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

3 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

SAIAi

O-Max

SudoCode

M-Max

FoxCode

R-ultra

FoxCode

R-super

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 10:52:28 ~ 10:52:33 (3.1s) 10:52:21 ~ 10:52:27 (4.2s) 10:52:25 ~ 10:52:31 (3.8s) 10:52:19 ~ 10:52:25 (4.7s) 10:52:24 ~ 10:52:29 (3.9s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 1,886 ms 3,022 ms 2,542 ms 3,760 ms 2,532 ms

首文本(SSE delta) 1,888 ms 3,024 ms 2,543 ms 3,959 ms 2,660 ms

总耗时 2,011 ms 3,100 ms 2,669 ms 3,960 ms 3,115 ms

输入 3 3 3 11 26

输出 5 5 5 2 2

缓存创建

5m: 0 / 1h: 0

32,318

5m: 0 / 1h: 32,318

32,318

5m: 0 / 1h: 32,318

33,005

5m: 33,005 / 1h: 0

32,991

5m: 32,991 / 1h: 0

缓存读取 32,318 0 0 0 0

响应

pong

pong

pong

pong

pong

步骤 2: identity text

时间 10:55:23 ~ 10:55:28 (3.3s) 10:56:23 ~ 10:57:03 (35.2s) 10:54:23 ~ 10:54:33 (6.4s) 10:54:26 ~ 10:54:36 (4.9s) 10:55:01 ~ 10:55:06 (4.9s)

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) 1,985 ms 3,171 ms 5,307 ms 3,628 ms 3,647 ms

首文本(SSE delta) 1,987 ms 3,173 ms 5,309 ms 3,723 ms 3,648 ms

总耗时 2,332 ms 3,495 ms 5,416 ms 3,996 ms 3,868 ms

输入 3 3 3 51 78

输出 22 22 22 24 24

缓存创建

189

5m: 0 / 1h: 189

5m: 0 / 1h: 0

189

5m: 0 / 1h: 189

33,160

5m: 33,160 / 1h: 0

141

5m: 141 / 1h: 0

缓存读取 32,318 32,507 32,318 0 32,991

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 10:58:58 ~ 10:59:03 (3.2s) 11:00:50 ~ 11:00:55 (3.0s) 10:58:33 ~ 10:58:38 (4.6s) 10:57:00 ~ 10:57:10 (6.2s) 10:58:51 ~ 10:59:01 (5.0s)

提示词

查看本步 Prompt

Knowledge cutoff date? Reply with YYYY-MM only.

HTTP 头(TTFB) 2,065 ms 1,917 ms 3,541 ms 4,259 ms 3,769 ms

首文本(SSE delta) 2,067 ms 1,919 ms 3,542 ms 5,229 ms 3,852 ms

总耗时 2,202 ms 2,064 ms 3,646 ms 5,466 ms 4,128 ms

输入 3 3 3 97 31

输出 8 8 8 5 5

缓存创建

5m: 0 / 1h: 38

5m: 0 / 1h: 42

5m: 0 / 1h: 40

33,159

5m: 33,159 / 1h: 0

33,224

5m: 33,224 / 1h: 0

缓存读取 32,507 32,507 32,507 0 0

响应

2025-08

2025-08

2025-08

2025-08

2025-08

步骤 4: identity_free text

时间 11:00:48 ~ 11:00:53 (3.5s) 11:03:19 ~ 11:03:24 (4.9s) 11:00:56 ~ 11:01:06 (6.4s) 10:59:08 ~ 10:59:18 (8.7s) 11:02:06 ~ 11:02:16 (7.3s)

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) 1,792 ms 3,195 ms 5,170 ms 7,568 ms 5,415 ms

首文本(SSE delta) 1,794 ms 3,197 ms 5,171 ms 7,569 ms 5,595 ms

总耗时 2,437 ms 3,861 ms 5,272 ms 7,767 ms 6,462 ms

输入 3 3 3 97 21

输出 46 41 41 57 82

缓存创建

5m: 0 / 1h: 41

5m: 44 / 1h: 0

33,282

5m: 33,282 / 1h: 0

缓存读取 32,545 32,549 32,547 33,159 0

输出速度 71.5 tok/s 61.7 tok/s - - 94.6 tok/s

响应

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。

我叫 Claude，是由 Anthropic 开发的 AI 助手，当前版本为 Claude Sonnet 4.6。

我叫 Claude，是由 Anthropic 开发的 AI 助手。当前版本为 Claude Sonnet 4.6。

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，擅长编程、写作、分析等多种任务。

我是 Kiro，由 Anthropic 开发的 AI 编程助手，基于 Claude 模型构建。我擅长软件工程任务，包括代码编写、调试、重构和技术分析，帮助开发者更高效地完成工作。

步骤 5: knowledge_tier text

时间 11:04:08 ~ 11:04:23 (10.5s) 11:04:42 ~ 11:04:52 (9.3s) 11:02:31 ~ 11:02:46 (12.1s) 11:02:47 ~ 11:02:52 (4.1s) 11:04:14 ~ 11:04:29 (12.1s)

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) 2,006 ms 2,222 ms 9,451 ms 3,109 ms 3,983 ms

首文本(SSE delta) 2,487 ms 2,667 ms 9,453 ms 3,326 ms 3,985 ms

总耗时 9,507 ms 8,385 ms 11,041 ms 3,327 ms 4,368 ms

输入 3 3 3 79 68

输出 511 326 481 24 24

缓存创建

419

5m: 0 / 1h: 419

414

5m: 0 / 1h: 414

414

5m: 0 / 1h: 414

33,669

5m: 33,669 / 1h: 0

297

5m: 297 / 1h: 0

缓存读取 32,586 32,590 32,588 0 33,705

输出速度 72.8 tok/s 57.0 tok/s burst - -

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","OUT"],"calc":6786}

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

总计

总输入(含缓存) 162,976 162,983 162,977 166,531 166,855

总输出 592 402 557 112 137

总缓存创建

687

5m: 0 / 1h: 687

32,815

5m: 0 / 1h: 32,815

33,002

5m: 0 / 1h: 33,002

133,037

5m: 133,037 / 1h: 0

99,935

5m: 99,935 / 1h: 0

总缓存读取 162,274 130,153 129,960 33,159 66,696

输出速度 72.7 tok/s 57.5 tok/s burst - 94.6 tok/s

总执行时间 23.6s 56.6s 33.3s 28.6s 33.3s

总墙钟时间

11m 55.8s

含步骤间等待

12m 31.0s

含步骤间等待

10m 20.8s

含步骤间等待

10m 32.8s

含步骤间等待

12m 6.0s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.0602

Anthropic: Claude Sonnet 4.6

$0.1682

Anthropic: Claude Sonnet 4.6

$0.1711

Anthropic: Claude Sonnet 4.6

$0.3244

Anthropic: Claude Sonnet 4.6

$0.2570

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

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

CDN - - - cloudflare cloudflare

ID 格式 msg_01MRrxKLyaDv7B94q3YCkkGh msg_01HQPcs3knKKxvK8zXE3T8uY msg_bdrk_015wHqVwtH89TeFGXFyYcCxe msg_01WiHuIWlm59PBmH5MlEkYK4 msg_01iXHiUSLCFr6Es7sber094S

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_011CbvjL95HRPe91onLMin8U
O-Max	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_011CbvjNfJH2Z5d8ggMVynVE
M-Max	server: nginx x-oneapi-request-id: 20260611110233303342036SsPkzWBC	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: false has_inference_geo: false model_has_date_suffix: false usage_has_cache_fields: true	hdr:x-oneapi-request-idbody:id:msg_prefixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	—
R-ultra	cf-ray: a09d6109297ffd4f-NRT server: cloudflare x-new-api-version: v0.0.0 x-oneapi-request-id: 202606110302492263371688268d9d6JxDWQMaa	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	a09d6109297ffd4f-NRT
R-super	cf-ray: a09d6355ab72734b-NRT server: cloudflare x-new-api-version: v0.0.0 x-oneapi-request-id: 202606110304233076582818268d9d62moYlCUs	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	a09d6355ab72734b-NRT

协议指纹评分（机器自动）

总分 / 100 100 100 82 64 56

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 0.0 /10 ×20 0.0 /10 ×20

缓存 TTL 一致 10.0 /10 ×15 10.0 /10 ×15 10.0 /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 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 5.3 /10 ×13 0.0 /10 ×13

原生 msg-ID 10.0 /10 ×8 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 10.0 /10 ×8 10.0 /10 ×8 5.0 /10 ×8 5.0 /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 10.0 /10 ×6 0.0 /10 ×6 10.0 /10 ×6 10.0 /10 ×6

inference_geo 10.0 /10 ×5 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 10.0 /10 ×5

Req-ID 透传 10.0 /10 ×4 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 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） 100 v3.9.1 82 v3.9.1 64 v3.9.1 56 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 3698 ms 4181 ms 5609 ms 4903 ms 4388 ms

输出速度 72.7 tok/s 57.5 tok/s burst - 94.6 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 ⓘ

$0.0602

$0.1682

$0.1711

$0.3244

$0.2570

缓存读取占比 ⓘ 100% 80% 80% 20% 40%

揭晓

通道

官方基准

服务商 SAIAi ↗

通道O-Max

服务商 SudoCode ↗

通道M-Max

服务商 FoxCode ↗

通道R-ultra

服务商 FoxCode ↗

通道R-super

返回列表