← 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 1198 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 114.27 词元/秒，领先于 deepseek-v4-pro（107.36 词元/秒）和 gemma4:31b（105.74 词元/秒）；nemotron-3-ultra 最弱，平均为 2.67 词元/秒，从未超过 3.94 词元/秒。
  • 运营层面最显著的变化是 minimax-m3 在整个时间窗口内下降了 38.6%，从 00:40 的 120.57 词元/秒峰值降至 04:00 的 37.39 词元/秒；deepseek-v4-flash 也在 43.15 至 192.88 词元/秒之间大幅波动。
  • 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，在四小时的时间窗口内共计 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-flash 是最强的模型，平均吞吐量为 116.95 词元/秒，峰值达 192.88 词元/秒，而 nemotron-3-ultra 最弱，平均仅 5.85 词元/秒，最大值仅为 21.97 词元/秒。
  • nemotron-3-ultra 表现出对运营影响最大的波动性，变异系数为 112.2%，趋势为 -66.9%，从 23:40 的 21.97 词元/秒下降至 03:00 的 3.22 词元/秒；minimax-m3 也下降了 36.8%，至 38.91 词元/秒，而 deepseek-v4-pro 提升了 25.5%，达到 108.65 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，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-flash 是最强模型，平均吞吐量为 130.25 词元/秒，而 nemotron-3-ultra 最弱，平均为 8.59 词元/秒，大约比领先者慢 15 倍。
  • 运营层面最重大的变动是 nemotron-3-ultra 的崩溃：它在 23:40 UTC 达到 21.97 词元/秒的峰值，随后在 00:40 跌至 1.49 词元/秒，最终收于 1.9 词元/秒，在整个时间窗口内下降了 82.5%。glm-5.3-flash 也下降了 40.9%，从 167.64 词元/秒的高点降至 59.61 词元/秒。
  • 不存在数据缺失的限制：全部八个模型都有 12 个预期样本中的 12 个，共 96 个有效数据点，在四个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-flash 是最强的模型，平均吞吐量为 142.85 词元/秒（范围在 96.27 至 192.88 词元/秒之间），而 nemotron-3-ultra 最弱，平均为 9.08 词元/秒，峰值仅为 21.97 词元/秒。
  • glm-5.3-flash 降幅最为明显，从 21:20 的 168.28 词元/秒下降至 01:00 的 49.37 词元/秒，降幅达 36.6%，其中包括 00:40 的 22.34 词元/秒低点；glm-5.3 也在 65.45 至 203.52 词元/秒之间波动。
  • 无缺失数据限制：全部 8 个模型均报告了 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%
  • deepseek-v4-flash 是平均吞吐量最高的模型，达到 135.74 词元/秒（范围 101.32–192.84 词元/秒），而 nemotron-3-ultra 最弱，平均仅为 9.47 词元/秒，峰值也仅有 21.97 词元/秒。
  • 运营层面最显著的波动来自 glm-5.3，其在整个时间窗口内大约在 65 至 200 词元/秒之间波动（变异系数 45.0%），包括在 20:20 降至 63.95 词元/秒，以及在 00:00 飙升至 203.52 词元/秒；deepseek-v4-pro 也在 23:40 一度跌至 20.24 词元/秒，随后回升至 117.54 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%），且每个模型都有 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-flash 是最强的模型，平均吞吐量为 125.65 词元/秒（范围 100.1–158.48 词元/秒），而 nemotron-3-ultra 是最弱的模型，平均为 3.52 词元/秒，从未超过 7.77 词元/秒。
  • glm-5.3 的变化最为显著，从窗口初期的大约 63 词元/秒上升到 22:00 的 174.08 词元/秒，涨幅达 89.8%，不过它也是波动最大的模型，变异系数为 47.1%；gemma4:31b 下降了 23.2%，在 21:20 降至 35.64 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，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%
  • gemma4:31b 是平均吞吐量最强的模型，达到 118.59 词元/秒，只有在采用最新数值的情况下才领先于达到 128.04 词元/秒的 deepseek-v4-flash，而 nemotron-3-ultra 是最弱的模型，平均仅为 2.82 词元/秒，峰值也仅有 5.89 词元/秒。
  • glm-5.3 表现出对运营影响最显著的波动性，变异系数为 50.2%，波动范围从 54.02 到 199.8 词元/秒，其中包括在 17:20 至 17:40 之间从 199.8 降至 77.83 词元/秒；minimax-m3 也在 20:20 一度跌至 22.02 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，valid_point_count 为 96，覆盖率为 100.0%，因此从 17:20 到 21:00 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%
  • deepseek-v4-flash 是最强模型，平均吞吐量为 124.27 词元/秒，峰值达 158.48 词元/秒；nemotron-3-ultra 最弱，平均为 2.36 词元/秒，从未超过 4.07 词元/秒。
  • glm-5.3 表现出对运营影响最大的波动性：17:20 UTC 飙升至 199.8 词元/秒，随后在 18:00 降至 54.02 词元/秒，变异系数为 46.5%，窗口期内趋势为 -28.6%。
  • 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，valid_point_count 为 96，覆盖率为 100.0%，因此四小时窗口期得到完整呈现。
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 120.47 词元/秒（范围 84.72–153.83 词元/秒），领先于 111.06 词元/秒的 gemma4:31b；nemotron-3-ultra 最弱，平均仅 2.46 词元/秒，从未超过 4.86 词元/秒。
  • glm-5.3 下降最为急剧，从 15:20 至 16:00 期间的大约 142–146 词元/秒降至 18:00 之后的 54.02–63.57 词元/秒，趋势为 -25.4%；minimax-m3 波动最大，在 16:00 飙升至 147.75 词元/秒，而低点为 37.88 词元/秒，变异系数为 50.3%。
  • 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，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-flash 是最强的模型，平均吞吐量为 114.1 词元/秒，略胜 glm-5.3 的 106.18 词元/秒，而 nemotron-3-ultra 最弱，平均仅 3.32 词元/秒，在任何一次观测中都从未超过 14.68 词元/秒。
  • 运营层面最显著的波动是 nemotron-3-ultra 高达 106.7% 的变异系数和 -57.6% 的趋势，此外 minimax-m3 在 16:00 出现单次 147.75 词元/秒的峰值，远高于其 54.05 词元/秒的平均值，这表明是不稳定的容量而非持续的性能退化。
  • 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，在四小时的时间窗口内共有 96 个有效数据点和 100.0% 的覆盖率，因此每一个百分比和计数都得到数据集的完全支持。
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 102.8 词元/秒（12 个样本，范围 27.65–175.53 词元/秒），而 nemotron-3-ultra 最弱，平均仅 3.37 词元/秒，从未超过 14.68 词元/秒。
  • 波动最显著的是 nemotron-3-ultra，其变异系数为 104.7%，glm-5.2 降幅最陡，从 128.66 降至 19.46 词元/秒，下降 57.2%；deepseek-v4-flash 尽管在 14:20 一度跌至 14.58 词元/秒，仍提升了 40.7%。
  • 无缺失数据：全部 8 个模型均报告 12 个样本中的 12 个，共 96 个有效数据点，覆盖率为 100.0%；局限性在于观测窗口仅四小时，每个模型只有 12 次观测。
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 112.91 词元/秒（p95 为 169.71 词元/秒，最大值 175.53 词元/秒）；最弱的是 nemotron-3-ultra，平均 3.41 词元/秒，从未超过 14.68 词元/秒。
  • 运营层面最显著的波动是 minimax-m3 从 15:40 的 47.58 词元/秒跃升至 16:00 的 147.75 词元/秒，约为其 47.15 词元/秒平均值的三倍（变异系数 66.1%），而 glm-5.2 则从 13:40 的 155.03 词元/秒峰值降至 16:00 的 13.08 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，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 103.71 词元/秒，领先于 glm-5.3（99.83 词元/秒）和 gemma4:31b（90.9 词元/秒）；nemotron-3-ultra 最弱，平均仅为 3.17 词元/秒，远低于其他所有模型。
  • glm-5.3 的波动性最大，变异系数为 49.2%，波动区间介于 27.65 至 175.53 词元/秒之间；deepseek-v4-flash 在 14:20 降至 14.58 词元/秒，随后在 14:40 恢复至 143.5 词元/秒，而 deepseek-v4-pro 整体下降了 30.9%。
  • 不存在数据缺失的限制：全部八个模型均拥有 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-flash 是最强的模型，平均吞吐量为 108.32 词元/秒，领先于 103.96 词元/秒的 deepseek-v4-flash；nemotron-3-ultra 最弱，平均为 2.68 词元/秒，大约比领先者慢 40 倍。
  • glm-5.3 的波动性对运营影响最大，变异系数为 50.3%，波动范围从 27.65 到 175.53 词元/秒，其中包括在 UTC 14:00 降至最低值；deepseek-v4-flash 在该时段内下降了 19.3%，最终为 66.32 词元/秒。
  • 无缺失数据限制：全部八个模型均有 12 个样本中的 12 个，共 96 个有效数据点，在四小时时段内覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • glm-5.3-flash 是最强的模型，平均吞吐量为 115.86 词元/秒，领先于 deepseek-v4-flash（107.38 词元/秒）；nemotron-3-ultra 最弱，平均仅 2.85 词元/秒，峰值也仅为 5.67 词元/秒。
  • glm-5.3 的波动性对运营影响最大，其吞吐量在 11.63 至 164.94 词元/秒之间波动，变异系数为 51.2%，趋势为 +56.0%；gemma4:31b 也在 62.08 至 157.65 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 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 · 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 113.83 词元/秒，略微领先于 glm-5.3-flash 的 112.87 词元/秒；nemotron-3-ultra 最弱，平均为 2.80 词元/秒，从未超过 5.67 词元/秒。
  • gemma4:31b 降幅最陡，从 08:20 的 118.54 词元/秒下降至 12:00 的 70.34 词元/秒，降幅达 34.8%；而 glm-5.3 波动最大，在 11.63 至 160.44 词元/秒之间摆动，变异系数为 45.9%。
  • 不存在缺失数据的限制：全部 8 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%
  • gemma4:31b 是平均吞吐量最强的模型，达到 113.25 词元/秒，略微领先于 deepseek-v4-flash 的 113.34 词元/秒……更正：deepseek-v4-flash 以 113.34 词元/秒领先，gemma4:31b 为 113.25 词元/秒；nemotron-3-ultra 最弱，平均为 2.68 词元/秒。
  • 波动性是主要的运行信号：minimax-m3 的相对变异性最高（变异系数 55.1%，波动范围在 14.4 至 93.2 词元/秒之间），而 glm-5.3 在该时间窗口内下降了 22.7%，从 157.48 词元/秒的峰值跌至最新采样时的 76.37 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-flash 是最强模型，平均吞吐量为 118.55 词元/秒，领先于 glm-5.3-flash（103.75 词元/秒）和 glm-5.3（101.23 词元/秒）；nemotron-3-ultra 是最弱模型，平均仅 2.09 词元/秒，从未超过 4.07 词元/秒。
  • glm-5.3 的下降最为急剧，趋势为 -48.9%，从 06:40 的 174.45 词元/秒最大值降至 09:40 的 11.63 词元/秒，随后回升至 120.26 词元/秒；minimax-m3 是波动性最大的模型（变异系数 57.7%），波动范围在 14.4 至 93.2 词元/秒之间。
  • 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，valid_point_count 为 96，覆盖率为 100.0%，因此每一项预期观测数据均完整存在。
4 小时窗口 · 88 个数据点 · 覆盖率 91.7%
  • glm-5.3-flash 是性能最强的模型，平均吞吐量为 133.32 词元/秒（峰值 157.71 词元/秒），而 nemotron-3-ultra 是性能最弱的模型，平均仅为 2.11 词元/秒，在整个时间窗口内从未超过 3.58 词元/秒。
  • 08:00 UTC 的观测数据显示一次同步下滑：glm-5.2 降至 12.31 词元/秒，minimax-m3 降至 14.4 词元/秒，glm-5.3-flash 降至 19.86 词元/秒。glm-5.3 整体也下降了 28.7%，从 06:40 的 174.45 词元/秒峰值滑落至 08:40 的 61.65 词元/秒。
  • 每个模型在预期的 12 个样本中均记录了 11 个（91.7% 的覆盖率，88 个有效数据点），因此每个序列都缺失一个观测值，这限制了对区间级比较的置信度。
4 小时窗口 · 88 个数据点 · 覆盖率 91.7%
  • 平均吞吐量最强的是 deepseek-v4-flash，达 128.76 词元/秒（峰值 157.71 词元/秒），以微弱优势领先于 128.45 词元/秒的 glm-5.3；最弱的是 nemotron-3-ultra，仅 2.77 词元/秒，从未超过 5.39 词元/秒。
  • 运营层面最显著的变化是 nemotron-3-ultra 下降了 44.4%，在 07:00 跌至 1.06 词元/秒，而 glm-5.2 从 04:40 的 10.4 词元/秒低点回升了 66.0%，在 07:00 达到 111.52 词元/秒；glm-5.3 也在 67.85 至 191.28 词元/秒之间波动。
  • 每个模型均记录了 12 个预期样本中的 11 个（覆盖率 91.7%，88 个有效数据点），因此每个模型都缺失一个时间间隔，平均值可能无法反映完整的四小时窗口。
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 121.63 词元/秒，峰值为 191.28 词元/秒；nemotron-3-ultra 最弱，平均仅为 3.83 词元/秒，从未超过 7.88 词元/秒。
  • glm-5.2 的运行波动最为剧烈，从 04:20 的 67.05 词元/秒降至 04:40 的 10.4 词元/秒和 05:00 的 13.56 词元/秒，随后在 06:00 恢复至 107.7 词元/秒（趋势为 52.5%）；glm-5.3 同样波动较大，变异系数为 40.2%。
  • 每个模型在预期的 12 个样本中拥有 11 个（覆盖率为 91.7%），共计 88 个有效数据点，因此在 03:03–07:03 UTC 时间窗口内，每个模型各缺失一次 20 分钟的观测。
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 123.69 词元/秒，峰值 163.24 词元/秒；而 nemotron-3-ultra 最弱，平均仅 4.05 词元/秒，从未超过 7.88 词元/秒。
  • glm-5.2 表现出对运行影响最显著的波动性（CV 49.8%），从 04:20 的 67.05 词元/秒骤降至 04:40 的 10.4 词元/秒和 05:00 的 13.56 词元/秒，随后在 06:00 前恢复至 107.7 词元/秒；gemma4:31b 也在 03:20 一度跌至 4.06 词元/秒。
  • 不存在缺失数据的限制：全部八个模型均报告 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 · 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 115.56 词元/秒（峰值 163.24 词元/秒），而 nemotron-3-ultra 最弱，平均仅 4.0 词元/秒，从未超过 7.88 词元/秒。
  • 波动最显著的是 glm-5.2，其变异系数为 45.7%；它从 04:20 的 67.05 词元/秒跌至 04:40 的 10.4 词元/秒，最终收于 13.56 词元/秒。glm-5.3-flash 也从 04:20 的 17.95 词元/秒大幅波动至 05:00 的 166.97 词元/秒。
  • 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 是平均吞吐量最强的模型，为 108.79 词元/秒，略微领先于 deepseek-v4-flash 的 112.31 词元/秒……更正：deepseek-v4-flash 以 112.31 词元/秒领先，gemma4:31b 以 108.79 词元/秒位居第二；nemotron-3-ultra 最弱，为 3.94 词元/秒。
  • 运营层面最显著的波动来自 gemma4:31b，其在 03:20 的低点 4.06 词元/秒与峰值 153.82 词元/秒之间大幅波动，变异系数为 38.7%，窗口期内趋势为 -24.7%；glm-5.3 在 64.84 至 166.93 词元/秒之间表现出类似的波动。
  • 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，在四小时窗口期内共有 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-flash 以 117.11 词元/秒的平均吞吐量位居第一，略高于 gemma4:31b 的 116.02 词元/秒，而 nemotron-3-ultra 最弱，仅为 7.01 词元/秒，远低于倒数第二的 minimax-m3 的 39.89 词元/秒。
  • 变动最显著的是 nemotron-3-ultra 的 70.3% 降幅，从 23:40 的 26.8 词元/秒峰值降至 03:00 的 4.05 词元/秒，变异系数为 105.6%；glm-5.3 同样波动较大，在 64.41 至 196.0 词元/秒之间摆动，变异系数为 40.9%。
  • 不存在缺失数据的限制：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 gemma4:31b，达 131.55 词元/秒（峰值 174.53 词元/秒）；最弱的是 nemotron-3-ultra，为 10.65 词元/秒，在 01:40 时一度跌至 1.48 词元/秒。
  • 在整个时间窗口内，所有模型均呈下降趋势，其中 nemotron-3-ultra 暴跌 81.8%，到 02:00 时降至 3.75 词元/秒。波动性最高的是 glm-5.3（变异系数 40.7%，范围 64.41–196.0 词元/秒）和 deepseek-v4-flash（变异系数 39.9%，范围 43.3–188.6 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，覆盖率为 100.0%，且八个模型中的每一个都拥有 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%
  • glm-5.3 的平均吞吐量最高，达到 136.32 词元/秒，峰值为 235.48 词元/秒，而 nemotron-3-ultra 最弱，平均仅为 12.71 词元/秒，最终仅为 2.17 词元/秒。
  • glm-5.3 呈现最急剧的下降趋势，下行 35.8%，并在 235.48 与 64.41 词元/秒之间波动；nemotron-3-ultra 波动性最大，其 12 个样本的变异系数为 91.8%。
  • 不存在缺失数据的限制：全部八个模型均拥有 12 个预期样本中的 12 个、96 个有效数据点以及 100.0% 的覆盖率，因此四小时时间窗口的数据是完整的。
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 144.41 词元/秒，峰值为 235.48 词元/秒，而 nemotron-3-ultra 最弱，平均仅为 12.62 词元/秒，从未超过 43.56 词元/秒。
  • glm-5.3 的波动性对运营影响最大，在 64.41 至 235.48 词元/秒之间波动（标准差 53.68，变异系数 37.2%），并呈现 28.0% 的下降趋势；nemotron-3-ultra 则更不稳定（变异系数 92.8%），在起始接近 3.3 词元/秒后，于 23:00 飙升至 43.56 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%
  • glm-5.3 是最强的模型，平均输出吞吐量为 148.24 词元/秒，在 UTC 22:00 达到峰值 235.48 词元/秒；nemotron-3-ultra 最弱，平均为 8.98 词元/秒，波动范围在 1.76 至 43.56 词元/秒之间。
  • 运营层面最显著的波动是 gemma4:31b 在 UTC 21:00 从早先的大约 130 词元/秒骤降至 44.74 词元/秒，随后在 UTC 22:20 恢复至 174.12 词元/秒；glm-5.3 在该时间窗口内也在 72.31 至 235.48 词元/秒之间大幅波动。
  • 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 140.64 词元/秒，在 22:00 UTC 达到 235.48 词元/秒的峰值；nemotron-3-ultra 最弱，平均仅为 5.46 词元/秒，从未超过 17.52 词元/秒。
  • 最显著的波动性是 nemotron-3-ultra 的变异系数 74.0%，同时伴随 96.6% 的上升趋势；而 glm-5.3 显示出最大的绝对波动幅度，在观测窗口内范围为 67.36 至 235.48 词元/秒，趋势为 48.1%。
  • 不存在缺失数据的限制：所有八个模型均报告了 12 个预期样本中的 12 个，数据集在四小时期间内共有 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 123.43 词元/秒，领先于 glm-5.3-flash 的 110.05 词元/秒；nemotron-3-ultra 最弱，平均为 3.37 词元/秒，从未超过 4.34 词元/秒。
  • glm-5.3 同时也是波动最大的模型，变异系数为 45.1%，在窗口期内于 67.36 至 244.23 词元/秒之间波动；deepseek-v4-flash 的范围为 29.48 至 153.69 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，在四小时期间内共有 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 116.77 词元/秒（p95 为 214.86 词元/秒），而 nemotron-3-ultra 最弱，平均仅 2.94 词元/秒，从未超过 4.34 词元/秒。
  • glm-5.3 的波动性也最高，变异系数为 47.3%，在 67.36 至 244.23 词元/秒之间波动；deepseek-v4-pro 在该时段内下降了 14.3%，于 UTC 19:00 降至 49.14 词元/秒。
  • 不存在数据缺失的限制：全部八个模型均有 12/12 个样本、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 是最强的模型，平均吞吐量为 120.77 词元/秒（峰值 165.34 词元/秒），而 nemotron-3-ultra 最弱，平均为 2.56 词元/秒，慢了大约 47 倍。
  • glm-5.3 波动性最高（变异系数 50.7%），在 57.98 到 244.23 词元/秒之间大幅波动，包括在 UTC 17:20 出现的 244.23 词元/秒的峰值；deepseek-v4-flash 也在 17:20 一度跌至 29.48 词元/秒，随后在 19:00 之前恢复到 143.08 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%，因此平均值基于完整数据。
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 112.13 词元/秒，略领先于 glm-5.3-flash 的 103.81 词元/秒；nemotron-3-ultra 最弱，平均为 2.15 词元/秒，从未超过 3.23 词元/秒。
  • glm-5.3 表现出对运营影响最大的波动性，变异系数为 60.7%，在 15:00 低至 19.23 词元/秒，并在 17:20 飙升至 244.23 词元/秒；deepseek-v4-pro 整体也攀升了 42.2%，从 14:20 的 37.97 词元/秒升至 18:00 的 86.82 词元/秒。
  • 该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，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%
  • deepseek-v4-flash 是最强的模型，平均吞吐量为 118.78 词元/秒（范围为 82.26–165.34 词元/秒），而 nemotron-3-ultra 最弱，平均仅 2.04 词元/秒，从未超过 3.1 词元/秒。
  • 最显著的变化是 deepseek-v4-pro 高达 94.3% 的上升趋势，从 14:40 前后 31.02 词元/秒的低点攀升至 15:40 的 122.52 词元/秒峰值，并在 17:00 保持接近 98.59 词元/秒；glm-5.3 也在 19.23 至 156.41 词元/秒之间波动。
  • 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、96 个有效数据点以及 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%
  • 平均吞吐量最强的是 glm-5.3-flash，达 104.88 词元/秒（峰值 134.55 词元/秒），略微领先于 104.75 词元/秒的 deepseek-v4-flash；最弱的是 nemotron-3-ultra，仅 2.43 词元/秒，最大值也只有 3.38 词元/秒。
  • gemma4:31b 波动性最大，变异系数为 57.7%，从 12:20 的 157.85 词元/秒骤降至 13:00 的 13.7 词元/秒；glm-5.3 整体下降 29.1%，其中包括 15:00 低至 19.23 词元/秒的最低点。
  • 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%
  • 平均吞吐量最强：deepseek-v4-flash 达 104.30 词元/秒，略微领先于 glm-5.3-flash 的 102.90 词元/秒；最弱的是 nemotron-3-ultra，为 3.32 词元/秒，大约比领先者慢 31 倍。
  • 波动最显著：glm-5.3 从 11:20 的 173.56 词元/秒降至 15:00 的 19.23 词元/秒（趋势 -44.0%），而 gemma4:31b 在 157.85 和 13.7 词元/秒之间波动（变异系数 58.3%）。
  • 无缺失数据限制：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，平均速度为 113.46 词元/秒，略微领先于 deepseek-v4-flash（113.44 词元/秒）和 glm-5.3-flash（113.37 词元/秒）；nemotron-3-ultra 最弱，平均速度为 4.29 词元/秒，从未超过 6.89 词元/秒。
  • 波动性是该时间窗口的主要特征：gemma4:31b 的波动范围为 13.7 至 176.08 词元/秒（变异系数 49.8%），deepseek-v4-flash 在 12:40 跌至 34.25 词元/秒，随后在 13:00 回升至 130.99 词元/秒；glm-5.3 涨幅最为陡峭，上升了 35.2%。
  • 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%），八个模型中的每一个在四小时窗口内均报告了 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%
  • 平均吞吐量最强的是 deepseek-v4-flash，达 118.17 词元/秒，峰值在 11:00 达到 194.85 词元/秒；最弱的是 nemotron-3-ultra，为 4.52 词元/秒，低了约 26 倍。
  • gemma4:31b 表现出最急剧的劣化，趋势为 -33.7%，变异系数为 40.7%，波动区间在 176.08 至 46.36 词元/秒之间；glm-5.2 整体趋势为 +119.7%，但在最后一次观测中降至 14.4 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-flash，达 117.83 词元/秒，峰值达 194.85 词元/秒；最弱的是 nemotron-3-ultra，为 4.95 词元/秒，从未超过 9.23 词元/秒。
  • 运营层面最显著的变动是 gemma4:31b 在时间窗口后段的崩溃，从 09:20 的 176.08 词元/秒跌至 11:00 的 46.36 词元/秒，趋势为 -21.0%；glm-5.2 同样表现出较高的相对波动性，cv 为 63.4%，在 09:00 一度跌至 3.06 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，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%
  • gemma4:31b 是最强的模型，平均吞吐量为 120.35 词元/秒，领先于 112.66 词元/秒的 glm-5.3 和 112.43 词元/秒的 glm-5.3-flash；nemotron-3-ultra 最弱，平均为 5.77 词元/秒，从未超过 14.11 词元/秒。
  • glm-5.2 下降最为急剧，在 09:00 UTC 时降至 3.06 词元/秒的低点，跌幅达 56.7%；而 minimax-m3 波动最大，变异系数为 61.8%，范围在 21.12 至 122.93 词元/秒之间。
  • 不存在缺失数据的限制：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提供了 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 在平均吞吐量方面领先，达到 117.44 词元/秒，领先于 gemma4:31b（113.72 词元/秒）和 glm-5.3-flash（112.63 词元/秒）；nemotron-3-ultra 表现最弱，平均仅为 14.20 词元/秒，峰值也仅有 41.74 词元/秒。
  • 运营层面最显著的变化是 nemotron-3-ultra 从 06:00 的 41.74 词元/秒骤降至 09:00 的 4.21 词元/秒，降幅达 75.4%，其变异系数高达 99.6%，波动性最高；glm-5.2 尽管平均值为 44.48 词元/秒，最终也降至 3.06 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，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%
  • glm-5.3 是最强的模型，平均吞吐量为 127.05 词元/秒（峰值 246.11 词元/秒），而 nemotron-3-ultra 最弱，平均为 22.82 词元/秒（最低 3.3 词元/秒）。
  • 运营层面最重大的变化是 nemotron-3-ultra 在 06:20 UTC 之后性能崩溃，从 51.95 词元/秒的峰值降至 3.3 至 14.11 词元/秒之间的读数，最终收于 4.09 词元/秒，降幅达 81.0%；它还表现出最高的波动性，CV 为 73.7%。
  • 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，覆盖率为 100.0%，但四小时的时间窗口限制了对更长期表现的评估。
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 131.0 词元/秒，而 nemotron-3-ultra 最弱，为 34.34 词元/秒；glm-5.3-flash 平均 115.95 词元/秒，gemma4:31b 为 112.52 词元/秒。
  • 运营层面最显著的变化是 nemotron-3-ultra 的持续下滑，在整个时间窗口内下降 50.3%，在 07:00 低至 3.3 词元/秒；glm-5.3 也在 62.54 至 246.11 词元/秒之间大幅波动，变异系数为 46.4%。
  • 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%
  • glm-5.3 的平均吞吐量最高，达 132.17 词元/秒，而 nemotron-3-ultra 最弱，仅为 35.84 词元/秒；deepseek-v4-flash（114.04 词元/秒）和 gemma4:31b（123.01 词元/秒）也位居前列。
  • 变动最显著的是 deepseek-v4-flash，呈上升趋势，涨幅达 47.8%，从 03:40 的 49.83 词元/秒低点攀升至 05:40 的 189.78 词元/秒峰值；glm-5.3 波动性极高，波动范围为 62.54 至 246.11 词元/秒，变异系数为 45.1%。
  • 不存在缺失数据的限制：全部 8 个模型均交付了 12 个预期样本中的 12 个，在四小时窗口内共计 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%
  • gemma4:31b 是最强的模型，平均吞吐量为 142.79 词元/秒，峰值达 184.71 词元/秒；nemotron-3-ultra 最弱，平均为 28.04 词元/秒，最低为 4.38 词元/秒。
  • nemotron-3-ultra 波动最为剧烈（变异系数 89.3%），在 03:20 从 4.38 跃升至 96.70 词元/秒，而 glm-5.3 在 62.82 至 246.11 词元/秒之间波动（变异系数 45.2%），且呈 55.7% 的上升趋势。
  • 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，在四小时窗口内覆盖率为 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，平均吞吐量为 155.66 词元/秒，而 nemotron-3-ultra 最弱，平均为 20.62 词元/秒，峰值仅为 96.7 词元/秒。
  • glm-5.3 表现出对运行影响最显著的波动性，在 60.82 至 195.89 词元/秒之间摆动，变异系数为 48.8%；minimax-m3 整体也下降了 41.9%，从 74.97 降至 40.57 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，且数据集显示有 96 个有效数据点，覆盖率为 100.0%。
4 小时窗口 · 80 个数据点 · 覆盖率 83.3%
  • 平均吞吐量最高的是 gemma4:31b，达 156.45 词元/秒；最低的是 nemotron-3-ultra，为 10.76 词元/秒，deepseek-v4-flash 以 126.73 词元/秒位居第二。
  • 运营层面最显著的变化是 minimax-m3 的持续下滑，从 00:20 的 74.97 词元/秒峰值到 03:00 的 30.67 词元/秒，趋势为 -27.2%；glm-5.3 也在 60.82 至 195.89 词元/秒之间大幅波动（变异系数 48.5%）。
  • 每个模型仅采集到 12 个预期样本中的 10 个（覆盖率 83.3%），总计 80 个有效数据点，因此每个模型缺失两次二十分钟的观测，平均值可能无法完全代表这四小时的时间窗口。
4 小时窗口 · 56 个数据点 · 覆盖率 58.3%
  • gemma4:31b 是表现最强的模型，平均吞吐量为 155.75 词元/秒，峰值达 189.38 词元/秒，而 nemotron-3-ultra 表现最弱，平均仅为 9.56 词元/秒，其最新采样中仅为 4.81 词元/秒。
  • glm-5.3 的波动性对运营影响最大：它在 00:20 时从 195.89 词元/秒跌至 00:40-01:40 期间的大约 60-69 词元/秒，随后回升至 171.36 词元/秒，变异系数为 50.9%。deepseek-v4-flash 同样在 209.95 和 53.9 词元/秒之间大幅波动。
  • 每个模型在预期的 12 个采样中仅记录到 7 个，覆盖率为 58.3%，总计 56 个有效数据点，因此 22:03-23:40 UTC 时间段缺失，平均值可能无法代表完整的四个小时。
4 小时窗口 · 8 个数据点 · 覆盖率 8.3%
  • 平均吞吐量最强的是 deepseek-v4-flash，达 209.95 词元/秒，其次是 glm-5.3，为 183.7 词元/秒；最弱的是 nemotron-3-ultra，仅 19.47 词元/秒，比领先者慢约十一倍，minimax-m3 也较低，为 52.9 词元/秒。
  • 无法评估趋势或波动性：每个模型在 00:00 UTC 仅有单次观测，因此所有八个模型的 stddev_tps 和 cv_pct 均为 0.0，trend_pct 也为 0.0；唯一的运营信号是各模型之间的巨大差距，从 19.47 到 209.95 词元/秒。
  • 数据覆盖严重受限：每个模型仅有 1 个样本，而预期样本为 12 个，即 8.3% 的覆盖率，总计 8 个有效数据点，因此所有平均值、最小值、最大值和 p95 值均仅基于单次测量。