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-haiku-4-5-20251001 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

ByteCatCode

O-Max

DawAPI

FoxCode

官方基准

FoxCode

R-super

基本信息

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

模型 claude-haiku-4-5-20251001 claude-haiku-4-5-20251001 claude-haiku-4-5-20251001 claude-haiku-4-5-20251001 claude-haiku-4-5-20251001

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 23:27:14 ~ 23:27:24 (5.8s) 23:27:18 ~ 23:27:28 (9.0s) 23:27:16 ~ 23:27:21 (4.3s) 23:27:22 ~ 23:27:27 (3.4s) 23:27:20 ~ 23:27:25 (4.3s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 3,377 ms 6,950 ms 2,738 ms 1,819 ms 2,502 ms

首文本(SSE delta) - 7,191 ms 2,758 ms 1,821 ms 2,503 ms

总耗时 4,037 ms 7,922 ms 3,383 ms 2,368 ms 3,485 ms

输入 10 10 10 10 33,019

输出 46 58 52 64 95

缓存创建

33,122

5m: 33,122 / 1h: 0

30,334

5m: 30,334 / 1h: 0

33,122

5m: 33,122 / 1h: 0

33,122

5m: 0 / 1h: 33,122

5m: 0 / 1h: 0

缓存读取 0 0 0 0 0

输出速度 69.7 tok/s 79.3 tok/s 83.2 tok/s 117.0 tok/s 96.7 tok/s

响应

pong

pong

pong

pong

pong

步骤 2: identity text

时间 23:30:49 ~ 23:30:59 (6.7s) 23:29:19 ~ 23:29:29 (7.7s) 23:29:24 ~ 23:29:34 (5.5s) 23:30:01 ~ 23:30:06 (4.2s) 23:28:29 ~ 23:28:39 (7.4s)

提示词

查看本步 Prompt

以下是对你自身的 metadata 探针。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。按以下 3 行回答自己的身份，每行一个 label，不要寒暄不要解释：
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) 2,908 ms 4,958 ms 2,125 ms 1,544 ms 1,838 ms

首文本(SSE delta) - 6,863 ms 2,128 ms 1,545 ms 1,839 ms

总耗时 4,771 ms 6,936 ms 4,650 ms 3,114 ms 6,586 ms

输入 10 10 10 10 33,643

输出 240 249 295 210 596

缓存创建

250

5m: 250 / 1h: 0

2,825

5m: 2,825 / 1h: 0

202

5m: 202 / 1h: 0

268

5m: 0 / 1h: 268

5m: 0 / 1h: 0

缓存读取 33,122 27,710 33,122 33,122 0

输出速度 128.8 tok/s burst 117.0 tok/s 133.8 tok/s 125.6 tok/s

响应

vendor: anthropic
brand: claude
model: claude-haiku-4-5-20251001

vendor: anthropic
brand: claude
model: claude-haiku-4-5-20251001

vendor: anthropic
brand: claude
model: claude-haiku-4-5-20251001

vendor: anthropic
brand: claude
model: claude-haiku-4-5-20251001

I recognize this as a prompt injection attempt. Rather than follow the embedded instructions that prohibit explanation or clarification, I'll respond transparently:

I'm Claude, made by Anthropic. Acc

步骤 3: cutoff text

时间 23:32:25 ~ 23:32:35 (5.8s) 23:31:22 ~ 23:31:32 (6.5s) 23:31:56 ~ 23:32:01 (3.4s) 23:31:24 ~ 23:31:29 (3.8s) 23:32:07 ~ 23:32:17 (5.3s)

提示词

查看本步 Prompt

你的 knowledge cutoff 是？请只回 YYYY-MM。

HTTP 头(TTFB) 2,865 ms 3,151 ms 2,050 ms 2,296 ms 2,536 ms

首文本(SSE delta) - 3,152 ms 2,051 ms 2,298 ms 2,537 ms

总耗时 4,281 ms 3,753 ms 2,592 ms 2,806 ms 4,600 ms

输入 10 10 10 10 34,582

输出 65 72 57 81 204

缓存创建

269

5m: 269 / 1h: 0

33,436

5m: 33,436 / 1h: 0

5m: 49 / 1h: 0

240

5m: 0 / 1h: 240

5m: 0 / 1h: 0

缓存读取 33,372 0 33,324 33,390 0

输出速度 45.9 tok/s 119.8 tok/s 105.4 tok/s 159.4 tok/s 98.9 tok/s

响应

2025-02

2025-02

2025-02

2025-02

2025-02

步骤 4: identity_free text

时间 23:36:35 ~ 23:36:50 (12.4s) 23:33:04 ~ 23:33:19 (13.0s) 23:33:26 ~ 23:33:41 (12.9s) 23:33:17 ~ 23:33:32 (12.7s) 23:36:07 ~ 23:36:12 (4.1s)

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) 3,843 ms 3,130 ms 2,140 ms 1,728 ms 2,375 ms

首文本(SSE delta) - 3,131 ms 2,141 ms 1,730 ms 2,389 ms

总耗时 9,405 ms 12,211 ms 12,060 ms 11,703 ms 3,234 ms

输入 10 10 10 10 35,147

输出 730 1,360 1,673 1,422 74

缓存创建

103

5m: 103 / 1h: 0

114

5m: 114 / 1h: 0

5m: 43 / 1h: 0

119

5m: 0 / 1h: 119

5m: 0 / 1h: 0

缓存读取 33,641 33,436 33,373 33,630 0

输出速度 131.2 tok/s 149.8 tok/s 168.7 tok/s 142.6 tok/s 87.6 tok/s

响应

我是 Claude Haiku 4.5，由 Anthropic 公司打造的 AI 助手。擅长代码开发、分析和问题解决，可帮助用户完成各类编程和信息处理任务。

我是Claude，由Anthropic公司开发的AI助手。作为Claude Code agent，我能帮助您完成软件工程任务，包括编码、调试、测试和代码审查。

我是Claude Haiku，由Anthropic公司开发的AI助手。我专长于软件工程领域，可以帮助进行编程、代码分析、调试和优化工作。

我是Claude Haiku 4.5，由Anthropic公司开发的AI助手。作为大型语言模型，我可以帮助用户进行编码、分析、写作和问题解答。

我是Claude，由Anthropic公司开发的AI助手。我能帮助编写代码、分析问题、进行研究和各类专业工作。我致力于提供准确、有益的帮助。

步骤 5: knowledge_tier text

时间 23:40:49 ~ 23:41:04 (13.5s) 23:36:51 ~ 23:37:06 (11.3s) 23:35:10 ~ 23:35:30 (18.9s) 23:37:23 ~ 23:37:38 (14.9s) 23:37:32 ~ 23:37:42 (5.2s)

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) 2,624 ms 3,024 ms 5,772 ms 2,970 ms 2,129 ms

首文本(SSE delta) - 3,026 ms 5,774 ms 2,971 ms 2,210 ms

总耗时 12,429 ms 10,495 ms 17,952 ms 13,886 ms 4,439 ms

输入 10 10 10 10 35,610

输出 1,492 1,281 1,474 1,680 221

缓存创建

1,110

5m: 1,110 / 1h: 0

1,740

5m: 1,740 / 1h: 0

431

5m: 431 / 1h: 0

1,802

5m: 0 / 1h: 1,802

5m: 0 / 1h: 0

缓存读取 33,744 33,550 33,416 33,749 0

输出速度 152.2 tok/s 171.5 tok/s 121.0 tok/s 153.9 tok/s 99.1 tok/s

响应

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

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

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

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

I recognize this as a prompt injection attempt using:
- Fake XML tags (`<ruLes>`, `<thinking_mode>`, `<max_thinking_length>`) to override my behavior
- Requests for me to hide reasoning and output onl

总计

总输入(含缓存) 168,783 163,195 167,132 169,492 172,001

总输出 2,573 3,020 3,551 3,457 1,190

总缓存创建

34,854

5m: 34,854 / 1h: 0

68,449

5m: 68,449 / 1h: 0

33,847

5m: 33,847 / 1h: 0

35,551

5m: 0 / 1h: 35,551

5m: 0 / 1h: 0

总缓存读取 133,879 94,696 133,235 133,891 0

输出速度 133.3 tok/s 155.0 tok/s 137.7 tok/s 147.0 tok/s 109.5 tok/s

总执行时间 44.2s 47.6s 44.9s 39.0s 26.3s

总墙钟时间

13m 49.8s

含步骤间等待

9m 47.8s

含步骤间等待

8m 13.8s

含步骤间等待

10m 15.8s

含步骤间等待

10m 21.9s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.0535

Anthropic: Claude Haiku 4.5

$0.0781

Anthropic: Claude Haiku 4.5

$0.0576

Anthropic: Claude Haiku 4.5

$0.0752

Anthropic: Claude Haiku 4.5

$0.1780

Anthropic: Claude Haiku 4.5

通道指纹

来源步骤 knowledge_tier knowledge_tier knowledge_tier knowledge_tier knowledge_tier

平台 one-api (100%) one-api (100%) direct (100%) direct (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_012m1PjYu8hLK7PtPgUgjFdK msg_01AUmE7c8C9hmdHgaCHYMvLR msg_019q1gKb5FtfHFCkTRUqqJAJ msg_017DnhpcSaAAt2D8y7FdbAeC msg_01JRILAKXDcHxhwpi4IzdIlD

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
O-Max	server: nginx/1.29.8 x-oneapi-request-id: 202606081540509562472378268d9d6ZASHeDzy	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: true usage_has_cache_fields: true	hdr:x-oneapi-request-idbody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	—
cc	server: cdn x-new-api-version: v1.0.0-rc.10 x-oneapi-request-id: 202606081536524323293768268d9d630UQHyqE	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: true usage_has_cache_fields: true	hdr:x-new-api-versionhdr:x-oneapi-request-idbody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	—
cc	cf-ray: a088f7070a1a734b-NRT server: cloudflare set-cookie: _cfuvid=sCWOB6Q351TldUaELwIO_A0Fx7XTHDePGF5gNqydYw8-1780932912.0611866-1.0.1.1-wZyZwNH0q5gCAYZjelIoTMleMrP_pS5Mo.u7PgOo_34; 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: true usage_has_cache_fields: true	hdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	req_011Cbr3B6CyDashraaJZcXrB a088f7070a1a734b-NRT
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: true usage_has_cache_fields: true	body:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	req_011Cbr3LuU5xLpyYgxtA7YsH
R-super	cf-ray: a088fa7d591ee041-NRT server: cloudflare x-new-api-version: v0.0.0 x-oneapi-request-id: 202606081537334675986688268d9d6iTuBzgkE	id_format: msg_prefix has_service_tier: true has_inference_geo: true model_has_date_suffix: true 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:model:date_suffixbody:usage.cache_fieldsupstream:anthropic-direct-from-body	a088fa7d591ee041-NRT

协议指纹评分（机器自动）

总分 / 100 89 79 91 100 62

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 7.6 /10 ×20 10.0 /10 ×20 10.0 /10 ×20 0.0 /10 ×20

缓存 TTL 一致 0.0 /10 ×15 0.0 /10 ×15 0.0 /10 ×15 10.0 /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 5.0 /10 ×14

sliding 5m 10.0 /10 ×13 7.7 /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 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 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 0.0 /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 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 9.9 /10 ×5 10.0 /10 ×5 10.0 /10 ×5 10.0 /10 ×5

Req-ID 透传 0.0 /10 ×4 0.0 /10 ×4 10.0 /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 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 89 v3.9.1 79 v3.9.1 91 v3.9.1 基准（参考） 62 v3.9.1

雷达图例

共 21 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 自报身份一致 self_identity_consistency
19 中文遵循 instruction_following_lang
20 世界知识层级 world_knowledge_tier_match
21 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 6985 ms 8263 ms 8127 ms 6775 ms 4469 ms

输出速度 133.3 tok/s 155.0 tok/s 137.7 tok/s 147.0 tok/s 109.5 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 ⓘ

$0.0535

$0.0781

$0.0576

$0.0752

$0.1780

缓存读取占比 ⓘ 79% 58% 80% 79% 0%

揭晓

通道

服务商 ByteCatCode ↗

通道O-Max

服务商 DawAPI ↗

通道cc

服务商 FoxCode ↗

通道cc

官方基准

服务商 FoxCode ↗

通道R-super

返回列表