模型对比 | RPDiag

测试说明点击展开 5 步 quick-probe-v1 详解

前 4 步同一会话（交互 TUI 多轮），第 5、6 步各自独立新会话，覆盖 6 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。 6. 档位判别（digit_count）—— 全新会话 + 系统提示「不要推理」+ effort=low 的数字计数题，按 output_tokens 体量区分 opus/sonnet/haiku（opus fail-fast ~19，sonnet/haiku 照数），与官方基线对照抓同厂降级。前 5 步之间随机延迟 1–4 分钟（第 1-3 步的延迟在交互进程内发生，让缓存前缀在墙钟里老化）。第 3 步（cutoff）累计跨度 > 5 分钟保住 sliding cache 检测；总跨度 > 6 分钟。第 5 步（知识召回）与第 6 步（档位）都是独立新会话（第 6 步不复用上下文，否则 opus 不再 fail-fast）。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。

2 通道 · 6 步骤

2026/07/03 运行日期

claude-sonnet-4-6 官方基准

3 任务失败执行不完整

已揭晓揭晓进度

⚠ 2 通道不可测 · 已从主对比表移除点击展开原因

Aiide / O-Max
```
评测失败
```
ClaudeZZ / R-kiro
```
评测失败
```

步骤 / 指标

官方基准

FoxCode

基本信息

服务名 Claude Code Claude Code

模型 claude-sonnet-4-6 claude-sonnet-4-6

客户端 claude-cli v2.1.195 claude-cli v2.1.195

偏差标红基于官方基准

步骤 1: ping text

时间 20:04:01 ~ 20:04:04 (2.9s) 20:03:54 ~ 20:03:57 (2.7s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 2,742 ms 2,574 ms

首文本(SSE delta) 2,745 ms 2,576 ms

总耗时 2,863 ms 2,728 ms

输入 3 3

输出 5 5

缓存创建

5m: 0 / 1h: 0

22,263

5m: 22,263 / 1h: 0

缓存读取 22,263 0

响应

pong

pong

步骤 2: identity text

时间 20:06:39 ~ 20:06:43 (3.4s) 20:07:18 ~ 20:07:21 (2.6s)

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) 2,960 ms 2,155 ms

首文本(SSE delta) 3,205 ms 2,193 ms

总耗时 3,387 ms 2,592 ms

输入 3 3

输出 22 22

缓存创建

192

5m: 0 / 1h: 192

192

5m: 192 / 1h: 0

缓存读取 22,263 22,263

响应

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 20:08:14 ~ 20:08:17 (3.4s) 20:09:13 ~ 20:09:16 (2.5s)

提示词

查看本步 Prompt

请直接回答你的知识截止日期，格式 YYYY-MM，不要附加任何说明。

HTTP 头(TTFB) 3,263 ms 2,178 ms

首文本(SSE delta) 3,397 ms 2,284 ms

总耗时 3,448 ms 2,510 ms

输入 3 3

输出 8 8

缓存创建

5m: 0 / 1h: 57

5m: 57 / 1h: 0

缓存读取 22,455 22,455

响应

2025-08

2025-08

步骤 4: identity_free text

时间 20:10:36 ~ 20:10:41 (5.0s) 20:12:06 ~ 20:12:12 (5.8s)

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) 4,045 ms 4,939 ms

首文本(SSE delta) 4,046 ms 5,013 ms

总耗时 5,001 ms 5,784 ms

输入 3 3

输出 55 50

缓存创建

5m: 0 / 1h: 39

5m: 43 / 1h: 0

缓存读取 22,512 22,512

输出速度 57.6 tok/s 64.9 tok/s

响应

我是 Claude，由 Anthropic 打造的 AI 助手。当前版本为 Claude Sonnet 4.6，专为对话、代码、分析等任务设计。

我是 Claude，由 Anthropic 开发的 AI 助手。我能帮助回答问题、分析代码、写作、推理等多种任务。

步骤 5: knowledge_recall text

时间 20:14:01 ~ 20:14:22 (17.6s) 20:15:15 ~ 20:18:21 (184.8s)

提示词

查看本步 Prompt

Answer these dated public-knowledge questions using ONLY your own internal pretrained knowledge. Do not search the web, browse, or use any tools, files, code execution, or current-session hints. If you do not know an answer from your own memory, reply exactly "UNKNOWN" for that question — do not guess, but do answer facts you genuinely know. Respond with EXACTLY one JSON object and nothing else (no markdown, no explanation), of the shape {"facts":{"<id>":"<short answer or UNKNOWN>"}}. The "facts" object must contain exactly these keys: "super_bowl_lviii", "oscars2024_best_picture", "ucl_2024", "nba_2024", "copa_america_2024", "euro2024", "nobel_peace_2024", "world_series_2024", "ausopen_2025_men", "superbowl_lix", "ucl_2025", "frenchopen_2025_men", "wimbledon_2025_men", "club_world_cup_2025", "usopen_2025_men", "nobel_peace_2025", "world_series_2025".
- "super_bowl_lviii": Which NFL team won Super Bowl LVIII (played 2024-02-11)?
- "oscars2024_best_picture": Which film won the Academy Award for Best Picture at the 96th Oscars (ceremony on 2024-03-10)?
- "ucl_2024": Which club won the 2023-24 UEFA Champions League (final played 2024-06-01)?
- "nba_2024": Which team won the 2024 NBA Finals (concluded 2024-06-17)?
- "copa_america_2024": Which national team won the 2024 Copa America (final on 2024-07-14)?
- "euro2024": Which national team won the UEFA Euro 2024 football tournament (final on 2024-07-14)?
- "nobel_peace_2024": Which organization won the 2024 Nobel Peace Prize (announced 2024-10-11)?
- "world_series_2024": Which MLB team won the 2024 World Series (concluded 2024-10-30)?
- "ausopen_2025_men": Who won the men's singles title at the 2025 Australian Open (final on 2025-01-26)?
- "superbowl_lix": Which NFL team won Super Bowl LIX (played 2025-02-09)?
- "ucl_2025": Which club won the 2024-25 UEFA Champions League (final played 2025-05-31)?
- "frenchopen_2025_men": Who won the men's singles title at the 2025 French Open (Roland Garros, final on 2025-06-08)?
- "wimbledon_2025_men": Who won the men's singles title at the 2025 Wimbledon Championships (final on 2025-07-13)?
- "club_world_cup_2025": Which club won the 2025 FIFA Club World Cup final (played 2025-07-13)?
- "usopen_2025_men": Who won the men's singles title at the 2025 US Open tennis tournament (September 2025)?
- "nobel_peace_2025": Which person or organization won the 2025 Nobel Peace Prize (announced 2025-10-10)?
- "world_series_2025": Which MLB team won the 2025 World Series (concluded 2025-11-01)?

HTTP 头(TTFB) 2,177 ms -

首文本(SSE delta) 2,178 ms -

总耗时 4,049 ms -

输入 3 -

输出 204 -

缓存创建

5m: 0 / 1h: 0

缓存读取 6,789 -

输出速度 109.0 tok/s -

响应

{"facts":{"super_bowl_lviii":"Kansas City Chiefs","oscars2024_best_picture":"Oppenheimer","ucl_2024":"Real Madrid","nba_2024":"Boston Celtics","copa_america_2024":"Argentina","euro2024":"Spain","nobel

失败

评测失败

步骤 6: digit_count text

时间 20:16:14 ~ 20:16:29 (11.4s) -

提示词

查看本步 Prompt

Count digits exactly in s. Return {"n":len(s),"c":[count0,count7,count9]}. s=066641736296089562862427634069046743254439847971754429737292390810936935

HTTP 头(TTFB) 1,764 ms -

首文本(SSE delta) 1,770 ms -

总耗时 10,424 ms -

输入 164 -

输出 854 -

缓存创建

5m: 0 / 1h: 0

缓存读取 0 -

输出速度 98.7 tok/s -

响应

```json
{"n":72,"c":[6,7,7]}
```

**Verification:**

String: `066641736296089562862427634069046743254439847971754429737292390810936935`

Grouped in 10s:
| Chunk | 0s | 7s | 9s |
|---|---|---|---|
| `0

未执行

总计

总输入(含缓存)

96,749

89,797

仅前 5 步

总输出

1,148

仅前 5 步

总缓存创建

288

5m: 0 / 1h: 288

22,555

5m: 22,555 / 1h: 0

仅前 5 步

总缓存读取

96,282

67,230

仅前 5 步

输出速度

97.0 tok/s

64.9 tok/s

仅前 5 步

总执行时间

43.7s

3m 18.4s

仅前 5 步

总墙钟时间

12m 28.0s

含步骤间等待

14m 26.5s

含步骤间等待

仅前 5 步

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.0477

Anthropic: Claude Sonnet 4.6

$0.0743

Anthropic: Claude Sonnet 4.6 (部分)

通道指纹

来源步骤 digit_count identity_free

平台 direct (100%) one-api (100%)

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

CDN - cloudflare

ID 格式 msg_01Kwn1v8qcKeCSaNCapARjKc msg_01GhAjjpdKAz5tEud4WVRcaX

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_011Ccf7E5mA449MX2mXTGy8S

cf-ray: a155cbef4a58734b-NRT
server: cloudflare
x-new-api-version: v0.0.0
x-oneapi-request-id: 202607031212073167515908268d9d6GvGshSil

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-new-api-versionhdr:x-oneapi-request-idhdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body

a155cbef4a58734b-NRT

协议指纹评分（机器自动）

总分 / 100 100

基线状态已对照基线

缓存命中比 10.0 /10 ×20 —

缓存 TTL 一致 10.0 /10 ×15 —

延迟基线 10.0 /10 ×15 —

模型匹配 10.0 /10 ×14 —

缓存连续性 10.0 /10 ×14 —

sliding 5m 10.0 /10 ×13 —

原生 msg-ID 10.0 /10 ×8 —

系统提示纯净 10.0 /10 ×8 —

身份(结构) 10.0 /10 ×7 —

身份(自由) 10.0 /10 ×7 —

service_tier 10.0 /10 ×6 —

知识截止 10.0 /10 ×5 —

inference_geo 10.0 /10 ×5 —

流式投递 10.0 /10 ×5 —

stop_reason 10.0 /10 ×3 —

Req-ID 透传 10.0 /10 ×2 —

SDK 一致 10.0 /10 ×2 —

综合结论

与基线相似度基准（参考）执行失败，不评分

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 流式投递 buffer_dump_match
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 知识召回 knowledge_recall_match
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 信封自报一致 envelope_self_report_match
19 档位思考量 tier_thinking_volume_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 4862 ms 3404 ms

输出速度 97.0 tok/s 64.9 tok/s

完成步骤 6/6 成功 4/6 成功 · 1 失败 · 1 跳过

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.0477

$0.0743 (部分)

缓存读取占比 ⓘ 100% 75% (部分)

揭晓

通道

官方基准

服务商 FoxCode ↗

通道cc

返回列表