← 返回性能仪表板

每小时性能洞察

滚动四小时性能数据摘要

已保留 1187 条摘要
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最强的是 deepseek-v4.1-flash，达 163.39 词元/秒（p95 为 226.74 词元/秒）；最弱的是 nemotron-3-ultra，为 26.61 词元/秒（p95 为 47.12 词元/秒），平均速度大约慢六倍。
  • 运营层面最显著的波动：deepseek-v4.1-flash 从 01:00 的 219.23 词元/秒降至 01:40 的 40.8 词元/秒，随后回升至 172.35 词元/秒；glm-5.3 也在 182.85 和 60.98 词元/秒之间大幅波动（cv 41.3%）。
  • 无缺失数据：全部八个模型均报告 12 个样本中的 12 个，96 个有效数据点，100.0% 的覆盖率；局限在于观测时间仅有四小时，因此短暂的下降可能无法反映稳态吞吐量。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均速度为 184.46 词元/秒（峰值达 235.93 词元/秒），而 nemotron-3-ultra 最弱，平均速度仅为 25.54 词元/秒，从未超过 52.47 词元/秒。
  • glm-5.2 表现出对运行影响最大的波动性，变异系数为 64.2%，在四小时内速度在 10.78 至 96.62 词元/秒之间摆动；nemotron-3-ultra 同样不稳定，变异系数为 57.9%。
  • 不存在数据缺失的限制：全部八个模型均报告了 12 个预期样本中的 12 个，在整个期间共有 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强模型，平均吞吐量为 186.75 词元/秒（峰值 235.93 词元/秒），而 nemotron-3-ultra 最弱，平均为 22.48 词元/秒（最低 3.15 词元/秒）。
  • glm-5.2 波动最为剧烈，范围从 10.78 到 216.7 词元/秒，变异系数达 94.6%；gemma4:31b 在时间窗口后期也从 146.13 骤降至 43.95 词元/秒。
  • 不存在数据缺失的限制：全部八个模型均报告了 12 个预期样本中的 12 个，共 96 个有效数据点，在四小时窗口内覆盖率达到 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最强的是 deepseek-v4.1-flash，达 193.04 词元/秒（峰值 235.93 词元/秒），而 nemotron-3-ultra 最弱，仅 21.48 词元/秒，从未超过 42.75 词元/秒。
  • glm-5.2 的波动性最为极端，变异系数达 96.7%：它在 20:40 飙升至 216.7 词元/秒，随后在 21:20 跌至 10.78 词元/秒；除 deepseek-v4-pro（+3.9%）和 nemotron-3-ultra（+27.3%）外，所有模型均呈下降趋势。
  • 不存在数据缺失的限制：全部 8 个模型均交付了 12 个预期样本中的 12 个，数据集实现了 100.0% 的覆盖率，共 96 个有效数据点中的 96 个。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 186.07 词元/秒，峰值达 230.07 词元/秒，而 nemotron-3-ultra 最弱，平均为 20.1 词元/秒，最大值仅为 40.72 词元/秒。
  • glm-5.2 表现出对运营影响最为显著的波动性，范围从 10.78 到 216.7 词元/秒，变异系数为 105.7%，其中包括在 UTC 20:40 飙升至 216.7 词元/秒，随后在 UTC 21:20 骤降至 10.78 词元/秒；deepseek-v4.1-flash 也呈 9.3% 的上升趋势。
  • 不存在缺失数据的限制：所有八个模型均有 12 个样本中的 12 个，valid_point_count 为 96，在四小时窗口内覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 184.08 词元/秒，峰值达 230.07 词元/秒，而 nemotron-3-ultra 最弱，平均为 21.36 词元/秒，最低降至 4.27 词元/秒。
  • glm-5.2 波动最为剧烈，范围从 11.04 到 216.7 词元/秒，变异系数为 96.0%；glm-5.3 的攀升最为陡峭，上升 52.0%，在 20:20 达到 175.32 词元/秒的峰值。
  • 本时间窗口内不存在数据缺失的限制：全部八个模型均交付了 12 个预期样本中的 12 个，共有 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 181.27 词元/秒（峰值 228.81 词元/秒），而 nemotron-3-ultra 最弱，平均仅为 20.47 词元/秒，从未超过 40.72 词元/秒。
  • glm-5.2 表现出对运行影响最显著的波动性，变异系数为 70.2%，波动范围从 13.18 到 134.30 词元/秒；glm-5.3 的范围同样为 16.72 到 163.17 词元/秒，表明两者的吞吐量均不稳定。
  • 无缺失数据：全部八个模型均有 12 个样本中的 12 个，覆盖率为 100.0%，共 96 个有效数据点，因此唯一的局限是仅四小时的短时间窗口，可能无法代表长期表现。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强模型，平均吞吐量为 164.93 词元/秒，峰值达 228.81 词元/秒；nemotron-3-ultra 最弱，平均为 20.23 词元/秒，从未超过 40.72 词元/秒。
  • glm-5.2 表现出对运行影响最大的波动性，变异系数为 68.5%，在 13.18 至 134.3 词元/秒之间波动；glm-5.3 同样在 16.72 至 142.96 词元/秒之间波动，表明吞吐量不稳定。
  • 不存在数据缺失的限制：全部八个模型均记录了 12 个预期样本中的 12 个，在四小时窗口内共计 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是性能最强的模型，平均吞吐量为 162.24 词元/秒（峰值 228.81 词元/秒），而 nemotron-3-ultra 性能最弱，平均为 19.68 词元/秒（最低 7.74 词元/秒）。
  • glm-5.2 表现出对运营影响最大的波动性，变异系数为 80.5%，波动范围从 16.12 到 195.22 词元/秒，趋势为 -44.6%；deepseek-v4.1-flash 呈上升趋势，涨幅 32.2%，收于 185.94 词元/秒。
  • 不存在数据缺失的限制：全部八个模型在四小时窗口内均有 12 个样本中的 12 个、96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强模型，平均吞吐量为 166.42 词元/秒，峰值达 229.21 词元/秒；nemotron-3-ultra 最弱，平均为 19.27 词元/秒，从未超过 33.31 词元/秒。
  • glm-5.2 表现出对运行影响最为显著的波动性，变异系数为 80.0%，波动范围为 16.12 至 195.22 词元/秒，且趋势为 -42.2%；deepseek-v4.1-flash 则更为稳定，尽管波动范围为 229.21 至 85.42 词元/秒，但变异仅为 27.8%。
  • 不存在数据缺失的限制：全部八个模型均有 12 个样本中的 12 个，valid_point_count 为 96，覆盖率为 100.0%，因此四小时的时间窗口得到了完整呈现。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 160.42 词元/秒（峰值 229.21 词元/秒），而 nemotron-3-ultra 最弱，平均为 18.01 词元/秒（峰值 33.31 词元/秒）。
  • glm-5.2 波动最大，变异系数为 86.5%，在 7.84 至 195.22 词元/秒之间波动；UTC 时间 14:00 附近的大范围低谷几乎影响了所有模型，包括 minimax-m3 的 4.59 词元/秒和 gemma4:31b 的 47.71 词元/秒。
  • 不存在数据缺失的限制：全部八个模型均有 12 个样本中的 12 个，共 96 个有效数据点，覆盖率为 100%，但仅凭这四小时的时间窗口无法确认 14:00 的低谷是否反复出现。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 169.92 词元/秒（峰值 229.21 词元/秒），而 nemotron-3-ultra 是最弱的模型，平均为 19.01 词元/秒（峰值 33.31 词元/秒）。
  • 14:00 UTC 的观测数据显示一次同步下跌：gemma4:31b 降至 47.71 词元/秒，minimax-m3 降至 4.59 词元/秒，deepseek-v4-pro 降至 23.05 词元/秒；glm-5.2 是波动最大的模型，变异系数为 79.8%，在 7.84 至 195.97 词元/秒之间波动。
  • 不存在数据缺失的限制：全部八个模型均有 12 个样本中的 12 个，数据集报告了 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 182.63 词元/秒（峰值 230.12 词元/秒），而 nemotron-3-ultra 最弱，平均为 18.48 词元/秒（峰值 33.31 词元/秒）。
  • 最显著的趋势是 minimax-m3 在该时间窗口内下降了 55.1%，最终为 4.59 词元/秒；glm-5.2 波动性最高，在 4.76 至 195.97 词元/秒之间波动，变异系数为 85.0%。
  • 无缺失数据限制：全部 8 个模型均报告了 12 个预期样本中的 12 个，共 96 个有效数据点，覆盖率为 100.0%，因此该四小时窗口是完整的。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 169.36 词元/秒（峰值 230.12 词元/秒），而 nemotron-3-ultra 最弱，平均为 17.71 词元/秒（峰值 25.64 词元/秒），两者之间存在约十倍的差距。
  • glm-5.2 表现出对运行影响最为显著的波动性，变异系数为 83.5%，在 11:00 时低至 4.76 词元/秒，在 10:00 时高达 211.18 词元/秒，其间包括 12:40 时降至 7.84 词元/秒的后期低谷，随后回升至 116.02 词元/秒。
  • 该时间窗口内不存在数据缺失的限制：全部 8 个模型均报告了 12 个预期样本中的 12 个，在四小时期间内共产生 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强模型，平均吞吐量为 174.26 词元/秒，峰值达 230.12 词元/秒；nemotron-3-ultra 最弱，平均为 19.79 词元/秒，从未超过 26.99 词元/秒。
  • glm-5.2 表现出对运行影响最为显著的波动性，变异系数为 78.4%，在 11:00 时低至 4.76 词元/秒，在 10:00 时高达 211.18 词元/秒；minimax-m3 的波动范围也在 12.2 至 74.93 词元/秒之间。
  • 不存在数据缺失的限制：全部八个模型均报告了 12 个样本中的 12 个，在四小时的时间窗口内共有 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 172.39 词元/秒，峰值达 237.96 词元/秒；nemotron-3-ultra 最弱，平均为 22.34 词元/秒，从未超过 32.73 词元/秒。
  • glm-5.2 波动最大（CV 为 77.7%），在 UTC 10:00 飙升至 211.18 词元/秒，随后在 UTC 11:00 骤降至 4.76 词元/秒；deepseek-v4.1-flash 也在 UTC 09:40 跌至 63.63 词元/秒，低于其 172.39 词元/秒的平均值。
  • 不存在缺失数据的限制：全部八个模型均报告 12 个样本中的 12 个、96 个有效数据点，并在四小时窗口内实现 100.0% 的覆盖率。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 167.71 词元/秒，峰值达 237.96 词元/秒，而 nemotron-3-ultra 最弱，平均仅 23.73 词元/秒，最大值仅为 34.38 词元/秒。
  • glm-5.2 波动最大，变异系数为 61.5%，波动范围从 15.88 到 211.18 词元/秒，包括在最后一个 10:00 UTC 采样点飙升至最大值；gemma4:31b 在该时间窗口内下降了 19.8%。
  • 不存在数据缺失的限制：全部八个模型均有 12 个样本中的 12 个，在四小时的时间窗口内共有 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 189.86 词元/秒（峰值 237.96 词元/秒），而 nemotron-3-ultra 最弱，平均为 25.15 词元/秒（峰值 34.38 词元/秒）。
  • 波动性是主要的运营问题：glm-5.2 的变异系数为 56.5%，波动范围从 12.61 到 140.36 词元/秒，minimax-m3 在 07:00 降至 5.15 词元/秒；glm-5.3 是唯一明显提升的模型，在 09:00 提升 14.2%，达到 145.77 词元/秒。
  • 无缺失数据限制：全部 8 个模型均有 12 个样本中的 12 个，共 96 个有效数据点，在四小时窗口内覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 184.76 词元/秒（峰值达 237.96 词元/秒），而 nemotron-3-ultra 最弱，平均仅 23.7 词元/秒，在整个时间窗口内从未超过 34.38 词元/秒。
  • 波动最显著的是 glm-5.3，其变异系数为 42.3%，从 04:40 的 171.53 词元/秒骤降至 06:00 的 6.45 词元/秒；glm-5.2 趋势最为陡峭，从 12.61 词元/秒的低点升至 140.36 词元/秒的峰值，涨幅达 95.8%。
  • 不存在数据缺失的限制：全部八个模型均交付了 12 个预期样本中的 12 个，在四小时内共有 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强模型，平均吞吐量达 197.65 词元/秒（峰值 231.48 词元/秒），而 nemotron-3-ultra 最弱，平均仅 24.70 词元/秒，从未超过 36.63 词元/秒。
  • glm-5.2 波动最大，变异系数为 73.3%，在 12.61 至 218.07 词元/秒之间大幅波动；minimax-m3 也在 07:00 骤降至 5.15 词元/秒，为其最低读数。
  • 不存在数据缺失问题：全部八个模型均有 12 个预期样本中的 12 个，valid_point_count 为 96，在四小时窗口内覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 189.69 词元/秒（峰值达 229.56 词元/秒），而 nemotron-3-ultra 最弱，平均为 24.74 词元/秒，大约慢八倍。
  • glm-5.2 波动最大，变异系数为 89.5%，从 04:00 的 218.07 词元/秒骤降至 05:20 的 12.61 词元/秒；glm-5.3 在最后 06:00 的观测中也急剧下降至 6.45 词元/秒。
  • 不存在数据缺失的限制：全部八个模型均有 12 个样本中的 12 个，valid_point_count 为 96，在四小时窗口内覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 177.60 词元/秒（范围 122.23 至 229.51 词元/秒），而 nemotron-3-ultra 最弱，平均为 26.83 词元/秒（范围 10.18 至 36.63 词元/秒）。
  • glm-5.2 的波动性对运营影响最大，变异系数为 78.9%，从 03:00 的 20.74 词元/秒波动至 04:00 的 218.07 词元/秒；deepseek-v4.1-flash 最为稳定，为 18.4%。
  • 不存在数据缺失的限制：全部八个模型均有 12 个样本中的 12 个，数据集记录了 96 个有效数据点，覆盖率为 100.0%，但其仅覆盖这四个小时的时间窗口。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 186.86 词元/秒，峰值达 229.51 词元/秒，而 nemotron-3-ultra 最弱，平均为 29.10 词元/秒，从未超过 36.63 词元/秒。
  • glm-5.2 表现出对运营影响最大的波动性，变异系数为 73.9%，波动范围从 20.74 到 218.07 词元/秒；它在该时间窗口内还下降了 26.3%，glm-5.3 下降了 35.4%。
  • 不存在数据缺失的限制：全部八个模型均记录了 12 个预期样本中的 12 个，产生 96 个有效数据点，在四小时窗口内覆盖率达到 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强模型，平均吞吐量为 175.25 词元/秒（峰值 211.09 词元/秒），而 nemotron-3-ultra 最弱，平均仅为 31.75 词元/秒，峰值只有 58.87 词元/秒。
  • glm-5.3 下降最为急剧，从窗口初期约 180 词元/秒的走势下滑 -37.8%，在 02:20 降至 53.18 词元/秒的低点；glm-5.2 波动性最大，变异系数达 75.7%，波动范围介于 11.08 至 198.51 词元/秒之间。
  • 不存在缺失数据的限制：全部八个模型均有 12 个样本中的 12 个、96 个有效数据点，在四小时窗口内覆盖率达到 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 182.38 词元/秒（峰值达 213.39 词元/秒），而 nemotron-3-ultra 最弱，平均为 32.17 词元/秒（最低 11.42 词元/秒）。
  • glm-5.2 波动最大，变异系数为 69.3%，波动范围从 11.08 到 198.51 词元/秒，包括 41.0% 的上升趋势；相比之下，deepseek-v4.1-flash 保持稳定，变异仅为 13.5%。
  • 不存在数据缺失的限制：所有 8 个模型均有 12 个样本中的 12 个，valid_point_count 为 96，在四小时窗口内覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 184.68 词元/秒（峰值 213.39 词元/秒），而 nemotron-3-ultra 最弱，平均为 29.10 词元/秒，大约慢六倍。
  • glm-5.3 表现出最稳定的提升，上升 33.4% 至平均 153.15 词元/秒，变异系数仅为 19.5%；而 glm-5.2 波动最大，变异系数为 86.1%，在 11.08 至 198.51 词元/秒之间波动。
  • 不存在数据缺失的限制：全部八个模型均交付了 12 个预期样本中的 12 个，在四小时的时间窗口内共有 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 180.61 词元/秒（p95 215.23 词元/秒，最大 217.48 词元/秒），而 nemotron-3-ultra 最弱，平均为 27.23 词元/秒，峰值仅为 58.87 词元/秒。
  • glm-5.2 波动最大，变异系数为 77.7%，从 00:00 的 11.08 词元/秒波动到 22:20 的 191.19 词元/秒峰值；glm-5.3-flash 在该时间窗口内也在 34.83 至 185.87 词元/秒之间波动。
  • 不存在数据缺失的限制：全部八个模型均有 12 个预期样本中的 12 个，valid_point_count 为 96，在四小时期间覆盖率为 100.0%，因此数据集是完整的。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 183.38 词元/秒（峰值 227.33 词元/秒），而 nemotron-3-ultra 最弱，平均为 21.14 词元/秒，约为领先者的九分之一。
  • glm-5.2 表现出对运营影响最大的波动性，变异系数为 73.7%，从 21:40 的 19.99 词元/秒波动到 22:20 的 191.19 词元/秒；gemma4:31b 也在 20:40 前后跌至 50.18 词元/秒。
  • 不存在数据缺失的限制：全部八个模型均有 12 个样本中的 12 个，覆盖率为 100.0%，总计 96 个有效数据点，因此四小时的时间窗口得到了完整呈现。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 180.13 词元/秒（范围 129.09–227.33 词元/秒），而 nemotron-3-ultra 最弱，平均为 21.11 词元/秒，从未超过 41.32 词元/秒。
  • glm-5.3 增长最为稳定，呈 +19.0% 的上升趋势，平均达到 123.86 词元/秒，且波动性最低（变异系数 22.4%）；glm-5.2 波动性最大（变异系数 57.4%），在 19.99 至 125.78 词元/秒之间摆动，minimax-m3 在 19:20 降至 6.95 词元/秒。
  • 不存在数据缺失的限制：全部八个模型均有 12 个样本中的 12 个，共 96 个有效数据点，覆盖率为 100.0%，因此四小时的时间窗口得到了完整呈现。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 163.48 词元/秒，峰值达 227.33 词元/秒，而 nemotron-3-ultra 最弱，平均为 20.78 词元/秒，且从未超过 38.18 词元/秒。
  • 运营层面最显著的趋势是 glm-5.3 上升了 78.7%，从 18:00 的 49.21 词元/秒升至 20:00 的 143.23 词元/秒；glm-5.2 波动性最大，变异系数为 48.3%，在 31.0 至 125.78 词元/秒之间波动。
  • 不存在数据缺失的限制：全部八个模型均有 12 个样本中的 12 个，共 96 个有效数据点，覆盖率为 100.0%，因此各项数据代表完整的四小时时间窗口。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 138.64 词元/秒，在 19:40 达到峰值 227.33 词元/秒；nemotron-3-ultra 最弱，平均吞吐量为 22.01 词元/秒，在整个时间窗口内从未超过 39.76 词元/秒。
  • 运营层面最显著的变动是 glm-5.3 的后期激增，从 18:00 的 49.21 词元/秒攀升至 20:00 的 143.23 词元/秒，趋势增幅达 63.4%，而 glm-5.2 的相对波动性最高（变异系数 56.8%），minimax-m3 在 19:20 一度跌至 6.95 词元/秒。
  • 不存在数据缺失的限制：全部 96 个预期数据点均有效（覆盖率 100.0%），且在四小时的时间窗口内，八个模型中的每一个都报告了 12 个样本中的全部 12 个。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 121.33 词元/秒，峰值达 199.80 词元/秒，而 nemotron-3-ultra 最弱，平均为 23.46 词元/秒，且从未超过 39.76 词元/秒。
  • glm-5.3 表现出最具运营意义的波动性，从 15:20 的 146.03 词元/秒骤降至 17:00 的 21.87 词元/秒，变异系数为 45.0%，趋势为 -23.6%；deepseek-v4.1-flash 也在 38.85 至 199.80 词元/秒之间剧烈震荡。
  • 不存在数据缺失的限制：全部八个模型均报告了预期的 12 个样本中的 12 个，在四小时的时间窗口内共有 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最强的是 deepseek-v4.1-flash，达 111.66 词元/秒，领先于 103.83 词元/秒的 gemma4:31b；最弱的是 nemotron-3-ultra，为 24.99 词元/秒，低于 43.90 词元/秒的 minimax-m3。
  • glm-5.2 表现出最剧烈的波动性，范围从 9.97 到 239.87 词元/秒，变异系数为 90.7%，而 glm-5.3 出现了最陡峭的下降，从 14:20 的 145.53 词元/秒跌至 18:00 的 49.21 词元/秒，降幅达 46.4%。
  • 不存在数据缺失的限制：全部八个模型均交付了 12 个预期样本中的 12 个，产生 96 个有效数据点和 100.0% 的覆盖率，不过该时间窗口仅覆盖四个小时。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • glm-5.3 的平均吞吐量最高，达 114.93 词元/秒（峰值 154.09 词元/秒），而 nemotron-3-ultra 表现最弱，平均仅 23.15 词元/秒，从未超过 60.23 词元/秒。
  • glm-5.2 的波动性最具运营意义，在 9.97 至 239.87 词元/秒之间波动，变异系数为 102.5%；deepseek-v4.1-flash 也在 15:40 飙升至 199.8 词元/秒，随后在 16:40 回落至 38.85 词元/秒。
  • 不存在数据缺失的限制：全部八个模型均报告 12 个样本中的 12 个，在四小时窗口内共有 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最强的是 deepseek-v4.1-flash，达 126.29 词元/秒（p95 为 190.37 词元/秒）；最弱的是 nemotron-3-ultra，为 23.42 词元/秒，峰值仅为 60.23 词元/秒。
  • glm-5.2 表现出对运营影响最大的波动性，变异系数为 95.3%，在 9.97 至 239.87 词元/秒之间波动，趋势为 -35.1%；glm-5.3 上升了 48.5%，平均达到 108.11 词元/秒。
  • 无缺失数据限制：全部 8 个模型均交付了 12 个预期样本中的 12 个，共 96 个有效数据点，在 12:20–16:00 UTC 观测期间覆盖率达到 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 135.61 词元/秒（最高 182.65 词元/秒），而 nemotron-3-ultra 最弱，平均仅为 21.70 词元/秒，峰值也仅有 60.23 词元/秒。
  • glm-5.2 表现出对运营影响最大的波动性，在 9.97 至 239.87 词元/秒之间摆动，变异系数为 85.4%，其中包括在 14:20 降至 9.97 词元/秒，随后在 15:00 飙升至 239.87 词元/秒；deepseek-v4.1-flash 在该时间窗口内也下降了 18.2%。
  • 本数据集不存在缺失数据的局限：全部八个模型均记录了 12 个预期样本中的 12 个，产生 96 个有效数据点，在四小时期间内覆盖率达到 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 149.56 词元/秒（峰值达 212.23 词元/秒），而 nemotron-3-ultra 最弱，平均仅 17.34 词元/秒，从未超过 29.54 词元/秒。
  • glm-5.2 表现出对运营影响最大的波动性，变异系数为 76.8%，从 11:00 的 27.27 词元/秒到 13:40 的 224.82 词元/秒大幅波动；deepseek-v4-pro 也在 14:00 降至 11.72 词元/秒。
  • 不存在数据缺失的限制：全部八个模型均记录了 12 个预期样本中的 12 个，在四小时的时间窗口内共产生 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是平均吞吐量最强的模型，达 154.26 词元/秒，而 nemotron-3-ultra 最弱，为 17.55 词元/秒，低了约九倍。
  • glm-5.2 的波动性最具运营意义，变异系数为 81.9%，趋势为 +106.1%；其吞吐量从 09:20 的 25.95 词元/秒摆动至 13:00 的 193.32 词元/秒峰值，其中包括在 12:00 达到 177.64 词元/秒后，于 12:20 跌至 45.18 词元/秒。
  • 不存在数据缺失的限制：全部八个模型均拥有 12 个预期样本中的 12 个，数据集报告了 96 个有效数据点，在四小时时间窗口内覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是性能最强的模型，平均吞吐量为 152.58 词元/秒，而 nemotron-3-ultra 是性能最弱的模型，平均为 17.79 词元/秒。
  • 运行层面最显著的波动来自 glm-5.2，其变异系数为 64.8%；该模型从 25.95 词元/秒的低点波动至 12:00 UTC 时的 177.64 词元/秒，而 deepseek-v4-pro 在最后一次采样中骤降至 16.83 词元/秒，远低于其 93.28 词元/秒的平均值。
  • 不存在数据缺失的限制：全部八个模型均交付了 12 个预期采样中的 12 个，在四小时的时间窗口内共有 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强模型，平均吞吐量为 146.78 词元/秒，峰值达 212.23 词元/秒；nemotron-3-ultra 最弱，平均为 17.57 词元/秒，从未超过 28.73 词元/秒。
  • glm-5.3-flash 表现出对运营影响最大的波动性，变异系数为 45.1%，波动范围在 53.66 至 232.91 词元/秒之间，包括在 08:40 从 232.91 词元/秒骤降至 09:00 的 53.66 词元/秒；glm-5.3 呈上升趋势，涨幅 42.5%。
  • 不存在数据缺失的限制：全部八个模型均有 12 个样本中的 12 个，valid_point_count 为 96，覆盖率为 100.0%，因此四小时的时间窗口得到完整呈现。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最强的是 deepseek-v4.1-flash，达 142.14 词元/秒（p95 为 176.22 词元/秒）；最弱的是 nemotron-3-ultra，为 18.32 词元/秒，从未超过 28.73 词元/秒。
  • glm-5.3-flash 是波动性最大的模型，变异系数为 46.0%，在 53.66 至 232.91 词元/秒之间波动；glm-5.3 呈现最陡峭的下降趋势，从 06:20 的 170.48 词元/秒降至 10:00 的 110.28 词元/秒，趋势为 -28.7%。
  • 不存在数据缺失的限制：全部八个模型均有 12 个样本中的 12 个，共 96 个有效数据点，在四小时时间窗口内覆盖率达到 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • gemma4:31b 是平均吞吐量最强的模型，为 129.35 词元/秒，领先于 deepseek-v4.1-flash 的 148.87 词元/秒……更正：deepseek-v4.1-flash 以 148.87 词元/秒领先，gemma4:31b 以 129.35 词元/秒位居第二；nemotron-3-ultra 最弱，为 21.35 词元/秒。
  • glm-5.3 降幅最为剧烈，从 06:20 的 170.48 词元/秒峰值下降 33.3% 至 09:00 的 69.86 词元/秒，而 glm-5.3-flash 上升了 19.7%，并在 08:40 飙升至 232.91 词元/秒，随后在 09:00 回落至 53.66 词元/秒。
  • 不存在数据缺失的限制：全部八个模型均拥有 12 个预期样本中的 12 个，在四小时的时间窗口内共有 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最强的是 deepseek-v4.1-flash，达 128.78 词元/秒；最弱的是 nemotron-3-ultra，为 24.57 词元/秒，约为领先者速率的五分之一。
  • deepseek-v4.1-flash 的波动幅度也最大，范围从 14.9 到 186.13 词元/秒，变异系数为 44.2%；而 glm-5.3 整体攀升 41.0%，在回落至 112.79 词元/秒之前达到 170.48 词元/秒的峰值。
  • 不存在数据缺失的限制：全部八个模型均交付了 12 个预期样本中的 12 个，在四小时的时间窗口内共产生 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强模型，平均吞吐量为 135.35 词元/秒，峰值达 209.48 词元/秒；nemotron-3-ultra 最弱，平均为 23.57 词元/秒，从未超过 46.49 词元/秒。
  • 运营层面最显著的变动是 deepseek-v4.1-flash 的 52.5% 上升趋势，其中包括在 05:00 降至 14.9 词元/秒的低谷，随后在 07:00 前恢复至 165.38 词元/秒；glm-5.2 的波动性最高，变异系数为 65.6%。
  • 不存在数据缺失的限制：全部八个模型均有 12/12 个样本，valid_point_count 为 96，覆盖率为 100.0%，因此该四小时时间窗口得到完整呈现。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最高的是 deepseek-v4.1-flash，达 122.44 词元/秒，略高于 glm-5.3-flash（122.37 词元/秒）和 gemma4:31b（119.24 词元/秒）；最低的是 nemotron-3-ultra，为 30.60 词元/秒，低于 minimax-m3 的 37.69 词元/秒。
  • glm-5.2 的波动性最为剧烈，变异系数达 82.8%，在 02:00 出现 202.79 词元/秒的峰值与 04:40 出现 21.44 词元/秒的低谷之间大幅波动；deepseek-v4-pro 呈上升趋势，涨幅 53.1%，而 glm-5.3-flash 下降 24.6%。
  • 不存在数据缺失的限制：全部八个模型均提供了 12 个样本中的 12 个，共有 96 个有效数据点，覆盖率为 100.0%，不过该时间窗口仅跨越四个小时。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最高的是 gemma4:31b，在 12 个样本中达到 133.1 词元/秒（范围从 81.25 到 170.9 词元/秒），而 nemotron-3-ultra 最低，为 27.93 词元/秒，从未超过 54.07 词元/秒。
  • glm-5.2 表现出对运行影响最显著的波动性，变异系数为 70.5%，在 24.83 和 202.79 词元/秒之间摆动，趋势为 -31.2%；deepseek-v4.1-flash 也在 24.14 和 226.05 词元/秒之间摆动。
  • 不存在数据缺失的限制：全部 8 个模型均报告了 12 个预期样本中的 12 个，在四小时窗口内提供 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是最强的模型，平均吞吐量为 150.73 词元/秒，领先于 gemma4:31b 的 132.85 词元/秒和 glm-5.3-flash 的 131.83 词元/秒；nemotron-3-ultra 最弱，平均为 39.67 词元/秒，低于 minimax-m3 的 48.47 词元/秒。
  • glm-5.2 的波动性最大，变异系数为 74.2%，范围从 24.52 到 202.79 词元/秒，其中包括在 02:00 UTC 飙升至 202.79 词元/秒；deepseek-v4.1-flash 同样波动剧烈，在 00:40 达到峰值 226.05 词元/秒后，于 01:20 跌至 24.14 词元/秒。
  • 不存在数据缺失的限制：全部八个模型均有 12 个样本中的 12 个，valid_point_count 为 96，在四小时窗口内覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4.1-flash 是平均吞吐量最强的模型，达到 140.56 词元/秒，略微领先于 gemma4:31b 的 140.37 词元/秒；nemotron-3-ultra 最弱，为 44.39 词元/秒，低于 minimax-m3 的 55.41 词元/秒。
  • glm-5.2 波动最为剧烈，在窗口期内上升 123.0%，在 00:00 跌至 24.52 词元/秒后，于 02:00 达到 202.79 词元/秒的峰值，变异系数高达 72.8%，波动性最高；minimax-m3 下跌 48.6%，降至 11.73 词元/秒。
  • 不存在数据缺失的限制：全部八个模型均交付了 12 个预期样本中的 12 个，数据集记录了 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • gemma4:31b 是平均吞吐量最强的模型，达到 143.44 词元/秒，领先于 deepseek-v4.1-flash 的 135.52 词元/秒；nemotron-3-ultra 最弱，平均为 46.7 词元/秒，低于 minimax-m3 的 62.55 词元/秒。
  • 运营上最显著的波动性来自 glm-5.3，其在 19.0 至 180.67 词元/秒之间波动（cv 50.8%），包括在 00:00 降至 19.0 词元/秒；deepseek-v4.1-flash 呈现最陡峭的上升趋势，达 +52.8%，在 00:40 达到峰值 226.05 词元/秒。
  • 不存在数据缺失的限制：全部 8 个模型均有 12 个样本中的 12 个，valid_point_count 为 96，覆盖率为 100.0%，因此四小时的时间窗口得到完整呈现。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • gemma4:31b 以 129.49 词元/秒的平均吞吐量表现最强，峰值达 173.62 词元/秒，而 nemotron-3-ultra 最弱，平均仅为 47.04 词元/秒，从未超过 94.23 词元/秒。
  • glm-5.3 表现出对运营影响最大的波动性，在 19.0 至 180.67 词元/秒之间摆动，变异系数为 45.6%；deepseek-v4-pro 也从 23:20 的 112.6 词元/秒骤降至 23:40 的 12.59 词元/秒。
  • 不存在数据缺失的限制：全部八个模型均记录了 12 个样本中的 12 个，在四小时的时间窗口内共产生 96 个有效数据点，覆盖率为 100.0%。