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-opus-4-8 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

DawAPI / cc
```
评测失败
```

步骤 / 指标

官方基准

NowCoding

R-Kiro

RunAPI

O-Max

SSSAiCode

O-Max-L2

基本信息

服务名 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

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 00:23:24 ~ 00:23:29 (4.0s) 00:23:22 ~ 00:23:32 (7.4s) 00:23:20 ~ 00:23:25 (4.8s) 00:23:18 ~ 00:23:23 (3.0s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 2,307 ms 5,950 ms 2,034 ms 2,069 ms

首文本(SSE delta) 2,309 ms 5,977 ms 2,036 ms 2,138 ms

总耗时 2,472 ms 5,990 ms 3,018 ms 2,224 ms

输入 1,454 147 1,454 1,428

输出 4 2 4 4

缓存创建

30,222

5m: 0 / 1h: 30,222

1,263

30,224

5m: 0 / 1h: 30,224

29,762

5m: 0 / 1h: 29,762

缓存读取 0 22,632 0 0

响应

pong

pong

pong

pong

步骤 2: identity text

时间 00:26:37 ~ 00:26:42 (3.4s) 00:24:44 ~ 00:24:49 (3.6s) 00:27:18 ~ 00:27:23 (4.2s) 00:25:59 ~ 00:26:04 (4.6s)

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。严格按以下 3 行格式输出，全部小写英文，不要任何其他文字、解释、标点：
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) 2,042 ms 2,302 ms 2,276 ms 3,325 ms

首文本(SSE delta) 2,044 ms 2,303 ms 2,277 ms 3,756 ms

总耗时 2,366 ms 2,400 ms 2,897 ms 3,819 ms

输入 2 240 2 2

输出 28 16 28 30

缓存创建

1,643

5m: 0 / 1h: 1,643

1,704

1,643

5m: 0 / 1h: 1,643

1,617

5m: 0 / 1h: 1,617

缓存读取 30,222 22,314 30,224 29,762

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-4-8

vendor: anthropic
brand: claude
model: claude-opus-4-20250514

步骤 3: cutoff text

时间 00:30:04 ~ 00:30:09 (3.1s) 00:26:08 ~ 00:26:13 (4.5s) 00:29:46 ~ 00:29:56 (5.0s) 00:28:57 ~ 00:29:07 (6.1s)

提示词

查看本步 Prompt

What's your training data cutoff (YYYY-MM only, no prose)?

HTTP 头(TTFB) 1,963 ms 3,453 ms 3,098 ms 5,107 ms

首文本(SSE delta) 1,965 ms 3,553 ms 3,100 ms 5,233 ms

总耗时 2,163 ms 3,566 ms 3,429 ms 5,305 ms

输入 2 52 2 2

输出 6 3 6 6

缓存创建

5m: 0 / 1h: 54

1,394

5m: 0 / 1h: 51

5m: 0 / 1h: 66

缓存读取 31,865 22,856 31,867 31,379

响应

2025-01

2026-01

2025-01

2025-01

步骤 4: identity_free text

时间 00:33:24 ~ 00:33:29 (3.7s) 00:27:52 ~ 00:27:57 (4.3s) 00:32:19 ~ 00:32:29 (7.1s) 00:30:20 ~ 00:30:25 (4.2s)

提示词

查看本步 Prompt

用中文说说你的身份：什么产品？由谁打造？50 字以内。

HTTP 头(TTFB) 2,046 ms 3,063 ms 3,286 ms 2,886 ms

首文本(SSE delta) 2,049 ms 3,064 ms 3,287 ms 3,492 ms

总耗时 2,715 ms 3,202 ms 4,459 ms 3,565 ms

输入 2 57 2 2

输出 55 41 65 47

缓存创建

5m: 0 / 1h: 35

1,240

5m: 0 / 1h: 39

缓存读取 31,919 23,036 31,918 31,445

输出速度 82.6 tok/s - 55.5 tok/s -

响应

我是 Claude，由 Anthropic 打造的 AI 助手，当前模型为 Claude Opus 4.8，可协助编程与各类任务。

我是 Claude，一个由 Anthropic 开发的 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。

我是 Claude，由 Anthropic 开发的 AI 助手，基于 Claude Opus 4.8 模型，可帮助你完成编程、写作、分析等各类任务。

我是 Claude，由 Anthropic 开发的 AI 助手，可以帮助处理软件工程、编程及各类任务。

步骤 5: knowledge_tier text

时间 00:36:54 ~ 00:37:04 (7.7s) 00:30:59 ~ 00:31:09 (7.7s) 00:33:39 ~ 00:33:54 (10.8s) 00:33:17 ~ 00:33:37 (15.7s)

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) 2,307 ms 6,042 ms 8,280 ms 7,740 ms

首文本(SSE delta) 6,573 ms 6,575 ms 9,722 ms 14,326 ms

总耗时 6,714 ms 6,629 ms 9,723 ms 14,879 ms

输入 2 387 2 2

输出 511 29 578 676

缓存创建

544

5m: 0 / 1h: 544

1,286

554

5m: 0 / 1h: 554

536

5m: 0 / 1h: 536

缓存读取 31,954 23,086 31,957 31,484

输出速度 burst - burst burst

响应

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

{"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}

总计

总输入(含缓存) 159,920 121,694 159,939 157,526

总输出 604 91 681 763

总缓存创建

32,498

5m: 0 / 1h: 32,498

6,887

32,511

5m: 0 / 1h: 32,511

32,020

5m: 0 / 1h: 32,020

总缓存读取 125,960 113,924 125,966 124,070

输出速度 82.6 tok/s - 55.5 tok/s burst

总执行时间 22.0s 27.6s 31.9s 33.7s

总墙钟时间

13m 39.9s

含步骤间等待

7m 46.8s

含步骤间等待

10m 33.9s

含步骤间等待

10m 18.8s

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

$0.0906

Anthropic: Claude Opus 4.8

$0.2905

Anthropic: Claude Opus 4.8

$0.2884

Anthropic: Claude Opus 4.8

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 (100%)

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

CDN - - - -

ID 格式 msg_011keU9n8z537XysfEAm6SA5 msg_fa784ee44f634002bf5ef5a75242c8ac msg_01MYa6HmoU1S5iAovoo9fqzZ msg_0197N6UShvohVeog8KQvZJio

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_011Cbt1h2sAbERWxV7dEQzrE
R-Kiro	server: nginx x-new-api-version: v0.0.0 x-oneapi-request-id: 202606091631009971120508JKOe7tb	id_format: msg_prefix has_service_tier: false has_inference_geo: false model_has_date_suffix: false usage_has_cache_fields: true	hdr:x-new-api-versionhdr:x-oneapi-request-idbody:id:msg_prefixbody:usage.cache_fieldsupstream:anthropic-direct-from-body	—
O-Max	server: nginx/1.24.0 (Ubuntu) x-oneapi-request-id: 20260610003340961110758Zg7d7pdd	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: a09189a5fa066e2c-LAX server: Photon-Edge set-cookie: _cfuvid=BkSILLpSZSLLfFn5NoDhnQJ3K2KZP3zZZVUR5AVjYdw-1781022802.8780344-1.0.1.1-3LpSn6biEJEcJ6d9UKSh51m1FITFh4SuVSX5VSb2JKk; 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	1781022798928-t8i5v1988vqsa req_011Cbt1RL4KwunHVUwH3U12j a09189a5fa066e2c-LAX

协议指纹评分（机器自动）

总分 / 100 96 68 93 81

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 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 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 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 0.0 /10 ×8 10.0 /10 ×8 5.0 /10 ×8

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

知识截止 0.0 /10 ×7 10.0 /10 ×7 0.0 /10 ×7 0.0 /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 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） 68 v3.9.1 93 v3.9.1 81 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 3286 ms 4357 ms 4705 ms 5958 ms

输出速度 82.6 tok/s - 55.5 tok/s burst

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 ⓘ

$0.2885

$0.0906

$0.2905

$0.2884

缓存读取占比 ⓘ 79% 94% 79% 79%

揭晓

通道

官方基准

服务商 NowCoding ↗

通道R-Kiro

服务商 RunAPI ↗

通道O-Max

服务商 SSSAiCode ↗

通道O-Max-L2

返回列表