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

2026/06/10 运行日期

claude-sonnet-4-6 官方基准

2 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

TopRouterCN / O-Max
```
评测失败
```

步骤 / 指标

官方基准

DawAPI

ByteCatCode

O-Max

SSSAiCode

R-Kiro

基本信息

服务名 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

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 21:42:09 ~ 21:42:14 (4.0s) 21:42:07 ~ 21:42:12 (4.4s) 21:42:01 ~ 21:42:11 (6.2s) 21:42:03 ~ 21:42:08 (3.0s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 2,789 ms 3,189 ms 3,307 ms 1,996 ms

首文本(SSE delta) 2,790 ms 3,192 ms - 2,136 ms

总耗时 3,008 ms 3,372 ms 3,308 ms 2,140 ms

输入 3 3 3 0

输出 5 5 5 2

缓存创建

32,318

5m: 0 / 1h: 32,318

5m: 0 / 1h: 0

32,457

5m: 32,457 / 1h: 0

缓存读取 0 32,457 0 0

响应

pong

pong

pong

pong

步骤 2: identity text

时间 21:44:25 ~ 21:44:35 (9.9s) 21:44:40 ~ 21:44:50 (6.9s) 21:45:31 ~ 21:45:36 (3.9s) 21:43:51 ~ 21:44:01 (6.7s)

提示词

查看本步 Prompt

输出 3 行 metadata 描述你自己（当前 API 模型）。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。禁止任何额外字符：
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) 8,599 ms 4,912 ms 2,148 ms 2,255 ms

首文本(SSE delta) 8,601 ms 4,913 ms - 2,276 ms

总耗时 8,926 ms 5,945 ms 2,682 ms 2,525 ms

输入 3 3 3 0

输出 22 22 22 17

缓存创建

189

5m: 0 / 1h: 189

189

5m: 189 / 1h: 0

5m: 0 / 1h: 0

缓存读取 32,318 32,457 32,646 0

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

步骤 3: cutoff text

时间 21:46:22 ~ 21:46:27 (3.4s) 21:48:12 ~ 21:48:17 (4.4s) 21:49:16 ~ 21:49:27 (5.5s) 21:45:16 ~ 21:45:26 (5.9s)

提示词

查看本步 Prompt

你掌握的世界知识截止于何时？YYYY-MM 格式作答，不解释。

HTTP 头(TTFB) 2,200 ms 3,038 ms 2,255 ms 2,170 ms

首文本(SSE delta) 2,201 ms 3,039 ms - 2,348 ms

总耗时 2,419 ms 3,373 ms 3,318 ms 2,360 ms

输入 3 3 3 0

输出 8 8 8 3

缓存创建

5m: 0 / 1h: 55

5m: 42 / 1h: 0

5m: 58 / 1h: 0

缓存读取 32,507 32,646 32,646 0

响应

2025-08

2025-08

2025-08

2025-08

步骤 4: identity_free text

时间 21:50:19 ~ 21:50:24 (3.8s) 21:50:06 ~ 21:50:11 (4.7s) 21:52:20 ~ 21:52:35 (10.5s) 21:48:05 ~ 21:48:10 (3.4s)

提示词

查看本步 Prompt

用中文回答：你是谁？由谁开发？50 字以内。

HTTP 头(TTFB) 2,601 ms 2,448 ms 7,047 ms 1,956 ms

首文本(SSE delta) 2,603 ms 2,488 ms - 1,957 ms

总耗时 2,837 ms 3,654 ms 8,015 ms 2,624 ms

输入 3 3 3 0

输出 19 62 61 28

缓存创建

5m: 0 / 1h: 35

5m: 43 / 1h: 0

缓存读取 32,562 32,688 32,704 0

输出速度 - 53.2 tok/s 63.0 tok/s -

响应

我是Claude，由Anthropic开发的AI助手。

我是 Claude，由 Anthropic 开发的 AI 助手。我基于大型语言模型构建，能够帮助用户完成写作、编程、分析、问答等多种任务。

我是 Claude，由 Anthropic 开发的 AI 助手。当前运行的模型版本为 claude-sonnet-4-6，训练数据截止于 2025 年 8 月。

我叫 Claude，是由 Anthropic 开发的 AI 助手，当前使用的模型版本为 claude-sonnet-4-6。

步骤 5: knowledge_tier text

时间 21:51:41 ~ 21:51:56 (13.3s) 21:51:23 ~ 21:51:53 (25.7s) 21:53:40 ~ 21:54:15 (32.4s) 21:49:41 ~ 21:49:51 (7.3s)

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) 4,994 ms 12,383 ms 23,193 ms 2,058 ms

首文本(SSE delta) 5,519 ms 12,384 ms - 2,137 ms

总耗时 12,278 ms 24,795 ms 29,762 ms 2,735 ms

输入 3 3 3 0

输出 506 530 499 27

缓存创建

392

5m: 0 / 1h: 392

435

5m: 435 / 1h: 0

33,188

5m: 33,188 / 1h: 0

缓存读取 32,597 32,731 0 0

输出速度 74.9 tok/s 42.7 tok/s 76.0 tok/s -

响应

{"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}

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

总计

总输入(含缓存) 162,988 163,703 163,757 0

总输出 560 627 595 77

总缓存创建

32,989

5m: 0 / 1h: 32,989

709

5m: 709 / 1h: 0

65,746

5m: 65,746 / 1h: 0

总缓存读取 129,984 162,979 97,996 0

输出速度 74.9 tok/s 43.6 tok/s 74.3 tok/s -

总执行时间 34.4s 46.1s 58.5s 26.3s

总墙钟时间

9m 46.8s

含步骤间等待

9m 45.8s

含步骤间等待

12m 13.9s

含步骤间等待

7m 47.8s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.1711

Anthropic: Claude Sonnet 4.6

$0.0600

Anthropic: Claude Sonnet 4.6

$0.1925

Anthropic: Claude Sonnet 4.6

>=$0.0012

Anthropic: Claude Sonnet 4.6 (成本不完整)

通道指纹

来源步骤 knowledge_tier knowledge_tier knowledge_tier knowledge_tier

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

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

CDN - - - -

ID 格式 msg_011UXjjkk2wGVWpYb5E5bdL7 msg_01DXx3uB5eh9KSq4AxEwYBBu msg_01KbsVRqLpHrUmEdv6cQqV9K msg_4c97018eb2b54c72ad7843996f02d05d

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
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_011CbuguD3UHU1fV7iPPuBpP
cc	server: cdn x-new-api-version: v1.0.0-rc.10 x-oneapi-request-id: 202606101351245797758668268d9d651An4OdN	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	—
O-Max	server: nginx/1.29.8 x-oneapi-request-id: 202606101353436874108038268d9d6VCGGtJGo	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-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: f7d200d5-394d-4329-be95-4ad0cf9278f1	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	1781099386099-0f34gz84lqwd5 f7d200d5-394d-4329-be95-4ad0cf9278f1

协议指纹评分（机器自动）

总分 / 100 100 88 83 44

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 10.0 /10 ×20 8.3 /10 ×20 0.0 /10 ×20

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

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

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

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

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

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 10.0 /10 ×6 10.0 /10 ×6 0.0 /10 ×6

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

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

与基线相似度基准（参考） 88 v3.9.1 83 v3.9.1 44 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 5894 ms 8228 ms 9417 ms 2477 ms

输出速度 74.9 tok/s 43.6 tok/s 74.3 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 ⓘ

$0.1711

$0.0600

$0.1925

>=$0.0012 (成本不完整)

缓存读取占比 ⓘ 80% 100% 60% -

揭晓

通道

官方基准

服务商 DawAPI ↗

通道cc

服务商 ByteCatCode ↗

通道O-Max

服务商 SSSAiCode ↗

通道R-Kiro

返回列表