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

2026/06/14 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

步骤 / 指标

ClaudeCN

O-Max

SudoCode

M-Max

官方基准

LinkAPI

O-Max

SSSAiCode

R-Kiro

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 14:23:13 ~ 14:23:23 (6.4s) 14:23:17 ~ 14:23:27 (5.2s) 14:23:21 ~ 14:23:26 (3.9s) 14:23:15 ~ 14:23:25 (5.0s) 14:23:19 ~ 14:23:24 (4.0s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 3,739 ms 3,995 ms 2,819 ms 3,579 ms 2,642 ms

首文本(SSE delta) 3,742 ms 3,998 ms 2,821 ms 3,580 ms 2,731 ms

总耗时 3,935 ms 4,021 ms 2,941 ms 3,745 ms 2,790 ms

输入 3 3 3 3 0

输出 5 5 5 5 2

缓存创建

32,319

5m: 0 / 1h: 32,319

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 0

响应

pong

pong

pong

pong

pong

步骤 2: identity text

时间 14:26:33 ~ 14:26:43 (5.0s) 14:26:39 ~ 14:26:44 (3.9s) 14:26:57 ~ 14:27:02 (4.0s) 14:24:59 ~ 14:25:04 (4.0s) 14:26:13 ~ 14:26:18 (3.2s)

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) 3,516 ms 2,448 ms 2,360 ms 2,493 ms 2,300 ms

首文本(SSE delta) 3,793 ms 2,450 ms 2,363 ms 2,494 ms 2,302 ms

总耗时 3,793 ms 2,750 ms 2,958 ms 2,945 ms 2,511 ms

输入 3 3 3 3 0

输出 22 22 22 22 17

缓存创建

202

5m: 0 / 1h: 202

202

5m: 0 / 1h: 202

202

5m: 0 / 1h: 202

202

5m: 0 / 1h: 202

缓存读取 32,319 32,318 32,318 32,318 0

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 14:28:47 ~ 14:28:57 (6.1s) 14:29:15 ~ 14:29:25 (5.1s) 14:28:36 ~ 14:28:46 (6.4s) 14:28:25 ~ 14:28:30 (2.4s) 14:27:50 ~ 14:27:55 (3.4s)

提示词

查看本步 Prompt

请用 YYYY-MM 格式告诉我你的训练数据截止日期，无需多余文字。

HTTP 头(TTFB) 3,851 ms 3,773 ms 5,249 ms - 2,397 ms

首文本(SSE delta) 3,852 ms 3,855 ms 5,382 ms - 2,593 ms

总耗时 4,964 ms 4,122 ms 5,481 ms - 2,736 ms

输入 3 3 3 - 0

输出 8 8 8 - 3

缓存创建

5m: 0 / 1h: 58

5m: 0 / 1h: 44

5m: 0 / 1h: 45

缓存读取 32,521 32,520 32,520 - 0

响应

2025-08

2025-08

2025-08

失败

评测失败

2025-08

步骤 4: identity_free text

时间 14:30:07 ~ 14:30:17 (6.6s) 14:32:31 ~ 14:32:41 (5.9s) 14:29:57 ~ 14:30:02 (3.8s) - 14:31:29 ~ 14:31:34 (3.7s)

提示词

查看本步 Prompt

中文做个自我介绍：你是什么产品或助手？谁开发的？50 字内。

HTTP 头(TTFB) 3,889 ms 3,278 ms 1,895 ms - 1,837 ms

首文本(SSE delta) 3,890 ms 3,339 ms 1,896 ms - 1,930 ms

总耗时 5,010 ms 4,601 ms 2,812 ms - 2,881 ms

输入 3 3 3 - 0

输出 61 46 57 - 32

缓存创建

5m: 0 / 1h: 43

5m: 0 / 1h: 39

5m: 0 / 1h: 43

缓存读取 32,579 32,564 32,565 - 0

输出速度 54.5 tok/s 36.5 tok/s 62.2 tok/s - 33.6 tok/s

响应

我是 Claude，由 Anthropic 开发的 AI 助手。我基于 claude-sonnet-4-6 模型，能够帮助完成写作、分析、编程等各类任务。

我是 Claude，由 Anthropic 公司打造的 AI 助手。当前运行的模型版本是 claude-sonnet-4-6。

我是 Claude，由 Anthropic 开发的 AI 助手。当前版本为 claude-sonnet-4-6，擅长对话、编程、分析和写作等任务。

未执行

我是 Kiro，一个由 Anthropic 开发的 AI 驱动开发环境。我基于 Claude 模型构建，专注于帮助开发者完成软件工程任务。

步骤 5: knowledge_tier text

时间 14:31:52 ~ 14:32:07 (11.8s) 14:34:39 ~ 14:34:54 (11.9s) 14:32:16 ~ 14:32:31 (10.0s) - 14:33:24 ~ 14:33:34 (6.6s)

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) 3,410 ms 2,751 ms 3,057 ms - 2,085 ms

首文本(SSE delta) 3,877 ms 3,176 ms 3,445 ms - 2,125 ms

总耗时 10,726 ms 10,920 ms 8,937 ms - 2,652 ms

输入 3 3 3 - 0

输出 448 523 390 - 27

缓存创建

434

5m: 0 / 1h: 434

419

5m: 0 / 1h: 419

430

5m: 0 / 1h: 430

缓存读取 32,622 32,603 32,608 - 0

输出速度 65.4 tok/s 67.5 tok/s 71.0 tok/s - -

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}

未执行

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

总计

总输入(含缓存)

163,112

163,042

163,064

64,844

仅前 3 步

总输出

544

604

482

仅前 3 步

总缓存创建

33,056

5m: 0 / 1h: 33,056

33,022

5m: 0 / 1h: 33,022

33,038

5m: 0 / 1h: 33,038

32,520

5m: 0 / 1h: 32,520

仅前 3 步

总缓存读取

130,041

130,005

130,011

32,318

仅前 3 步

输出速度

63.9 tok/s

63.2 tok/s

69.8 tok/s

仅前 3 步

33.6 tok/s

总执行时间

35.9s

32.0s

28.2s

11.4s

仅前 3 步

20.9s

总墙钟时间

8m 53.8s

含步骤间等待

11m 36.8s

含步骤间等待

9m 9.8s

含步骤间等待

5m 15.4s

含步骤间等待

仅前 3 步

10m 14.8s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.1712

Anthropic: Claude Sonnet 4.6

$0.1719

Anthropic: Claude Sonnet 4.6

$0.1702

Anthropic: Claude Sonnet 4.6

$0.1321

Anthropic: Claude Sonnet 4.6 (部分)

>=$0.0012

Anthropic: Claude Sonnet 4.6 (成本不完整)

通道指纹

来源步骤 knowledge_tier knowledge_tier knowledge_tier identity knowledge_tier

平台 one-api (100%) one-api (100%) direct (100%) one-api (100%) direct (75%)

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

CDN cloudflare - - - -

ID 格式 msg_01PCfKHg8Sj6j9SBL8hSFW9q msg_01QvqDzkHwgsyVj236Uvcb9H msg_01GQp1JEPKnyB5ukUuAmKCMD msg_01JsR2U2vapkxiM7dg16Qzf5 msg_6b0fcb62562640c1a5a7a1ea0412b83b

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	cf-ray: a0b74b6e4c0ffb83-AMS server: cloudflare x-oneapi-request-id: 202606141431547489797663TXMqZ3l	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-idhdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	a0b74b6e4c0ffb83-AMS
M-Max	server: nginx x-new-api-version: v1.0.0-rc.10 x-oneapi-request-id: 20260614143440684958666kehHX4R1	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-idbody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	—
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_011Cc2gdQJy9wQdN6ovfK4VY
O-Max	server: nginx set-cookie: server_name_session=9a42ff809bdc7f49eaa4735d20f97eff; Max-Age=86400; httponly; path=/ x-new-api-version: v1.0.0-rc.11 x-oneapi-request-id: 202606140625012034007428268d9d6PvYuYHAc	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-idbody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	—
R-Kiro	server: Photon-Edge x-amzn-requestid: a9a7e0e6-b9bd-4e70-b535-b864b9db8f10	id_format: msg_prefix has_service_tier: false has_inference_geo: false model_has_date_suffix: false usage_has_cache_fields: true	body:id:msg_prefixbody:usage.cache_fieldsupstream:x-amzn-requestidupstream:anthropic-direct-from-body	1781418808315-8wh7ak0880ido a9a7e0e6-b9bd-4e70-b535-b864b9db8f10

协议指纹评分（机器自动）

总分 / 100 98 98 100 39

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 — 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

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 — 5.0 /10 ×14

sliding 5m 10.0 /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 — 0.0 /10 ×8

系统提示纯净 10.0 /10 ×8 10.0 /10 ×8 10.0 /10 ×8 — 未计入

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) 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 10.0 /10 ×6 — 0.0 /10 ×6

inference_geo 10.0 /10 ×5 10.0 /10 ×5 10.0 /10 ×5 — 0.0 /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 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 98 v3.10.0 98 v3.10.0 基准（参考）执行失败，不评分 39 v3.10.0

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 5686 ms 5283 ms 4626 ms 3345 ms 2714 ms

输出速度 63.9 tok/s 63.2 tok/s 69.8 tok/s - 33.6 tok/s

完成步骤 5/5 成功 5/5 成功 5/5 成功 2/5 成功 · 1 失败 · 2 跳过 5/5 成功

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.1712

$0.1719

$0.1702

$0.1321 (部分)

>=$0.0012 (成本不完整)

缓存读取占比 ⓘ 80% 80% 80% 50% (部分) -

揭晓

通道

服务商 ClaudeCN ↗

通道O-Max

服务商 SudoCode ↗

通道M-Max

官方基准

服务商 LinkAPI ↗

通道O-Max

服务商 SSSAiCode ↗

通道R-Kiro

返回列表