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

2026/06/08 运行日期

claude-opus-4-8 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

官方基准

ByteCatCode

O-Max

SSSAiCode

O-Max-L2

FoxCode

R-ultra

PackyCode

cc-Zeus

基本信息

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

模型 claude-opus-4-8 claude-opus-4-8 claude-opus-4-8 claude-opus-4-8 claude-opus-4-8

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 02:37:08 ~ 02:37:13 (4.1s) 02:37:00 ~ 02:37:10 (5.3s) 02:37:04 ~ 02:37:09 (3.1s) 02:37:06 ~ 02:37:11 (3.5s) 02:37:02 ~ 02:37:07 (3.5s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 2,951 ms 3,912 ms 2,232 ms 2,123 ms 2,268 ms

首文本(SSE delta) 2,953 ms - 2,326 ms 2,226 ms 2,269 ms

总耗时 3,106 ms 4,076 ms 2,408 ms 2,668 ms 2,531 ms

输入 1,454 2 1,428 37 1,454

输出 4 4 4 2 4

缓存创建

30,222

5m: 0 / 1h: 30,222

31,672

5m: 31,672 / 1h: 0

29,761

5m: 0 / 1h: 29,761

23,523

5m: 23,523 / 1h: 0

30,225

5m: 0 / 1h: 30,225

缓存读取 0 0 0 0 0

响应

pong

pong

pong

pong

pong

步骤 2: identity text

时间 02:40:30 ~ 02:40:35 (3.4s) 02:38:45 ~ 02:38:50 (3.8s) 02:39:06 ~ 02:39:11 (3.6s) 02:38:11 ~ 02:38:16 (3.4s) 02:40:13 ~ 02:40:18 (3.5s)

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) 1,968 ms 2,153 ms 2,305 ms 1,776 ms 2,043 ms

首文本(SSE delta) 1,969 ms - 2,655 ms 1,778 ms 2,044 ms

总耗时 2,360 ms 2,592 ms 2,735 ms 2,310 ms 2,460 ms

输入 2 2 2 37 2

输出 28 28 32 23 28

缓存创建

1,630

5m: 0 / 1h: 1,630

178

5m: 178 / 1h: 0

1,604

5m: 0 / 1h: 1,604

186

5m: 186 / 1h: 0

1,630

5m: 0 / 1h: 1,630

缓存读取 30,222 31,672 29,761 23,523 30,225

响应

vendor: anthropic
brand: claude
model: claude-opus-4-8

vendor: anthropic
brand: claude
model: claude-opus-4-8

vendor: anthropic
brand: claude
model: claude-opus-4-1-20250805

vendor: anthropic
brand: claude
model: claude-opus-4-8

vendor: anthropic
brand: claude
model: claude-opus-4-8

步骤 3: cutoff text

时间 02:43:26 ~ 02:43:31 (3.0s) 02:41:24 ~ 02:41:34 (8.6s) 02:42:23 ~ 02:42:33 (5.6s) 02:42:13 ~ 02:42:18 (3.1s) 02:41:22 ~ 02:41:27 (3.0s)

提示词

查看本步 Prompt

Knowledge cutoff date? Reply with YYYY-MM only.

HTTP 头(TTFB) 1,853 ms 7,031 ms 3,078 ms 1,810 ms 1,819 ms

首文本(SSE delta) 1,856 ms - 3,080 ms 2,049 ms 1,820 ms

总耗时 2,068 ms 7,427 ms 4,855 ms 2,272 ms 2,030 ms

输入 2 2 2 34 2

输出 6 6 148 5 6

缓存创建

5m: 0 / 1h: 54

5m: 57 / 1h: 0

5m: 0 / 1h: 53

23,755

5m: 23,755 / 1h: 0

5m: 0 / 1h: 56

缓存读取 31,852 31,850 31,365 0 31,855

输出速度 - - 83.4 tok/s - -

响应

2026-01

2026-01

training data cutoff: 2025-01

ただし、cutoff date はモデルによって公式発表値が異なり、私が自分の正確な値を確実に把握しているとは限らない点にご留意ください。正確な値は Anthropic の公式ドキュメントでご確認いただくのが確実です。

2026-01

2026-01

步骤 4: identity_free text

时间 02:45:16 ~ 02:45:21 (4.2s) 02:43:19 ~ 02:43:29 (5.0s) 02:45:31 ~ 02:45:36 (3.8s) 02:44:19 ~ 02:44:29 (5.9s) 02:44:12 ~ 02:44:17 (4.2s)

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) 1,878 ms 2,880 ms 1,970 ms 3,376 ms 2,153 ms

首文本(SSE delta) 1,889 ms - 2,959 ms 3,548 ms 2,164 ms

总耗时 3,192 ms 3,963 ms 3,071 ms 5,158 ms 3,183 ms

输入 2 2 2 34 2

输出 81 58 63 64 61

缓存创建

5m: 0 / 1h: 39

5m: 35 / 1h: 0

177

5m: 0 / 1h: 177

5m: 50 / 1h: 0

5m: 0 / 1h: 35

缓存读取 31,906 31,907 31,418 23,755 31,911

输出速度 62.2 tok/s 53.6 tok/s - 39.8 tok/s 59.9 tok/s

响应

我是 Claude，由 Anthropic 开发的 AI 助手。我可以帮你写代码、解答问题、分析文本等。当前模型是 Claude Opus 4.8，擅长软件工程和复杂推理任务。

我是 Claude，由 Anthropic 打造的 AI 助手，具体模型为 Claude Opus 4.8，可协助编程、研究与各类任务。

我是 Claude，由 Anthropic 打造的 AI 助手。当前模型为 Claude Opus 4.1，可协助完成编程、写作、分析等多种任务。

我是 Kiro，由 Anthropic 开发的 AI 助手，基于 Claude 模型构建。我能帮助软件开发、写作、分析、规划和研究等专业工作。

我是 Claude，由 Anthropic 打造的 AI 助手。当前模型为 Claude Opus 4.8，可协助编程、写作、分析等多种任务。

步骤 5: knowledge_tier text

时间 02:48:39 ~ 02:48:49 (7.8s) 02:46:07 ~ 02:46:17 (8.7s) 02:48:25 ~ 02:48:36 (6.5s) 02:45:45 ~ 02:45:56 (6.0s) 02:46:44 ~ 02:46:55 (7.1s)

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) 2,595 ms 2,852 ms 2,614 ms 2,366 ms 4,844 ms

首文本(SSE delta) 6,366 ms - 5,434 ms 2,423 ms 5,717 ms

总耗时 6,817 ms 7,716 ms 5,695 ms 5,208 ms 6,081 ms

输入 2 2 2 80 2

输出 481 416 396 216 400

缓存创建

570

5m: 0 / 1h: 570

547

5m: 547 / 1h: 0

552

5m: 0 / 1h: 552

406

5m: 406 / 1h: 0

550

5m: 0 / 1h: 550

缓存读取 31,945 31,942 31,595 23,805 31,946

输出速度 - 85.5 tok/s - 77.6 tok/s -

响应

{"a":["Trump","Leo XIV (Prevost)","María Corina Machado","Ousmane Dembélé","Zohran Mamdani"],"calc":3150}

{"a":["Trump","Leo XIV (Prevost)","María Corina Machado","Ousmane Dembélé","Zohran Mamdani"],"calc":3150}

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

{"a":["Trump","Leo XIV Prevost","OUT","OUT","OUT"],"calc":6● }

Let me recalculate:

- 2025-01-20 to 2025-05-08: Jan remaining=11, Feb=28, Mar=31, Apr=30, May 1-8=8 → 11+28+31+30+8=108
- 2025-09-22 to

{"a":["Trump","Leo XIV (Prevost)","María Corina Machado","Ousmane Dembélé","Zohran Mamdani"],"calc":3150}

总计

总输入(含缓存) 159,902 159,870 157,722 119,225 159,895

总输出 600 512 643 310 499

总缓存创建

32,515

5m: 0 / 1h: 32,515

32,489

5m: 32,489 / 1h: 0

32,147

5m: 0 / 1h: 32,147

47,920

5m: 47,920 / 1h: 0

32,496

5m: 0 / 1h: 32,496

总缓存读取 125,925 127,371 124,139 71,083 125,937

输出速度 62.2 tok/s 79.7 tok/s 83.4 tok/s 63.7 tok/s 59.9 tok/s

总执行时间 22.5s 31.5s 22.6s 21.9s 21.3s

总墙钟时间

11m 40.8s

含步骤间等待

9m 16.7s

含步骤间等待

11m 31.8s

含步骤间等待

8m 49.8s

含步骤间等待

9m 52.8s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.2885

Anthropic: Claude Opus 4.8

$0.2034

Anthropic: Claude Opus 4.8

$0.2862

Anthropic: Claude Opus 4.8

$0.2316

Anthropic: Claude Opus 4.8

$0.2859

Anthropic: Claude Opus 4.8

通道指纹

来源步骤 knowledge_tier knowledge_tier knowledge_tier knowledge_tier knowledge_tier

平台 direct (100%) one-api (100%) direct (100%) one-api (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_01PJyojPisxaMRf8WzyHHTgV msg_01LTFDWsyXg7ZaybC6uX71Ts msg_01TBMwNL7XbBj8DBRtbyhyDy msg_01dGK5flmr3631yAE7Sa7kDg msg_01FAhjmawZqqjYxgM2Fov3aB

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_011CbpQ7tRARJt7fn4QTqEDG
O-Max	server: nginx/1.29.8 x-oneapi-request-id: 202606071846085713916428268d9d6Yb0lU5Nf	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	—
O-Max-L2	cf-ray: a081d4c3eab7f3ec-LAX server: Photon-Edge set-cookie: _cfuvid=_DXIKJts_hits.zZmLu35cqJ4CLEKcqDl9TViIv68pA-1780858107.5050445-1.0.1.1-PovKb5h_7G_bzFaf19K9Q7VAYngKYy69F_B3BURY0mg; HttpOnly; SameSite=None; Secure; Path=/; Domain=api.anthropic.com	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	1780858107456-9ysgiqhg0ckyx req_011CbpQ6vSvAHRxf8DwkVEDS a081d4c3eab7f3ec-LAX
R-ultra	cf-ray: a081d0d778167343-NRT server: cloudflare x-new-api-version: v0.0.0 x-oneapi-request-id: 202606071845472845554788268d9d6XubmF6Eb	id_format: msg_prefix 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-idhdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsupstream:anthropic-direct-from-body	a081d0d778167343-NRT
cc-Zeus	via: 1.1 Caddy cf-ray: a081d24999710d12-LAX server: cloudflare x-oneapi-request-id: 20260608024646459299464l8czFuJ3	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: false usage_has_cache_fields: true	hdr:x-oneapi-request-idhdr:server:cloudflarehdr:cf-rayhdr:viabody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	a081d24999710d12-LAX

协议指纹评分（机器自动）

总分 / 100 100 88 81 65 97

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 10.0 /10 ×20 10.0 /10 ×20 8.6 /10 ×20 10.0 /10 ×20

缓存 TTL 一致 10.0 /10 ×15 0.0 /10 ×15 10.0 /10 ×15 0.0 /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 7.7 /10 ×13 10.0 /10 ×13

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

系统提示纯净 10.0 /10 ×8 10.0 /10 ×8 5.0 /10 ×8 0.0 /10 ×8 10.0 /10 ×8

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

知识截止 10.0 /10 ×7 10.0 /10 ×7 0.0 /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 0.0 /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 10.0 /10 ×5 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 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

与基线相似度基准（参考） 88 v3.9.1 81 v3.9.1 65 v3.9.1 97 v3.9.1

雷达图例

共 19 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 缓存连续 cache_continuity_intra
13 延迟基线 latency_baseline_match
14 原生 msg-ID anthropic_msg_id_format
15 Sliding 缓存 cache_sliding_correctness
16 结构化身份 identity_structured_match
17 中文遵循 instruction_following_lang
18 世界知识层级 world_knowledge_tier_match
19 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 3509 ms 5155 ms 3753 ms 3523 ms 3257 ms

输出速度 62.2 tok/s 79.7 tok/s 83.4 tok/s 63.7 tok/s 59.9 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 ⓘ

$0.2885

$0.2034

$0.2862

$0.2316

$0.2859

缓存读取占比 ⓘ 79% 80% 79% 60% 79%

揭晓

通道

官方基准

服务商 ByteCatCode ↗

通道O-Max

服务商 SSSAiCode ↗

通道O-Max-L2

服务商 FoxCode ↗

通道R-ultra

服务商 PackyCode ↗

通道cc-Zeus

返回列表