滚动四小时性能数据摘要
在四小时的时间窗口内，glm-5.2 提供了最强的平均吞吐量，达到 157.94 词元/秒，而 nemotron-3-ultra 最弱，为 17.67 词元/秒。在运行方面，nemotron-3-ultra 表现出极端的波动性，变异系数为 109.6%，最低降至 1.48 词元/秒。此外，glm-5.2 和 gemma4:31b 在最后阶段出现急剧下降，分别降至 16.66 词元/秒和 141.34 词元/秒。该数据集包含七个模型的 336 个有效数据点，实现了 100.0% 的覆盖率，没有缺失数据的限制。
在四小时的时间窗口内，glm-5.2 的平均吞吐量最高，达到 164.98 词元/秒，而 nemotron-3-ultra 表现最弱，为 25.72 词元/秒。最具操作意义的波动出现在 nemotron-3-ultra 中，该模型在 UTC 07:35 之后经历了严重的吞吐量崩溃，从 40.20 词元/秒降至 4.08 词元/秒，最终达到 1.48 词元/秒的最低值。该模型还表现出极端的变异性，变异系数为 95.7%。数据集包含完整的覆盖范围，在所有模型中拥有 336 个有效数据点，因此不存在影响此分析的缺失数据限制。
在四小时的时间窗口内，glm-5.2 以 169.86 词元/秒的平均吞吐量表现最强，而 nemotron-3-ultra 最弱，为 35.49 词元/秒。在运行方面，nemotron-3-ultra 表现出严重的波动性，变异系数为 79.0%，并呈现 50.7% 的下降趋势，从 105.57 词元/秒的峰值降至 08:15 时的仅 1.55 词元/秒。相比之下，minimax-m3 保持最稳定，平均为 47.95 词元/秒，变异系数为 15.3%。数据集完整，覆盖率为 100.0%，在所有 336 个有效观测值中均无缺失数据限制。
在四小时的时间窗口内，glm-5.2 以 166.89 词元/秒的平均吞吐量表现最强，而 nemotron-3-ultra 最弱，为 39.12 词元/秒。在运行方面，nemotron-3-ultra 表现出极端波动性，变异系数为 71.9%，从 105.57 词元/秒的峰值降至 2.72 词元/秒的低谷。相比之下，minimax-m3 是最稳定的模型，变异系数为 17.1%，平均为 49.09 词元/秒。该数据集包含跨七个模型的 336 个有效观测值，覆盖率为 100.0%，因此不存在影响此分析的缺失数据限制。
在四小时的时间窗口内，glm-5.2 提供了最强的平均吞吐量，达到 169.82 词元/秒，而 nemotron-3-ultra 最弱，为 47.52 词元/秒。在运行方面，nemotron-3-ultra 表现出极端的波动性，在 4.31 的低点到 116.48 词元/秒的高点之间摆动，产生的变异系数为 59.8%。这种不稳定性与 glm-5.3-flash 的稳定表现形成了鲜明对比，后者维持在 50.51 到 102.02 词元/秒之间更为狭窄的范围内。该数据集是完整的，在所有 336 个有效点上实现了 100.0% 的覆盖率，这意味着在此分析中无需考虑任何数据缺失的限制。
在四小时窗口内，glm-5.2 以 172.07 词元/秒的平均吞吐量表现最强，而 nemotron-3-ultra 最弱，为 48.92 词元/秒。最具操作意义的波动是 nemotron-3-ultra 的极端不稳定性，从 120.56 词元/秒的高点骤降至 4.31 词元/秒，产生了 64.9% 的变异系数和 23.1% 的下降趋势。相比之下，glm-5.3-flash 保持最为稳定，平均为 87.03 词元/秒，变异系数为 9.7%。尽管数据集覆盖率达到 100.0%，拥有 336 个有效样本，但四小时的持续时间限制了更广泛的运营结论。
在四小时的时间窗口内，glm-5.2 的平均吞吐量最高，达到 163.79 词元/秒，而 nemotron-3-ultra 表现最弱，为 48.87 词元/秒。在运行方面，nemotron-3-ultra 表现出极端的波动性，变异系数为 59.7%，从 120.56 词元/秒的最大值骤降至 4.31 词元/秒。此外，deepseek-v4-pro 呈现出显著的下降趋势，在此期间下降了 11.5%，降至 32.43 词元/秒的低点。该数据集包含跨七个模型的 336 个有效观测值，覆盖率为 100.0%，因此不存在影响本分析的缺失数据限制。
在四小时的时间窗口内，glm-5.2 以 156.45 词元/秒的平均吞吐量表现最强，而 nemotron-3-ultra 最弱，为 40.18 词元/秒。最具操作意义的波动性属于 nemotron-3-ultra，其降至 0.9 词元/秒，变异系数为 82.2%，表明性能极不稳定。相比之下，glm-5.3-flash 是最稳定的模型，平均为 85.48 词元/秒，变异系数低至 9.8%。数据缺失限制影响了本次分析：nemotron-3-ultra 只有 47 个有效样本，而非预期的 48 个，导致覆盖率为 97.9%。所有其他模型在总共 335 个有效观测中均保持了完整的 100% 覆盖率。
在四小时的时间窗口内，glm-5.2 表现出最强的平均吞吐量，达到 156.43 词元/秒，而 nemotron-3-ultra 最弱，为 40.25 词元/秒。在运行方面，nemotron-3-ultra 表现出极端的波动性，在 UTC 时间 00:50 左右降至 0.9 词元/秒，随后在较早的 UTC 时间 23:55 恢复至 145.81 词元/秒。这种波动性反映出 86.7% 的变异系数。数据缺失的限制影响了 nemotron-3-ultra，它仅有 47 个有效样本，而非预期的 48 个，导致覆盖率为 97.9%。相比之下，glm-5.3-flash 保持了最稳定的性能，变异系数低至 11.0%，平均吞吐量为 84.07 词元/秒。
在四小时的时间窗口内，glm-5.2 的平均吞吐量最高，达到 156.28 词元/秒，而 nemotron-3-ultra 表现最弱，为 34.85 词元/秒。最具操作意义的波动出现在 nemotron-3-ultra 中，该模型表现出极端的不稳定性，变异系数为 91.2%，并呈现 -45.9% 的急剧下降趋势，从 145.81 词元/秒的峰值骤降至 00:50 前后的接近零水平。该数据集存在缺失数据的局限性：nemotron-3-ultra 在预期的 48 个样本中仅有 47 个有效样本，完全缺失了一次五分钟的观测数据。所有其他模型均保持了完整的 100.0% 覆盖率。
在四小时的时间窗口内，glm-5.2 以 157.82 词元/秒的平均吞吐量表现最强，而 nemotron-3-ultra 最弱，为 35.96 词元/秒。在运行方面，nemotron-3-ultra 表现出极端的波动性，变异系数为 94.2%，并呈现严重的下降趋势，从 145.81 词元/秒降至 00:10 前后的接近零水平。相比之下，glm-5.3-flash 保持了最稳定的性能，变异系数为 12.5%。该数据集存在轻微的缺失数据限制：nemotron-3-ultra 记录了 47 个样本，而非预期的 48 个，缺少一次观测，不过整体数据集覆盖率仍保持在 99.7% 的高水平。
在四小时的时间窗口内，glm-5.2 的平均吞吐量最高，达到 165.6 词元/秒，而 minimax-m3 表现最弱，为 47.71 词元/秒。最具操作意义的波动出现在 nemotron-3-ultra 中，该模型表现出极端的波动，从 4.89 词元/秒的低点飙升至 145.81 词元/秒的高点，导致变异系数达到 70.0%。其他几个模型，包括 glm-5.2 和 deepseek-v4-flash，也经历了周期性的吞吐量急剧下降至 25 词元/秒以下的情况。该数据集包含完整的覆盖范围，在所有七个模型中拥有 336 个有效数据点，因此不存在影响本分析的缺失数据限制。
在四小时的时间窗口内，glm-5.2 以 159.66 词元/秒的平均吞吐量表现最强，而 nemotron-3-ultra 最弱，为 38.3 词元/秒。在运行方面，glm-5.2 表现出高波动性，变异系数为 30.7%，包括跌至 25.73 词元/秒的严重下降。Nemotron-3-ultra 表现出更大的不稳定性，变异系数为 68.0%，范围从 4.89 到 135.27 词元/秒。该数据集包含跨七个模型的 336 个有效数据点，覆盖率为 100.0%，因此不存在影响此分析的缺失数据限制。
在四小时的时间窗口内，glm-5.2 以 143.96 词元/秒的平均吞吐量表现最强，而 nemotron-3-ultra 最弱，为 31.39 词元/秒。最具操作意义的波动出现在 glm-5.2 中，尽管其平均值较高，但在 10.73 和 217.13 词元/秒之间剧烈波动。Nemotron-3-ultra 也表现出极端的不稳定性，起始接近 1.8 词元/秒，最终飙升至 135.27 词元/秒。该数据集包含七个模型的 336 个有效数据点，覆盖率为 100.0%，这意味着不存在影响本分析的缺失数据限制。
在四小时的时间窗口内，glm-5.2 以 144.6 词元/秒的平均吞吐量表现最强，而 nemotron-3-ultra 最弱，为 20.66 词元/秒。最具操作意义的波动出现在 glm-5.2 中，其波动范围从 10.73 词元/秒的低点到 217.13 词元/秒的高点；同时也出现在 nemotron-3-ultra 中，该模型表现出极端的不稳定性，变异系数达 104.2%。Deepseek-v4-flash 在时间窗口后期出现了显著的吞吐量下降，于 20:25 降至 46.28 词元/秒。该数据集包含跨七个模型的 336 个有效数据点，实现了 100.0% 的覆盖率，没有缺失数据的限制。
在四小时的时间窗口内，glm-5.2 的平均吞吐量最高，达到 152.29 词元/秒，而 nemotron-3-ultra 最低，为 13.5 词元/秒。最具操作意义的波动出现在 glm-5.2 中，其吞吐量从 17:50 的 203.35 词元/秒急剧下降至 18:10 的 10.73 词元/秒，随后才恢复。Nemotron-3-ultra 也表现出极大的不稳定性，在 0.6 和 75.07 词元/秒之间波动，变异系数为 134.8%。数据缺失的限制影响了 nemotron-3-ultra，在预期的 48 个样本中仅记录了 45 个有效样本，导致覆盖率为 93.8%，并留下三个五分钟的时间间隔未被观测。
在四小时的时间窗口内，glm-5.2 以 158.21 词元/秒的平均吞吐量位居最高，而 nemotron-3-ultra 表现最弱，仅为 4.7 词元/秒。最具运维意义的波动出现在 glm-5.2 中，该模型经历了严重的延迟突增，导致在 18:10 时吞吐量降至 10.73 词元/秒，随后才得以恢复。整体数据集覆盖率为 98.8%，但这掩盖了 nemotron-3-ultra 的数据缺失局限，该模型在预期的 48 个样本中仅有 44 个有效样本，限制了对其实际性能基线的可见性。
在四小时的时间窗口内，glm-5.2 以 164.14 词元/秒的平均吞吐量表现最强，而 nemotron-3-ultra 最弱，为 2.85 词元/秒。最具操作意义的波动出现在 glm-5.2 中，它在 17:10 从 213.81 词元/秒骤降至 17:15 的 25.55 词元/秒，随后才恢复。Deepseek-v4-flash 呈现出显著的上升趋势，增长了 10.0%，平均达到 101.5 词元/秒。一个关键限制是数据缺失：nemotron-3-ultra 在预期的 48 个样本中仅有 44 个有效样本，导致覆盖率为 91.7%，这在其吞吐量分布中留下了空白。
在四小时的时间窗口内，glm-5.2 的平均吞吐量最高，达到 163.88 词元/秒，而 nemotron-3-ultra 表现最弱，为 1.64 词元/秒。最具操作意义的波动出现在 nemotron-3-ultra 中，该模型在 UTC 16:30 之后从低于 1 词元/秒的基准线激增至 6.35 词元/秒。Gemma4:31b 也表现出明显的不稳定性，在 24.51 和 136.67 词元/秒之间波动。数据缺失的限制影响了本次分析：nemotron-3-ultra 仅记录了预期 48 个样本中的 43 个，在 UTC 16:10 至 16:30 之间丢失了五个观测值，这意味着其最近的吞吐量激增缺乏连续的上下文。
在四小时的时间窗口内，glm-5.2 以 141.69 词元/秒的平均吞吐量表现最强，而 nemotron-3-ultra 最弱，为 0.91 词元/秒。最具操作意义的波动出现在 13:20 UTC 前后的一次严重吞吐量下降，其中 gemma4:31b 降至 24.51 词元/秒，glm-5.2 降至 42.09 词元/秒，glm-5.3-flash 达到 24.24 词元/秒。尽管出现下降，glm-5.2 仍展现出 39.8% 的强劲上升趋势，最终达到 183.02 词元/秒。该数据集存在数据缺失的局限性：nemotron-3-ultra 仅记录了 44 个样本，而非预期的 48 个，导致覆盖率为 91.7%，这限制了对其实际性能下降情况的可见性。
在四小时的时间窗口内，glm-5.2 提供了最强的平均吞吐量，达到 121.03 词元/秒，而 nemotron-3-ultra 最弱，为 2.83 词元/秒。最具操作意义的波动是 glm-5.2 高达 64.4% 的急剧上升趋势，尽管变异系数高达 37.1%，但仍包含了 212.94 词元/秒的峰值。相比之下，deepseek-v4-pro 提供了最稳定的性能，平均为 102.65 词元/秒，变异系数低至 12.9%。数据缺失的限制影响了本次分析：nemotron-3-ultra 仅捕获了 48 个预期样本中的 44 个，覆盖率降至 91.7%，这限制了其计算平均值的可靠性。
在四小时的时间窗口内，glm-5.2 以 107.11 词元/秒的平均吞吐量表现最强，而 nemotron-3-ultra 最弱，为 8.72 词元/秒。Nemotron-3-ultra 还表现出对运营影响最大的波动性，变异系数为 161.5%，下行趋势为 94.5%，从 64.81 词元/秒的峰值降至 1.17 词元/秒。相比之下，deepseek-v4-pro 提供了最稳定的性能，平均为 104.33 词元/秒，变异系数为 14.1%。数据缺失的限制影响了 nemotron-3-ultra，它仅记录了 45 个有效样本，而非预期的 48 个，导致覆盖率为 93.8%。
在四小时的时间窗口内，deepseek-v4-pro 表现出最强的平均吞吐量，达到 106.16 词元/秒，而 nemotron-3-ultra 最弱，为 11.18 词元/秒。在运行方面最具显著性的波动是 nemotron-3-ultra 的严重性能下降，其趋势下降了 69.9%，最新吞吐量降至 1.05 词元/秒。相反，deepseek-v4-flash 呈现出 15.5% 的积极趋势，峰值达到 154.18 词元/秒。数据缺失的限制影响了本次分析：nemotron-3-ultra 仅记录了 46 个有效样本，而非 48 个，导致其覆盖率降至 95.8%，而其他六个模型则保持了完整的 48 个样本覆盖率。
在四小时的时间窗口内，deepseek-v4-pro 的平均输出词元吞吐量最高，达到 105.69 词元/秒，而 nemotron-3-ultra 最低，为 13.14 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 95.0%，并降至 0.77 词元/秒的最低值。相比之下，deepseek-v4-pro 保持了最稳定的性能，变异系数为 14.0%。整体数据集覆盖率为 99.7%，涵盖 335 个有效数据点，但 nemotron-3-ultra 存在数据缺失问题，仅记录了 47 个样本而非预期的 48 个，导致其观测数据出现空缺。
在四小时的观察期间内，deepseek-v4-pro 取得了最强的平均吞吐量，达到 106.99 词元/秒，而 nemotron-3-ultra 最弱，为 13.72 词元/秒。最具操作意义的波动出现在 nemotron-3-ultra 中，其变异系数为 78.4%，并且在大部分时间窗口内徘徊于 10 词元/秒附近后，于 UTC 10:55 出现了飙升至 64.81 词元/秒的急剧吞吐量峰值。相比之下，deepseek-v4-pro 保持了最稳定的性能，变异系数仅为 15.4%。该数据集包含完整覆盖范围，在所有七个模型中拥有 336 个有效数据点，因此不存在影响该特定时间段的缺失数据限制。
在四小时的观察窗口内，deepseek-v4-pro实现了最高的平均吞吐量，达到105.82词元/秒，而nemotron-3-ultra表现最弱，为11.38词元/秒。最具操作意义的波动发生在nemotron-3-ultra内部，该模型表现出极端的不稳定性，变异系数为69.5%，且吞吐量频繁降至10词元/秒以下，尽管其起始值为45.46词元/秒。相比之下，deepseek-v4-pro保持了最稳定的性能，变异系数仅为16.1%。该数据集包含跨七个模型的336个有效观测值，覆盖率为100.0%，这意味着不存在影响本分析的缺失数据限制。
在四小时的时间窗口内，deepseek-v4-pro 的平均吞吐量最高，达到 106.06 词元/秒，而 nemotron-3-ultra 最低，为 16.65 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 上，其从 78.58 词元/秒的峰值跌至 2.46 词元/秒的最低值，变异系数为 102.1%，并伴随 54.8% 的严重下降趋势。相比之下，deepseek-v4-pro 保持稳定，变异系数为 16.4%。glm-5.2 也表现出显著的不稳定性，在 06:10 降至 21.35 词元/秒。该数据集包含 336 个有效观测值，覆盖率为 100.0%，因此没有任何缺失数据的局限性影响这一具体分析。
在四小时的时间窗口内，gemma4:31b 提供了最强的平均吞吐量，达到 115.32 词元/秒，而 nemotron-3-ultra 表现最弱，为 22.98 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，该模型在此期间下降了 62.4%，最新吞吐量为 8.19 词元/秒，变异系数为 87.6%。deepseek-v4-flash 呈现出截然相反的 13.4% 上升趋势，但依然高度波动，在 13.7 和 146.06 词元/秒之间摆动。该数据集包含跨七个模型的 336 个有效观测值，覆盖率达到 100.0%，因此不存在影响本分析的缺失数据限制。
在四小时的时间窗口内，gemma4:31b 的平均吞吐量最高，达到 115.75 词元/秒，而 nemotron-3-ultra 最低，为 31.28 词元/秒。最具运维意义的波动出现在 deepseek-v4-flash 中，其吞吐量从 149.62 词元/秒降至最低 13.7 词元/秒后回升，变异系数为 52.2%。Nemotron-3-ultra 也表现出严重的不稳定性，下降趋势达 42.1%，最终收于 7.15 词元/秒。相比之下，deepseek-v4-pro 始终最为稳定，平均吞吐量为 105.85 词元/秒，变异系数仅为 15.8%。该数据集涵盖七个模型的 336 个有效观测值，实现了 100.0% 的覆盖率，不存在缺失数据限制。
在四小时的观察窗口内，gemma4:31b 达到了 124.69 词元/秒的最高平均吞吐量，而 nemotron-3-ultra 表现最弱，为 34.62 词元/秒。最具操作意义的波动出现在 deepseek-v4-flash 中，该模型在 03:20 至 04:05 期间经历了从 149.62 词元/秒骤降至 13.7 词元/秒的严重吞吐量崩溃，反映出 51.6 的变异系数。Nemotron-3-ultra 也表现出极端的不稳定性，最低降至 3.69 词元/秒。该数据集包含跨七个模型的 336 个有效观测，覆盖率达到 100.0%，因此没有任何缺失数据的限制会影响这一特定分析窗口。
在四小时的时间窗口内，gemma4:31b 是表现最强的模型，平均吞吐量为 126.65 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 32.78 词元/秒。最具运维意义的波动出现在 deepseek-v4-flash 中，该模型从 02:35 的 132.42 词元/秒急剧下降至 04:05 的 13.7 词元/秒，随后在 04:45 恢复至 140.47 词元/秒。Nemotron-3-ultra 也表现出极端的不稳定性，在 02:45 触及 3.69 词元/秒的低点后，于 03:05 飙升至 94.97 词元/秒。该数据集包含跨七个模型的 336 个有效观测值。尽管覆盖率达到 100%，但五分钟的采样间隔限制了对亚分钟级延迟峰值或短暂微停顿的检测能力。
在四小时的观察窗口内，gemma4:31b 提供了最强的平均输出词元吞吐量，达到 118.25 词元/秒，而 nemotron-3-ultra 最弱，为 30.27 词元/秒。最具操作意义的波动出现在 deepseek-v4-flash 中，该模型在 03:30 UTC 之前保持了 89.54 词元/秒的平均值，随后遭遇严重的吞吐量崩溃，降至 18.16 词元/秒的最低值。Nemotron-3-ultra 也表现出极端的不稳定性，范围从 3.59 到 94.97 词元/秒，变异系数为 70.3%。该数据集包含跨七个模型的 336 个有效观测值，覆盖率为 100.0%，这意味着不存在影响本分析的缺失数据限制。
在四小时的时间窗口内，glm-5.2 提供了最高的平均吞吐量，达到 123.04 词元/秒，而 nemotron-3-ultra 表现最弱，为 29.26 词元/秒。最具操作意义的波动来自 glm-5.3-flash，它表现出极端的波动，包括 17.49 词元/秒的最小值和 152.6 词元/秒的最大值，反映出 39.3% 的变异系数。此外，nemotron-3-ultra 经历了严重的周期性下降，骤降至 3.59 词元/秒。该数据集包含跨七个模型的 336 个有效观测值，实现了 100.0% 的覆盖率。然而，存在数据缺失的局限性：该数据集缺乏任何并发请求量或并发指标，因此无法确定这些吞吐量波动是由变化的负载还是内部系统的不稳定性引起的。
在四小时的时间窗口内，glm-5.2 提供了最强的平均吞吐量，达到 129.67 词元/秒，而 nemotron-3-ultra 最弱，为 26.97 词元/秒。最具操作意义的波动来自 glm-5.3-flash，其从 17.49 词元/秒的最低值飙升至 149.62 词元/秒的最高值，产生了 42.5% 的变异系数和 55.7% 的上升趋势。Nemotron-3-ultra 也表现出极端的不稳定性，最低降至 1.73 词元/秒，变异系数为 90.6%。该数据集包含跨七个模型的 336 个有效观测值，覆盖率为 100.0%，因此不存在影响本分析的缺失数据限制。
在四小时的观察窗口内，glm-5.2 提供了最强的平均输出词元吞吐量，达到 127.97 词元/秒，而 nemotron-3-ultra 最弱，为 25.45 词元/秒。最具操作意义的波动来自 glm-5.3-flash，其吞吐量从 154.48 词元/秒急剧下降至 17.49 词元/秒，反映出 44.6% 的变异系数。同样，nemotron-3-ultra 表现出极端的不稳定性，在 1.73 词元/秒和 89.2 词元/秒之间波动。该数据集包含跨七个模型的 336 个有效观测值，实现了 100.0% 的覆盖率，没有缺失数据的限制。这一完整的数据集能够对模型吞吐量进行可靠的操作评估，且无任何数据缺口。
在四小时的观察窗口内，gemma4:31b 提供了最强的平均输出词元吞吐量，达到 124.01 词元/秒，而 nemotron-3-ultra 最弱，为 27.11 词元/秒。最具操作意义的波动来自 glm-5.3-flash，其经历了 51.7% 的下降趋势，从早期 150 词元/秒以上的峰值跌至 17.49 词元/秒的低点。Nemotron-3-ultra 也表现出极端的不稳定性，在 0.99 和 89.2 词元/秒之间震荡。该数据集包含跨七个模型的 336 个有效观测，覆盖率达到 100.0%，因此没有影响该特定时段的缺失数据限制。
在四小时的时间窗口内，gemma4:31b 提供了最强的平均吞吐量，达到 122.15 词元/秒，而 nemotron-3-ultra 表现最弱，为 21.86 词元/秒。最具运营意义的波动来自 glm-5.3-flash，其吞吐量从 21:20 的 154.48 词元/秒急剧下降至 21:30 的 52.44 词元/秒，导致 37.3% 的下降趋势。Nemotron-3-ultra 也表现出极端的不稳定性，在 0.99 和 85.99 词元/秒之间波动，变异系数为 115.1%。该数据集包含跨七个模型的 336 个有效观测值，覆盖率达到 100.0%，因此不存在影响本分析的缺失数据限制。