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

2026/06/04 运行日期

claude-sonnet-4-6 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

ZeroCode / cc
```
评测失败
```

步骤 / 指标

FoxCode

R-ultra

PackyCode

cc-Zeus

官方基准

ByteCatCode

O-Max

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 16:33:16 ~ 16:34:02 (40.2s) 16:33:14 ~ 16:33:24 (5.3s) 16:33:22 ~ 16:33:27 (3.7s) 16:33:18 ~ 16:33:38 (16.1s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 39,108 ms 4,285 ms 2,268 ms 14,444 ms

首文本(SSE delta) 39,181 ms 4,286 ms 2,270 ms -

总耗时 39,451 ms 4,286 ms 2,382 ms 14,614 ms

输入 25 3 3 3

输出 2 5 5 5

缓存创建

32,991

5m: 32,991 / 1h: 0

32,318

5m: 0 / 1h: 32,318

32,318

5m: 0 / 1h: 32,318

32,318

5m: 0 / 1h: 32,318

缓存读取 0 0 0 0

响应

pong

pong

pong

pong

步骤 2: identity text

时间 16:35:32 ~ 16:35:42 (6.8s) 16:37:14 ~ 16:37:24 (5.2s) 16:37:03 ~ 16:37:08 (3.4s) 16:35:38 ~ 16:35:53 (14.6s)

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。自报身份，输出严格遵守以下 3 行格式（不允许 markdown、代码块、额外文本）：
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) 4,658 ms 3,430 ms 2,058 ms 10,854 ms

首文本(SSE delta) 4,659 ms 3,430 ms 2,060 ms -

总耗时 4,900 ms 4,043 ms 2,368 ms 12,013 ms

输入 25 3 3 3

输出 24 22 22 22

缓存创建

206

5m: 206 / 1h: 0

192

5m: 0 / 1h: 192

192

5m: 0 / 1h: 192

192

5m: 0 / 1h: 192

缓存读取 32,991 32,318 32,318 32,318

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 16:38:32 ~ 16:38:42 (7.2s) 16:39:07 ~ 16:39:12 (4.8s) 16:40:59 ~ 16:41:04 (3.8s) 16:38:41 ~ 16:38:51 (5.2s)

提示词

查看本步 Prompt

你的训练数据知识截止到哪一年哪一月？只用 YYYY-MM 格式回答，不要解释。

HTTP 头(TTFB) 5,950 ms 3,520 ms 2,659 ms 3,881 ms

首文本(SSE delta) 5,993 ms 3,521 ms 2,661 ms -

总耗时 6,459 ms 3,721 ms 2,777 ms 4,084 ms

输入 70 3 3 3

输出 5 8 8 8

缓存创建

5m: 30 / 1h: 0

5m: 0 / 1h: 45

5m: 0 / 1h: 38

5m: 0 / 1h: 42

缓存读取 33,197 32,510 32,510 32,510

响应

2025-08

2025-08

2025-08

2025-08

步骤 4: identity_free text

时间 16:41:52 ~ 16:42:02 (5.7s) 16:41:47 ~ 16:41:57 (6.0s) 16:43:05 ~ 16:43:10 (3.9s) 16:41:29 ~ 16:41:39 (6.7s)

提示词

查看本步 Prompt

请用中文介绍你自己是什么产品或助手，由谁开发，50 字以内。

HTTP 头(TTFB) 4,305 ms 4,361 ms 2,003 ms 4,474 ms

首文本(SSE delta) 4,306 ms 4,362 ms 2,005 ms -

总耗时 4,856 ms 4,404 ms 2,835 ms 5,540 ms

输入 24 3 3 3

输出 61 24 62 55

缓存创建

33,320

5m: 33,320 / 1h: 0

5m: 0 / 1h: 35

5m: 0 / 1h: 43

缓存读取 0 32,555 32,548 32,552

输出速度 110.9 tok/s - 74.7 tok/s 51.6 tok/s

响应

我是 Kiro，一款由 Anthropic 开发的 AI 编程助手，基于 Claude 模型构建，帮助开发者完成代码编写、调试、重构等软件工程任务。

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、问答等各类任务。

我是 Claude，由 Anthropic 开发的 AI 助手。我能帮助您解答问题、编写代码、分析数据、创作内容等多种任务。

步骤 5: knowledge_tier text

时间 16:45:07 ~ 16:45:17 (5.3s) 16:44:24 ~ 16:44:39 (14.2s) 16:44:26 ~ 16:44:36 (8.1s) 16:45:36 ~ 16:45:51 (11.6s)

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) 3,931 ms 5,628 ms 1,973 ms 3,875 ms

首文本(SSE delta) 3,932 ms 5,935 ms 2,256 ms -

总耗时 4,491 ms 13,053 ms 7,156 ms 10,223 ms

输入 27 3 3 3

输出 24 477 375 530

缓存创建

33,767

5m: 33,767 / 1h: 0

397

5m: 0 / 1h: 397

435

5m: 0 / 1h: 435

428

5m: 0 / 1h: 428

缓存读取 0 32,590 32,591 32,595

输出速度 - 67.0 tok/s 76.5 tok/s 83.5 tok/s

响应

{"a":["Trump","Leo XIV Prevost","OUT","OUT","OUT"],"calc":9522}

{"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) 166,673 162,975 163,008 163,013

总输出 116 536 472 620

总缓存创建

100,314

5m: 100,314 / 1h: 0

32,987

5m: 0 / 1h: 32,987

33,026

5m: 0 / 1h: 33,026

33,023

5m: 0 / 1h: 33,023

总缓存读取 66,188 129,973 129,967 129,975

输出速度 110.9 tok/s 67.0 tok/s 76.3 tok/s 78.9 tok/s

总执行时间 1m 5.2s 35.5s 23.1s 54.2s

总墙钟时间

12m 0.9s

含步骤间等待

11m 24.8s

含步骤间等待

11m 13.8s

含步骤间等待

12m 32.8s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.2572

Anthropic: Claude Sonnet 4.6

$0.1708

Anthropic: Claude Sonnet 4.6

$0.1700

Anthropic: Claude Sonnet 4.6

$0.1722

Anthropic: Claude Sonnet 4.6

通道指纹

来源步骤 knowledge_tier knowledge_tier knowledge_tier knowledge_tier

平台 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%)

CDN cloudflare cloudflare - -

ID 格式 msg_01Cxkyx1UnSEi0XqEeirRgTq msg_01SSXtgxYaMDTqcepFw8QuHS msg_01DjXQY2QxbxLUyRXbRLYgUK msg_0199S1g8KyN46CRnKzA34RdE

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
R-ultra	cf-ray: a065a8e01f8c734b-NRT server: cloudflare x-new-api-version: v0.0.0 x-oneapi-request-id: 202606040845089144231128268d9d6VB2mcZez	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	a065a8e01f8c734b-NRT
cc-Zeus	via: 1.1 Caddy cf-ray: a065a7d57e061e1d-LAX server: cloudflare x-oneapi-request-id: 20260604164426283451028h0pdjXLf	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	a065a7d57e061e1d-LAX
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_011CbhvcpJ8z8oXnvDBRZ68L
O-Max	server: nginx/1.29.8 x-oneapi-request-id: 202606040845387134481308268d9d6YpafOjoQ	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	—

协议指纹评分（机器自动）

总分 / 100 60 98 100 92

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 0.0 /10 ×20 10.0 /10 ×20 10.0 /10 ×20 10.0 /10 ×20

缓存 TTL 一致 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

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

sliding 5m 7.7 /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 10.0 /10 ×8 10.0 /10 ×8

系统提示纯净 5.0 /10 ×8 10.0 /10 ×8 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) 0.0 /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 10.0 /10 ×6

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

延迟基线 5.5 /10 ×5 10.0 /10 ×5 10.0 /10 ×5 4.5 /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 60 v3.9.1 98 v3.9.1 基准（参考） 92 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 12031 ms 5901 ms 3504 ms 9295 ms

输出速度 110.9 tok/s 67.0 tok/s 76.3 tok/s 78.9 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 ⓘ

$0.2572

$0.1708

$0.1700

$0.1722

缓存读取占比 ⓘ 40% 80% 80% 80%

揭晓

通道

服务商 FoxCode ↗

通道R-ultra

服务商 PackyCode ↗

通道cc-Zeus

官方基准

服务商 ByteCatCode ↗

通道O-Max

返回列表