.7s) 13:11:13 ~ 13:11:18 (3.7s) 13:11:07 ~ 13:11:17 (5.1s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 2,970 ms 2,940 ms 2,126 ms 1,962 ms

首文本(SSE delta) 2,971 ms 2,945 ms 2,149 ms 1,964 ms

总耗时 3,496 ms 3,470 ms 2,661 ms 2,419 ms

输入 10 0 10 10

输出 41 68 58 47

缓存创建

33,122

5m: 0 / 1h: 33,122

33,122

5m: 0 / 1h: 33,122

33,123

5m: 0 / 1h: 33,123

缓存读取 0 0 0 0

输出速度 78.1 tok/s 129.5 tok/s 113.3 tok/s 103.3 tok/s

响应

pong

pong

pong

pong

步骤 2: identity text

时间 13:14:35 ~ 13:14:45 (6.7s) 13:13:07 ~ 13:13:17 (5.3s) 13:13:40 ~ 13:13:45 (4.6s) 13:12:36 ~ 13:12:46 (5.8s)

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) 3,061 ms 1,883 ms 1,833 ms 1,835 ms

首文本(SSE delta) 3,062 ms 1,884 ms 1,835 ms 1,836 ms

总耗时 5,149 ms 4,574 ms 3,597 ms 3,946 ms

输入 10 0 10 10

输出 203 334 175 201

缓存创建

245

5m: 0 / 1h: 245

262

5m: 0 / 1h: 262

251

5m: 0 / 1h: 251

缓存读取 33,122 0 33,122 33,123

输出速度 97.3 tok/s 124.2 tok/s 99.3 tok/s 95.3 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

步骤 3: cutoff text

时间 13:15:57 ~ 13:16:02 (4.6s) 13:15:47 ~ 13:15:52 (4.0s) 13:17:40 ~ 13:17:45 (4.8s) 13:16:32 ~ 13:16:42 (4.9s)

提示词

查看本步 Prompt

你的 knowledge cutoff 是？请只回 YYYY-MM。

HTTP 头(TTFB) 2,981 ms 2,777 ms 3,183 ms 1,860 ms

首文本(SSE delta) 2,982 ms 2,779 ms 3,197 ms 1,861 ms

总耗时 3,625 ms 3,267 ms 3,775 ms 2,712 ms

输入 10 0 10 10

输出 65 68 72 68

缓存创建

232

5m: 0 / 1h: 232

215

5m: 0 / 1h: 215

228

5m: 0 / 1h: 228

缓存读取 33,367 0 33,384 33,374

输出速度 101.1 tok/s 139.3 tok/s 124.6 tok/s 79.9 tok/s

响应

2025-02

2025-02

2025-02

2025-02

步骤 4: identity_free text

时间 13:19:35 ~ 13:19:45 (5.5s) 13:18:29 ~ 13:18:34 (4.4s) 13:19:11 ~ 13:19:21 (8.9s) 13:19:29 ~ 13:19:39 (7.6s)

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) 2,804 ms 2,216 ms 1,720 ms 2,177 ms

首文本(SSE delta) 2,805 ms 2,231 ms 1,721 ms 2,178 ms

总耗时 4,766 ms 3,595 ms 7,854 ms 6,525 ms

输入 10 0 10 10

输出 278 124 871 645

缓存创建

105

5m: 0 / 1h: 105

110

5m: 0 / 1h: 110

110

5m: 0 / 1h: 110

缓存读取 33,599 0 33,599 33,602

输出速度 141.8 tok/s 90.9 tok/s 142.0 tok/s 148.4 tok/s

响应

我叫Claude Haiku 4.5，属于Claude产品家族。由Anthropic公司开发。

我是Claude，Anthropic公司打造的AI助手。具体来说，我是Claude Haiku 4.5模型，可以帮助用户处理软件工程、代码编写、分析和各类工作任务。

我是Claude Haiku 4.5，由Anthropic公司开发的AI助手。属于Claude系列模型，用于帮助用户进行代码编写、问题解答等各种任务。

我是Claude Haiku 4.5，由Anthropic开发的AI助手。擅长编程、代码审查、分析和研究等工作。

步骤 5: knowledge_tier text

时间 13:22:59 ~ 13:23:14 (13.6s) 13:20:48 ~ 13:20:58 (6.4s) 13:21:40 ~ 13:22:05 (20.9s) 13:23:21 ~ 13:23:36 (11.5s)

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) 3,054 ms 1,776 ms 2,321 ms 1,908 ms

首文本(SSE delta) 3,055 ms 1,778 ms 2,322 ms 2,119 ms

总耗时 12,529 ms 5,623 ms 19,926 ms 10,404 ms

输入 10 0 10 10

输出 1,662 697 2,950 1,349

缓存创建

658

5m: 0 / 1h: 658

1,251

5m: 0 / 1h: 1,251

1,025

5m: 0 / 1h: 1,025

缓存读取 33,704 0 33,709 33,712

输出速度 175.4 tok/s 181.3 tok/s 167.6 tok/s 162.8 tok/s

响应

```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}
```

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

总计

总输入(含缓存) 168,204 0 168,824 168,598

总输出 2,249 1,291 4,126 2,310

总缓存创建

34,362

5m: 0 / 1h: 34,362

34,960

5m: 0 / 1h: 34,960

34,737

5m: 0 / 1h: 34,737

总缓存读取 133,792 0 133,814 133,811

输出速度 153.1 tok/s 144.9 tok/s 155.2 tok/s 143.9 tok/s

总执行时间 35.0s 25.8s 42.9s 34.9s

总墙钟时间

12m 5.8s

含步骤间等待

9m 53.8s

含步骤间等待

10m 52.8s

含步骤间等待

12m 29.8s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.0676

Anthropic: Claude Haiku 4.5

>=$0.0065

Anthropic: Claude Haiku 4.5 (成本不完整)

$0.0778

Anthropic: Claude Haiku 4.5

$0.0684

Anthropic: Claude Haiku 4.5

通道指纹

来源步骤 knowledge_tier knowledge_tier knowledge_tier knowledge_tier

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

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

CDN cloudflare - - -

ID 格式 msg_01Jjkbi8SgL8XoVGy89fFojE msg_682ad9e15d14441c8ce3a95f00363ad2 msg_011Re58wn2tA8yGfpSNZyBTz msg_01QFtY7sbXvXXmCyKocKY6EW

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
M-	cf-ray: a08db3ab0c037963-NRT server: cloudflare set-cookie: server_name_session=850f86c7b12c1c9cf4b5447f93d3ccee; Max-Age=86400; httponly; path=/ x-oneapi-request-id: 20260609052302279908645mL89JsIk	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	a08db3ab0c037963-NRT
R-Kiro	server: Photon-Edge x-amzn-requestid: f85fd18d-38d2-4bd6-99a4-85f07fc2b504	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	1780982449841-ej0c87s44t42w f85fd18d-38d2-4bd6-99a4-85f07fc2b504
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_011Cbs8CdpN1iTiwuMXrf3FU
O-Max	server: nginx/1.24.0 (Ubuntu) x-oneapi-request-id: 20260609132323516163573mLl6oNSE	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	—

协议指纹评分（机器自动）

总分 / 100 98 53 100 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

缓存命中比 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 0.0 /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

缓存连续性 10.0 /10 ×14 5.0 /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

原生 msg-ID 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 未计入 10.0 /10 ×8 10.0 /10 ×8

身份(结构) 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

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

service_tier 10.0 /10 ×6 0.0 /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

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

Req-ID 透传 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

SDK 一致 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 98 v3.9.1 53 v3.9.1 基准（参考） 98 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 5913 ms 4106 ms 7563 ms 5201 ms

输出速度 153.1 tok/s 144.9 tok/s 155.2 tok/s 143.9 tok/s

完成步骤 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 ⓘ

$0.0676

>=$0.0065 (成本不完整)

$0.0778

$0.0684

缓存读取占比 ⓘ 80% - 79% 79%

揭晓

通道

服务商 LingxiCode ↗

通道M-

服务商 SSSAiCode ↗

通道R-Kiro

官方基准

服务商 RunAPI ↗

通道O-Max

返回列表