← 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 1194 条摘要
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4-flash 是最强的模型，平均吞吐量为 108.31 词元/秒（峰值达 153.96 词元/秒），而 nemotron-3-ultra 最弱，平均为 26.38 词元/秒，从未超过 69.26 词元/秒。
  • 运营层面最显著的波动来自 nemotron-3-ultra，其变异系数为 80.5%，波动范围在 4.77 至 69.26 词元/秒之间；deepseek-v4-flash 呈现最强的上升趋势，为 45.1%，最终达到 132.22 词元/秒。
  • 此时间窗口内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%，因此从 15:20 到 19:00 UTC 的每二十分钟观测值均完整存在。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • gemma4:31b 是表现最强的模型，平均吞吐量为 101.65 词元/秒；nemotron-3-ultra 最弱，为 24.06 词元/秒，约为 gemma4:31b 速度的四分之一。
  • nemotron-3-ultra 表现出对运行影响最显著的波动性，变异系数为 87.1%，在 4.77 至 69.26 词元/秒之间摆动，趋势为 -41.7%，最终收于 4.81 词元/秒；deepseek-v4-flash 呈上升趋势，达 63.4%，峰值达到 153.96 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，共 96 个有效数据点，在四小时的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%
  • glm-5.3-flash 是性能最强的模型，平均吞吐量为 102.26 词元/秒，峰值达 183.59 词元/秒；nemotron-3-ultra 是性能最弱的模型，平均为 22.22 词元/秒，最大值仅为 69.26 词元/秒。
  • glm-5.3 呈现最陡峭的上升趋势，达 +92.2%，从 13:20 的 60.13 词元/秒攀升至 16:40 的 154.61 词元/秒；而 nemotron-3-ultra 波动性最大，变异系数为 91.8%，在 2.23 至 69.26 词元/秒之间摆动。
  • 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，在四小时的时间窗口内共提供 96 个有效数据点，覆盖率达 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • glm-5.3-flash 是最强模型，平均吞吐量为 102.91 词元/秒，领先于 83.31 词元/秒的 deepseek-v4-flash；nemotron-3-ultra 最弱，平均仅 26.21 词元/秒，最高仅为 69.26 词元/秒。
  • 运营层面最显著的波动来自 nemotron-3-ultra 的 80.2% 变异系数，在 2.23 至 69.26 词元/秒之间波动；gemma4:31b 呈现最陡峭的趋势，上升 95.3% 并在 15:20 达到 152.34 词元/秒的峰值，随后回落至 63.13 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%
  • glm-5.3-flash 是最强的模型，平均吞吐量为 101.2 词元/秒，领先于 87.52 词元/秒的 deepseek-v4-flash；nemotron-3-ultra 最弱，平均为 27.27 词元/秒，最低值为 2.23 词元/秒。
  • glm-5.3 的波动性对运营影响最大，在 9.35 至 134.99 词元/秒之间波动（变异系数 54.8%），包括 14:20 降至 9.35 词元/秒，随后 14:40 达到 134.99 词元/秒；nemotron-3-ultra 同样不稳定，变异系数为 69.3%。
  • 不存在数据缺失的限制：每个模型都有 12 个样本中的全部 12 个，数据集包含 96 个有效数据点，覆盖率为 100.0%，因此唯一的约束就是四小时的时间窗口本身。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • glm-5.3-flash 是最强模型，平均吞吐量为 101.97 词元/秒，而 nemotron-3-ultra 最弱，平均为 32.99 词元/秒。
  • 运营层面最显著的变化是 nemotron-3-ultra 下降了 49.9%，从 10:20 的 70.05 词元/秒降至 14:00 的 21.32 词元/秒，且波动性较高（变异系数 62.2%）；deepseek-v4-pro 也下降了 36.5%，至 32.11 词元/秒，而 glm-5.3-flash 上升了 52.7%，至 107.31 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，覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • glm-5.3-flash 是最强的模型，平均吞吐量为 101.02 词元/秒，峰值为 188.73 词元/秒；nemotron-3-ultra 最弱，平均为 39.53 词元/秒，从未超过 71.72 词元/秒。
  • 波动性是主要的运行信号：glm-5.3-flash 在 15.54 至 188.73 词元/秒之间波动（变异系数 54.5%），glm-5.2 在 12:00 UTC 降至 2.45 词元/秒，八个模型中有七个呈下降趋势，deepseek-v4-pro 是唯一增长的模型，增幅为 +21.2%。
  • 不存在数据缺失的限制：所有八个模型均有 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 glm-5.3，达 95.12 词元/秒；最弱的是 nemotron-3-ultra，为 52.13 词元/秒，glm-5.3-flash 以 92.65 词元/秒位居第二，minimax-m3 最为稳定，为 78.78 词元/秒（CV 16.4%）。
  • glm-5.3-flash 是波动最大的模型，范围从 15.54 到 188.73 词元/秒（CV 55.9%），且 12:00 UTC 时间窗口出现急剧下降：glm-5.2 为 2.45 词元/秒，glm-5.3-flash 为 15.54 词元/秒，而 deepseek-v4-pro 呈上升趋势，增长 10.6% 至 104.79 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，覆盖率为 100.0%，因此四小时窗口得到完整呈现。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • glm-5.3-flash 是最强的模型，平均吞吐量为 103.53 词元/秒，峰值达 188.73 词元/秒；nemotron-3-ultra 最弱，平均为 50.97 词元/秒，最低为 13.37 词元/秒。
  • 波动性是主要的运营问题：nemotron-3-ultra 在 13.37 至 105.2 词元/秒之间波动（CV 为 55.1%），deepseek-v4-flash 在 36.93 至 146.11 词元/秒之间波动（CV 为 47.3%），而 glm-5.3-flash 尽管平均值较高，也在 52.87 至 188.73 词元/秒之间波动。
  • 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，在 07:20 至 11:00 UTC 的观测期间覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • glm-5.3-flash 是最强的模型，平均吞吐量为 100.78 词元/秒，领先于 gemma4:31b 的 90.95 词元/秒；nemotron-3-ultra 最弱，平均为 44.91 词元/秒，最低仅为 6.15 词元/秒。
  • 波动性是主要的运营问题：nemotron-3-ultra 的变异系数为 73.1%，deepseek-v4-flash 为 51.1%，其中 deepseek-v4-flash 从 09:20 的 146.11 词元/秒波动至 09:40 的 36.93 词元/秒。
  • 此时间窗口内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，共 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%
  • glm-5.3-flash 是平均吞吐量最强的模型，达 88.37 词元/秒，而 nemotron-3-ultra 最弱，为 57.49 词元/秒；gemma4:31b 紧随其后，达 86.15 词元/秒。
  • 波动性是主要的运维隐忧：nemotron-3-ultra 在 6.15 至 111.63 词元/秒之间波动（变异系数 66.9%），glm-5.3-flash 的范围为 16.04 至 174.3 词元/秒。大多数模型在观测时段内呈下降趋势，其中 deepseek-v4-flash 下降 20.1%，minimax-m3 下降 14.3%；仅 glm-5.3-flash 上升，涨幅 11.1%。
  • 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，在四小时的观测窗口内共有 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%
  • glm-5.3-flash 是最强模型，平均吞吐量为 93.76 词元/秒，略微领先于 93.05 词元/秒的 deepseek-v4-flash；nemotron-3-ultra 最弱，平均为 49.5 词元/秒。
  • 运营层面最显著的变化是 nemotron-3-ultra 下降了 57.6%，从 06:00 的 111.63 词元/秒峰值降至 08:00 的 13.37 词元/秒，其中包括在 06:40–07:00 附近低至 6.15 和 7.15 词元/秒的低谷；glm-5.3-flash 波动最大，范围在 16.04 至 174.3 词元/秒之间，变异系数为 51.8%。
  • 不存在数据缺失的限制：全部 8 个模型均提供了 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%
  • deepseek-v4-flash 是最强模型，平均吞吐量达 99.9 词元/秒，略胜 glm-5.3-flash（91.87 词元/秒）；nemotron-3-ultra 最弱，平均为 48.64 词元/秒，约为领先者的一半。
  • glm-5.3-flash 波动幅度最大，变异系数为 54.6%，在 16.04 至 174.3 词元/秒之间波动；nemotron-3-ultra 整体上升 72.6%，在 06:00 达到 111.63 词元/秒的峰值，随后在 07:00 之前骤降至 7.15 词元/秒。
  • 无缺失数据限制：全部八个模型均交付了 12 个预期样本中的 12 个，数据集报告了 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-flash 是平均吞吐量最强的模型，达到 101.62 词元/秒，而 nemotron-3-ultra 最弱，为 49.68 词元/秒；其余六个模型的平均值介于 74.46 至 89.09 词元/秒之间。
  • 运营层面最显著的变化是 nemotron-3-ultra 从 04:00 的 15.95 词元/秒攀升至 06:00 的 111.63 词元/秒，趋势涨幅达 132.9%。波动性最高的是 nemotron-3-ultra（CV 58.8%）和 glm-5.3-flash（54.0%），其吞吐量在 16.04 至 174.3 词元/秒之间波动。
  • 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、96 个有效数据点，覆盖率为 100.0%，因此该时间窗口内每二十分钟一次的观测数据均完整存在。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最强的是 gemma4:31b，达 101.43 词元/秒；最弱的是 nemotron-3-ultra，为 39.12 词元/秒，低了约 2.6 倍。
  • gemma4:31b 的波动幅度最大，在 30.3 至 184.45 词元/秒之间摆动，变异系数为 46.6%；而 glm-5.3 呈现出最显著的趋势，在整个时间窗口内上升 46.3%，在 04:40 一度跌至 36.23 词元/秒后，收于 139.83 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%
  • gemma4:31b 是最强模型，平均吞吐量为 120.66 词元/秒，而 nemotron-3-ultra 最弱，为 34.11 词元/秒；deepseek-v4-flash 以 99.6 词元/秒紧随其后，glm-5.2 以 69.46 词元/秒接近垫底。
  • 波动性是主要的运行信号：gemma4:31b 从 01:40 的 184.45 词元/秒峰值波动至 02:00 的 72.95 词元/秒，并在 03:00 降至 30.3 词元/秒的低点，glm-5.3-flash 的波动范围为 37.97–167.8 词元/秒，变异系数为 46.7%。
  • 不存在数据缺失的限制：全部 8 个模型均提供了 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%
  • gemma4:31b 是最强的模型，平均吞吐量达 129.64 词元/秒，超过集群中位数两倍以上；nemotron-3-ultra 最弱，平均为 40.36 词元/秒，从未超过 84.43 词元/秒。
  • glm-5.3 呈现最急剧的下滑趋势，从 140.41 下降至 70.98 词元/秒，降幅达 43.7%；而 nemotron-3-ultra 和 glm-5.3-flash 波动性最大，变异系数分别为 56.0% 和 50.6%；deepseek-v4-flash 在 25.14 至 137.51 词元/秒之间波动。
  • 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，产生 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%
  • glm-5.3-flash 是最强模型，平均吞吐量为 104.87 词元/秒，略胜 102.0 词元/秒的 glm-5.3；nemotron-3-ultra 最弱，平均仅 34.45 词元/秒，峰值也仅为 84.43 词元/秒。
  • 运营层面最显著的变化是 glm 系列的同步下滑：在此期间 glm-5.2 下降了 30.0%，glm-5.3 下降了 29.8%，最新读数分别为 25.45 和 51.77 词元/秒；nemotron-3-ultra 波动极大（变异系数 76.1%），在 8.69 到 84.43 词元/秒之间摆动。
  • 无缺失数据限制：全部 8 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%
  • gemma4:31b 的平均吞吐量最高，达到 126.83 词元/秒，其次是 glm-5.3，为 111.09 词元/秒；nemotron-3-ultra 最弱，平均仅为 22.82 词元/秒，峰值也仅有 81.64 词元/秒。
  • 运营层面最显著的波动来自 nemotron-3-ultra，其变异系数为 102.3%，趋势为 409.3%，从 22:00 的 4.88 词元/秒跃升至 23:40 的 81.64 词元/秒；glm-5.3-flash 也在 21.78 至 158.36 词元/秒之间波动（变异系数 51.1%）。
  • 此时间窗口内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，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%
  • glm-5.3 是平均吞吐量最强的模型，达到 122.26 词元/秒，而 nemotron-3-ultra 最弱，为 18.59 词元/秒；gemma4:31b 位居第二，为 114.05 词元/秒。
  • 运营层面最显著的变化是 nemotron-3-ultra 的后期激增：它在 23:20 之前一直以 4.88-12.12 词元/秒运行，随后在 23:40 跃升至 81.64 词元/秒，并在 00:00 达到 60.45 词元/秒，这导致其变异系数高达 129.0%。glm-5.3-flash 同样波动较大，范围为 21.78-157.0 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，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%
  • glm-5.3 是最强的模型，平均吞吐量为 120.37 词元/秒（峰值 167.3 词元/秒），而 nemotron-3-ultra 最弱，平均仅 10.15 词元/秒，峰值仅为 23.06 词元/秒。
  • 变化最显著的是 glm-5.3-flash，在观测时段内上升了 66.9%，从 21:40 的低点 21.78 词元/秒攀升至 23:00 的 150.01 词元/秒；nemotron-3-ultra 在同一时段内下降了 41.5%。
  • 不存在数据缺失的限制：全部 8 个模型均提供了 12 个预期样本中的 12 个，在四小时的观测窗口内共有 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%
  • glm-5.3 是最强的模型，平均吞吐量为 124.9 词元/秒，领先于 gemma4:31b 的 105.55 词元/秒；nemotron-3-ultra 最弱，平均为 9.22 词元/秒，从未超过 23.06 词元/秒。
  • 最剧烈的运行波动是 nemotron-3-ultra 的 43.4% 下降，从 20:00 的 23.06 词元/秒降至 22:00 的 4.88 词元/秒；minimax-m3 也从 20:00 的 168.39 词元/秒峰值跌至 21:40 的 69.66 词元/秒，趋势降幅为 19.3%。
  • 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%，因此没有任何结论受到数据空缺的制约。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • glm-5.3 是最强模型，平均吞吐量为 126.47 词元/秒，峰值达 167.30 词元/秒；nemotron-3-ultra 最弱，平均为 11.42 词元/秒，从未超过 32.62 词元/秒。
  • 波动性是主要的运行信号：gemma4:31b 在 27.25 至 160.34 词元/秒之间波动，变异系数为 39.5%，nemotron-3-ultra 的变异系数为 74.4%，minimax-m3 的趋势变化幅度最大，为 31.8%，而 glm-5.3 最为稳定，变异系数为 18.6%。
  • 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、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%
  • glm-5.3 是平均吞吐量最强的模型，达到 106.39 词元/秒，略微领先于 gemma4:31b 的 105.43 词元/秒，而 nemotron-3-ultra 最弱，平均为 13.59 词元/秒，从未超过 32.62 词元/秒。
  • 运营层面最显著的变化是 minimax-m3 的 57.7% 上升趋势，从 16:20 的 67.96 词元/秒升至 20:00 的 168.39 词元/秒；gemma4:31b 波动性最高（变异系数 42.3%），在 27.25 至 160.34 词元/秒之间摆动。
  • 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，共计 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%
  • glm-5.3 是最强的模型，平均吞吐量为 98.47 词元/秒，峰值达 144.55 词元/秒，而 nemotron-3-ultra 最弱，平均为 12.14 词元/秒，且从未超过 32.62 词元/秒。
  • 波动性是主要的运行信号：gemma4:31b 在 27.25 至 146.37 词元/秒之间波动（变异系数 47.8%），deepseek-v4-flash 的范围为 26.31 至 133.55 词元/秒（变异系数 52.1%），而 nemotron-3-ultra 的相对波动性最高，变异系数达 75.7%。
  • 此时间窗口内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，共有 96 个有效数据点，覆盖率为 100.0%；唯一的限制是数据集仅涵盖四个小时。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • glm-5.3 是最强的模型，平均吞吐量为 89.0 词元/秒，领先于 gemma4:31b 的 83.15 词元/秒；nemotron-3-ultra 最弱，平均仅 18.19 词元/秒，峰值也仅为 45.96 词元/秒。
  • nemotron-3-ultra 波动性最高（变异系数 76.3%），在 3.44 至 45.96 词元/秒之间震荡，最终收于 6.34 词元/秒；deepseek-v4-flash 趋势最陡，达 +84.3%，但在 26.31 至 133.55 词元/秒之间大幅波动。
  • 无缺失数据限制：全部 8 个模型均交付了预期 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%
  • glm-5.3 是最强模型，平均吞吐量为 90.6 词元/秒，峰值达 136.75 词元/秒；nemotron-3-ultra 最弱，平均为 19.49 词元/秒，从未超过 45.96 词元/秒。
  • deepseek-v4-pro 表现出最剧烈的运行波动，从 14:20 的 116.96 词元/秒降至 15:00 的 8.02 词元/秒，并在 16:00 再次降至 6.8 词元/秒；nemotron-3-ultra 的变异系数最高，为 66.2%。
  • 无缺失数据限制：全部 8 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%
  • glm-5.3 是平均吞吐量最强的模型，达 89.64 词元/秒，而 nemotron-3-ultra 最弱，为 24.87 词元/秒；两者之间的差距约为 64.77 词元/秒。
  • 运行层面最显著的变化来自 deepseek-v4-flash，其吞吐量在该时间窗口内下降了 55.5%，从 12:40 的 143.01 词元/秒峰值跌至 16:00 的 32.51 词元/秒。deepseek-v4-pro 同样波动剧烈，一度低至 6.5 和 6.8 词元/秒，变异系数达 60.3%。
  • 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，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%
  • glm-5.3 是最强模型，平均吞吐量为 102.04 词元/秒，领先于第二名 glm-5.3-flash 的 78.45 词元/秒；nemotron-3-ultra 最弱，平均为 28.70 词元/秒，峰值仅为 59.33 词元/秒。
  • deepseek-v4-pro 波动最为剧烈，在 6.5 至 116.96 词元/秒之间波动（变异系数为 48.9%），其中在 UTC 13:00 低至 6.5 词元/秒，在 UTC 15:00 为 8.02 词元/秒；nemotron-3-ultra 同样不稳定，变异系数为 61.3%，趋势为 -24.3%。
  • 无缺失数据限制：全部八个模型均有 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%
  • glm-5.3 是最强的模型，平均吞吐量为 99.81 词元/秒（峰值达 137.96 词元/秒），而 nemotron-3-ultra 最弱，平均仅为 33.69 词元/秒，从未超过 75.87 词元/秒。
  • deepseek-v4-flash 的波动性最高，变异系数为 45.8%，在 35.86 至 143.01 词元/秒之间波动；deepseek-v4-pro 也在 UTC 13:00 骤降至 6.5 词元/秒，随后在 14:00 恢复至 84.71 词元/秒。
  • 不存在数据缺失的限制：全部 8 个模型均提供了 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%
  • glm-5.3 的平均吞吐量最高，达 89.79 词元/秒，而 nemotron-3-ultra 最低，仅为 32.04 词元/秒；gemma4:31b 紧随 glm-5.3 之后，为 85.95 词元/秒。
  • 波动最显著的是 deepseek-v4-pro（CV 49.5%），其吞吐量在 6.5 至 121.1 词元/秒之间波动，最终收于仅 6.5 词元/秒；glm-5.3 也从 10:00 的 65.18 词元/秒波动至 11:20 的 137.96 词元/秒，随后又回落至 12:40 的 63.38 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，共计 96 个有效数据点，覆盖率达 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • glm-5.3 是最强的模型，平均吞吐量为 100.92 词元/秒，而 nemotron-3-ultra 最弱，为 34.15 词元/秒；gemma4:31b 以 90.43 词元/秒紧随其后，minimax-m3 为 83.99 词元/秒。
  • deepseek-v4-pro 表现出对运营影响最为显著的波动性，范围从 8.33 到 121.1 词元/秒，变异系数为 53.3%，呈 82.9% 的上升趋势；nemotron-3-ultra 更加不稳定，变异系数达 73.6%，最低降至 3.26 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，数据集记录了 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%
  • gemma4:31b 以 99.67 词元/秒的平均吞吐量表现最强，而 nemotron-3-ultra 最弱，为 34.15 词元/秒；glm-5.3-flash（52.05 词元/秒）和 deepseek-v4-flash（63.91 词元/秒）也低于整体平均值。
  • 运营层面最显著的波动来自 nemotron-3-ultra（变异系数 67.5%，范围 3.26 至 76.24 词元/秒）和 deepseek-v4-pro（53.4%，范围 8.33 至 121.1 词元/秒），而 glm-5.3 呈现最陡峭的下降趋势，为 -26.2%。
  • 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，在四小时窗口内共有 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 88 个数据点 · 覆盖率 91.7%
  • glm-5.3 是最强的模型，平均吞吐量为 107.56 词元/秒，而 nemotron-3-ultra 最弱，平均为 28.08 词元/秒，最新一次读数仅为 3.26 词元/秒。
  • 波动最显著的是 deepseek-v4-pro，其变异系数为 55.8%，波动范围从 8.33 到 107.36 词元/秒，且呈 26.4% 的下降趋势；glm-5.3-flash 呈现类似的 27.0% 降幅，其中包括在 08:00 降至 4.95 词元/秒的低谷。
  • 每个模型在 12 个预期样本中拥有 11 个（91.7% 的覆盖率），96 个有效数据点中保留 88 个，因此每个模型各缺失一个观测值。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • glm-5.3 是最强的模型，平均吞吐量为 111.08 词元/秒（峰值 169.24 词元/秒），而 nemotron-3-ultra 最弱，平均为 32.32 词元/秒，波动范围在 5.07 至 76.24 词元/秒之间。
  • 运营层面最显著的波动是 nemotron-3-ultra 的变异系数达 67.0%，在 5.07 至 76.24 词元/秒之间摆动；deepseek-v4-pro 也从 08:40 的 107.36 词元/秒骤降至 09:00 的 11.0 词元/秒，为其在该时间窗口内的最低读数。
  • 不存在数据缺失的限制：全部八个模型均提供了 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%
  • glm-5.3 是性能最强的模型，平均吞吐量为 107.02 词元/秒，峰值达 169.24 词元/秒；nemotron-3-ultra 是性能最弱的模型，平均为 38.62 词元/秒，最低仅为 5.07 词元/秒。
  • 运营层面最显著的波动是 nemotron-3-ultra 的 65.4% 变异系数和 -49.0% 的趋势，而 glm-5.3-flash 在 08:00 降至 4.95 词元/秒，与其 135.07 词元/秒的峰值形成对比；deepseek-v4-flash 也在 137.88 和 30.21 词元/秒之间大幅波动。
  • 不存在数据缺失的限制：全部 8 个模型均交付了预期 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%
  • glm-5.3 是最强的模型，平均吞吐量为 114.24 词元/秒（峰值 175.78 词元/秒），而 nemotron-3-ultra 最弱，平均仅 36.38 词元/秒，峰值仅为 83.24 词元/秒。
  • 最显著的趋势是 deepseek-v4-flash 下降了 39.4%，从 03:20 的 135.67 词元/秒降至 07:00 的 45.17 词元/秒；nemotron-3-ultra 也表现出极端波动性，变异系数达 74.7%，在 4.21 至 83.24 词元/秒之间大幅摆动。
  • 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%
  • glm-5.3 是最强的模型，平均吞吐量为 109.99 词元/秒，而 nemotron-3-ultra 最弱，平均为 41.06 词元/秒，最低仅为 4.21 词元/秒。
  • nemotron-3-ultra 波动最大，变异系数为 80.3%，在 4.21 至 102.83 词元/秒之间波动，并呈现 65.2% 的上升趋势；glm-5.3-flash 也不稳定（变异系数 45.2%），且下降了 29.8%。
  • 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%
  • glm-5.3 是最强的模型，平均吞吐量为 122.79 词元/秒，峰值达 175.78 词元/秒，而 nemotron-3-ultra 最弱，平均为 42.53 词元/秒，最低为 4.21 词元/秒。
  • nemotron-3-ultra 表现出对运行影响最显著的波动性，变异系数为 79.7%，在 4.21 至 102.83 词元/秒之间波动；gemma4:31b、glm-5.3 以及两个 deepseek 变体均在 03:00 UTC 记录到各自时间窗口内的最低值。
  • 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，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%
  • glm-5.3 的平均吞吐量最高，达 116.37 词元/秒，略微领先于 gemma4:31b 的 114.0 词元/秒，而 nemotron-3-ultra 表现最弱，仅为 34.68 词元/秒，峰值也只有 102.83 词元/秒。
  • deepseek-v4-pro 呈现最急剧的下滑，趋势为 -36.6%，在 02:20 经历 20.75 词元/秒的骤降后收于 18.79 词元/秒；nemotron-3-ultra 波动最大，变异系数为 83.1%，在 7.54 至 102.83 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、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 gemma4:31b，达 120.89 词元/秒；最弱的是 nemotron-3-ultra，为 24.48 词元/秒，约为领先者平均值的三分之一不到，接近其五分之一。
  • 运营层面最显著的波动来自 nemotron-3-ultra，其吞吐量在 1.0 至 80.97 词元/秒之间波动，变异系数为 92.8%；glm-5.3 呈现最强的上升趋势，达 +61.8%，收于 138.11 词元/秒。
  • 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，共计 96 个有效数据点，覆盖率为 100.0%，因此没有任何吞吐量结论受到数据缺口的影响。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • gemma4:31b 的平均吞吐量最高，达 121.31 词元/秒，峰值达 179.27 词元/秒，而 nemotron-3-ultra 最弱，平均仅 15.99 词元/秒，且从未超过 46.52 词元/秒。
  • 运营层面最显著的波动来自 nemotron-3-ultra，其变异系数为 105.1%，在 22:40 的 1.0 词元/秒与 00:20 的 46.52 词元/秒之间大幅摆动；glm-5.3-flash 呈现最陡峭的下降趋势，为 -14.7%。
  • 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%
  • gemma4:31b 是最强模型，平均吞吐量为 113.88 词元/秒，而 nemotron-3-ultra 最弱，平均为 9.11 词元/秒，最低为 1.0 词元/秒，最高仅为 40.16 词元/秒。
  • 运营层面最显著的波动性来自 nemotron-3-ultra，其变异系数为 147.6%，吞吐量从 20:20 的 1.37 词元/秒升至 23:40 的 40.16 词元/秒；deepseek-v4-pro 在其他模型中表现出最大的正向趋势，为 30.4%。
  • 不存在数据缺失的限制：全部八个模型均有 12/12 个预期样本，valid_point_count 为 96，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 gemma4:31b，达 113.03 词元/秒（范围 68.57 至 163.35 词元/秒）；最弱的是 nemotron-3-ultra，为 2.13 词元/秒，峰值仅为 4.8 词元/秒，比领先者低约 53 倍。
  • glm-5.3-flash 波动性最大，变异系数为 40.0%，在 56.29 至 168.33 词元/秒之间波动，且趋势为 -28.1%，尽管最终达到 142.51 词元/秒；deepseek-v4-pro 也在 22:00 降至 23.77 词元/秒。
  • 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，覆盖率为 100.0%；唯一的局限是四小时的时间窗口，无法确认这些模式是否持续存在。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最强的是 glm-5.3，达 106.36 词元/秒，其次是 glm-5.3-flash，为 102.65 词元/秒；最弱的是 nemotron-3-ultra，仅 2.42 词元/秒，远低于次低的 glm-5.2 的 70.48 词元/秒。
  • 运营层面最显著的波动性来自 glm-5.3-flash，在 56.29 至 168.33 词元/秒之间波动，变异系数为 41.9%，而 deepseek-v4-flash 呈现最陡峭的上升趋势，达 +47%，在达到 123.44 词元/秒的峰值后，最终接近 95.75 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、96 个有效数据点，覆盖率为 100%；唯一的约束是四小时的时间窗口本身。
4 小时窗口 · 88 个数据点 · 覆盖率 91.7%
  • glm-5.3-flash 是最强的模型，平均吞吐量为 103.33 词元/秒，略微领先于 glm-5.3 的 103.06 词元/秒；nemotron-3-ultra 最弱，平均仅为 2.76 词元/秒，最大值也只有 5.29 词元/秒。
  • 运营层面最显著的波动来自 glm-5.3-flash，其吞吐量在 55.56 至 168.33 词元/秒之间波动（变异系数 43.9%），而 nemotron-3-ultra 呈现最陡峭的下降趋势，为 -32.0%，最终降至 1.84 词元/秒。
  • 八个模型中的每一个都有 12 个预期样本中的 11 个（91.7% 的覆盖率，88 个有效数据点），因此每个模型缺失一次二十分钟的观测，这限制了区间级别的比较。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • glm-5.3 是平均吞吐量最强的模型，达 94.85 词元/秒（峰值 149.70 词元/秒），而 nemotron-3-ultra 最弱，平均仅 2.65 词元/秒，从未超过 5.29 词元/秒。
  • 波动性是主要的运行信号：gemma4:31b 从 17:20 的 142.49 词元/秒骤降至 18:40 的 19.97 词元/秒，minimax-m3 从 164.79 词元/秒的峰值跌至 20:00 的 26.38 词元/秒；deepseek-v4-pro 的相对波动幅度最大（变异系数 49.6%）。
  • 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，共有 96 个有效数据点，覆盖率达 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%
  • glm-5.3-flash 是平均吞吐量最强的模型，达到 93.51 词元/秒，领先于 89.6 词元/秒的 glm-5.3 和 86.2 词元/秒的 minimax-m3；nemotron-3-ultra 最弱，仅为 2.6 词元/秒，远低于倒数第二的 deepseek-v4-pro 的 50.53 词元/秒。
  • 运营层面最显著的变化是 minimax-m3 的下滑，从 16:40 的 164.79 词元/秒峰值到 19:00 的 72.8 词元/秒，趋势为 -37.6%；deepseek-v4-pro 波动幅度最大，变异系数为 52.7%，在 8.89 至 86.06 词元/秒之间波动。
  • 不存在数据缺失的限制：全部八个模型均报告了预期 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达到 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • glm-5.3-flash 是最强的模型，平均吞吐量为 93.51 词元/秒，领先于 minimax-m3（87.80 词元/秒）和 gemma4:31b（87.16 词元/秒）；nemotron-3-ultra 最弱，平均为 1.96 词元/秒，从未超过 3.72 词元/秒。
  • deepseek-v4-pro 表现出对运营影响最为显著的波动性，变异系数为 57.9%，在 UTC 14:20 达到 92.28 词元/秒的峰值，并在 UTC 18:00 骤降至 8.89 词元/秒；glm-5.3-flash 在整个时间窗口内也下降了 39.0%。
  • 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，共计 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%
  • glm-5.3-flash 是最强的模型，平均吞吐量为 108.11 词元/秒（峰值 165.75 词元/秒），而 nemotron-3-ultra 最弱，平均仅 1.53 词元/秒，在整个时间窗口内从未超过 2.56 词元/秒。
  • deepseek-v4-pro 表现出最具运营意义的波动性，变异系数为 55.0%，在 11.68 至 92.28 词元/秒之间摆动，并呈现 32.3% 的下行趋势，最终收于 14.95 词元/秒；相比之下，deepseek-v4-flash 上升了 67.3%，达到 83.64 词元/秒的峰值。
  • 不存在数据缺失的限制：全部 8 个模型均拥有 12 个预期样本中的 12 个、96 个有效数据点，并且在四小时窗口内覆盖率达到 100.0%。