滚动四小时性能数据摘要
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。
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 123.12 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 21.18 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 102.7%，并降至 0.99 词元/秒的最低值。相比之下，deepseek-v4-pro 最为稳定，变异系数为 14.6%。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。
在四小时的时间窗口内，glm-5.3-flash 是表现最强的模型，平均吞吐量为 126.23 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 20.16 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 108.0%，并在 20:05 降至 0.99 词元/秒的最低值。此外，deepseek-v4-flash 也表现出显著的波动性，尽管平均值为 99.88 词元/秒，但最低降至 13.12 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-5.3-flash 的平均输出词元吞吐量最高，为 119.06 词元/秒，而 nemotron-3-ultra 最低，为 14.14 词元/秒。最具运营意义的波动出现在 deepseek-v4-flash 中，尽管其平均值为 94.22 词元/秒，但最低降至 13.12 词元/秒，导致变异系数为 30.6%。同样，gemma4:31b 经历了严重的单区间下降，降至 23.32 词元/秒，而其平均值为 117.8 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。
在四小时的观察窗口内，gemma4:31b 提供了最强的平均输出词元吞吐量，达到 115.76 词元/秒，而 nemotron-3-ultra 表现最弱，为 10.19 词元/秒。最具操作意义的波动出现在 nemotron-3-ultra 中，其表现出极端的不稳定性，变异系数为 96.9%，吞吐量波动范围从 1.63 到 46.49 词元/秒。相反，deepseek-v4-pro 保持了最稳定的性能，平均为 107.18 词元/秒，变异系数低至 11.2%。该数据集包含跨七个模型的 336 个有效观测值，实现了完全覆盖，没有缺失数据的限制。
在四小时的时间窗口内，gemma4:31b 提供了最强的平均输出词元吞吐量，达到 109.36 词元/秒，而 nemotron-3-ultra 最弱，为 7.26 词元/秒。最具运营意义的波动来自 glm-5.2，其表现出 34.5% 的上升趋势，变异系数为 31.3%，在 23.18 词元/秒的低点和 126.49 词元/秒的高点之间波动。相比之下，deepseek-v4-pro 保持了最稳定的性能，在其 105.42 词元/秒的平均值附近仅波动 11.9%。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。
在四小时的时间窗口内，deepseek-v4-pro 的平均吞吐量最高，达到 105.45 词元/秒，而 nemotron-3-ultra 最低，为 4.51 词元/秒。运维层面最显著的波动出现在 glm-5.2，其从 23.18 词元/秒的低点波动至 126.49 词元/秒的高点，变异系数为 33.0%，以及 deepseek-v4-flash，其在 15:45 骤降至 36.72 词元/秒。相比之下，deepseek-v4-pro 保持稳定，变异系数为 12.0%。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，无缺失数据限制。
在四小时的观察窗口内，glm-5.3-flash 以 105.25 词元/秒的平均输出词元吞吐量达到最强，而 nemotron-3-ultra 以 3.71 词元/秒为最弱。最具运营意义的波动出现在 glm-5.2 中，其变异系数高达 33.4%，并急剧下降至 23.18 词元/秒的最低值。相比之下，deepseek-v4-pro 保持了最稳定的性能，变异系数仅为 12.5%，平均为 102.33 词元/秒。该数据集包含跨七个模型的 336 个有效数据点，覆盖率达到 100.0%。然而，由于缺乏并发请求量数据，分析受到限制，无法将吞吐量下降与负载峰值进行关联。
在四小时的观察窗口内，glm-5.3-flash 是平均吞吐量最高的模型，达到 110.91 词元/秒，而 nemotron-3-ultra 是最低的，为 4.3 词元/秒。最具运维意义的趋势是 glm-5.2 吞吐量的急剧下降，其整体下降了 23.5%，并在 14:15 附近降至 23.18 词元/秒的低点。相比之下，deepseek-v4-pro 表现最为稳定，保持了 14.0% 的低变异系数，平均值为 100.01 词元/秒。该数据集包含跨七个模型的 336 个有效观测值，覆盖率达到 100.0%，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，glm-5.3-flash 实现了最强的平均输出词元吞吐量，达到 118.49 词元/秒，而 nemotron-3-ultra 最弱，为 4.65 词元/秒。在运营层面最具意义的趋势是临近该时段结束时出现了大范围的吞吐量下降，其中 glm-5.2 下降了 22.0%，nemotron-3-ultra 下降了 30.5%。此外，glm-5.2 表现出高波动性，范围从最低 27.58 词元/秒到最高 135.96 词元/秒。该数据集包含跨七个模型的 336 个有效观测值，覆盖率达到 100.0%，这意味着没有影响这一具体分析的缺失数据限制。
在四小时的观察窗口内，glm-5.3-flash 是表现最强的模型，平均吞吐量为 124.90 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 4.61 词元/秒。最具操作意义的波动出现在 glm-5.2 中，该模型经历了急剧的吞吐量下降，先是从 10:25 的 116.55 词元/秒降至 10:30 的 35.80 词元/秒，随后又从 12:15 的 97.32 词元/秒降至 12:20 的 31.22 词元/秒。Deepseek-v4-pro 表现出最稳定的性能，变异系数为 13.7%。该数据集实现了完整覆盖，所有模型共有 336 个有效数据点，因此不存在影响本分析的缺失数据限制。
在四小时的观察窗口内，glm-5.3-flash 是表现最强的模型，平均吞吐量为 120.05 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 4.34 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 48.0%，尽管呈 72.2% 的上升趋势，但最大吞吐量仅为 10.95 词元/秒。相比之下，deepseek-v4-pro 提供了最稳定的性能，平均保持 99.07 词元/秒，变异系数为 14.9%。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%，这意味着在此特定分析期间不存在影响分析的缺失数据限制。
在四小时的时间窗口内，glm-5.3-flash 的平均吞吐量最高，达到 120.97 词元/秒，而 nemotron-3-ultra 最低，为 3.93 词元/秒。在运行表现上，gemma4:31b 波动性较高，从 48.24 词元/秒的低点波动至 150.6 词元/秒的最高点，变异系数为 25.8%。此外，glm-5.3-flash 呈现出明显的上升趋势，在此期间增长了 22.0%。数据缺失的限制影响了 glm-5.3-flash，在预期的 48 个样本中仅有 37 个有效样本，覆盖率为 77.1%，而所有其他模型均拥有完整的 48 个样本。
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 115.06 词元/秒，而 nemotron-3-ultra 最弱，为 3.9 词元/秒。最具运营意义的趋势是 nemotron-3-ultra 下降了 31.0%，最新吞吐量为 3.24 词元/秒，表明出现了严重的性能下降。此外，gemma4:31b 表现出高波动性，从 165.59 词元/秒的最大值降至 48.24 词元/秒的最小值。本分析受到 glm-5.3-flash 数据缺失的限制，该模型仅收集了 48 个预期样本中的 25 个，覆盖率为 52.1%，限制了对该模型 112.04 词元/秒平均值的可见性。
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 115.53 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 8.18 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 128.5%，下行趋势为 71.1%，从最大值 58.32 词元/秒降至最新读数 2.48 词元/秒。相比之下，minimax-m3 表现出高稳定性，变异系数为 17.9%，平均值为 42.52 词元/秒。一个关键的数据缺失限制影响了 glm-5.3-flash，在预期的 48 个样本中仅有 13 个有效样本，限制了对其实际性能的可见性。
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 111.27 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 16.32 词元/秒。最具运维意义的趋势是 nemotron-3-ultra 出现了严重的性能下降，从早期 79.23 词元/秒的峰值骤降了 83.5%，跌至 2.59 词元/秒。此外，deepseek-v4-pro 表现出高波动性，变异系数为 32.5%，其中包括骤降至 10.88 词元/秒的情况。由于数据缺失，本分析存在局限性：glm-5.3-flash 的样本数为零，在 336 个预期数据点中仅有 282 个有效数据点，整体覆盖率为 83.9%。
在四小时的时间窗口内，deepseek-v4-flash 实现了最高的平均吞吐量，达到 109.47 词元/秒，而 nemotron-3-ultra 表现最弱，为 22.71 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 中，其变异系数为 85.4%，并呈现 61.2% 的严重下降趋势，从 79.23 词元/秒的峰值一路降至 07:00 时的仅 5.12 词元/秒。Deepseek-v4-pro 也表现出明显的不稳定性，其吞吐量在 04:55 时骤降至 10.88 词元/秒。该数据集包含跨六个模型的 288 个有效观测值，实现了 100.0% 的覆盖率，不存在任何缺失数据的限制。
在四小时的时间窗口内，deepseek-v4-flash 的平均吞吐量最高，达到 107.29 词元/秒，而 nemotron-3-ultra 表现最弱，为 27.72 词元/秒。最具运维意义的波动出现在 deepseek-v4-pro 中，尽管其平均值为 88.64 词元/秒，但最低降至 10.88 词元/秒；以及 nemotron-3-ultra 中，降至 4.7 词元/秒。相比之下，minimax-m3 最为稳定，平均为 43.23 词元/秒，变异系数低至 20.0%。该数据集包含跨六个模型的 288 个有效观测值，实现了 100.0% 的覆盖率，不存在缺失数据限制。
在四小时的时间窗口内，gemma4:31b 的平均输出词元吞吐量最高，达到 110.36 词元/秒，而 nemotron-3-ultra 表现最弱，为 24.34 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其表现出极端的不稳定性，变异系数为 78.8%，最低降至 0.76 词元/秒。相反，deepseek-v4-pro 呈现出 60.3% 的陡峭正增长趋势，从早期的低点攀升至 130.65 词元/秒的峰值。该数据集包含所有六个模型的 288 个有效观测值，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，gemma4:31b 的平均吞吐量最高，达到 116.55 词元/秒，而 nemotron-3-ultra 最弱，为 23.19 词元/秒。在运营层面最具显著性的波动是 glm-5.2 的吞吐量在 UTC 时间 01:10 至 01:30 之间发生严重崩溃，其输出从 13.19 词元/秒跌至最低 3.91 词元/秒后才恢复。Deepseek-v4-pro 也表现出极度的不稳定性，变异系数为 49.4%，并在 21.99 词元/秒和 130.65 词元/秒之间频繁波动。该数据集包含所有六个模型的 288 个有效观测值，实现了 100.0% 的覆盖率，不存在缺失数据的限制。
在四小时的时间窗口内，gemma4:31b 的平均吞吐量最高，达到 119.27 词元/秒，而 nemotron-3-ultra 最弱，为 17.82 词元/秒。最具运维意义的波动出现在 glm-5.2 中，该模型在 UTC 01:15 左右经历了严重的吞吐量崩溃，从 00:10 的 120.23 词元/秒跌至最低 3.91 词元/秒，随后部分恢复。Deepseek-v4-pro 也表现出极端的不稳定性，在整个时间段内于 121.97 词元/秒和 21.99 词元/秒之间波动。该数据集包含所有六个模型的 288 个有效观测值，实现了 100.0% 的覆盖率，无缺失数据限制。
在四小时的时间窗口内，gemma4:31b 提供了最强的平均输出词元吞吐量，达到 123.15 词元/秒，而 nemotron-3-ultra 最弱，为 11.97 词元/秒。最具操作意义的波动出现在 glm-5.2 中，该模型在 UTC 01:10 至 01:30 之间经历了严重的吞吐量崩溃，从 13.19 词元/秒跌至 3.91 词元/秒的低点。Deepseek-v4-pro 也表现出高度的不稳定性，呈下降趋势，降幅为 37.7%，后期读数为 25.34 词元/秒。相比之下，deepseek-v4-flash 保持了最稳定的性能，变异系数为 14.5%。该数据集包含 288 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，deepseek-v4-flash 的平均吞吐量最高，达到 120.0 词元/秒，而 nemotron-3-ultra 最低，为 15.99 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 121.4%，并降至 1.02 词元/秒。deepseek-v4-pro 也表现出不稳定性，尽管平均值为 84.73 词元/秒，却降至 23.19 词元/秒。deepseek-v4-flash 和 glm-5.2 分别呈上升趋势，增幅为 18.9% 和 16.8%。该数据集包含跨六个模型的 288 个有效观测值，实现了 100.0% 的覆盖率，没有缺失数据的限制。
在这四个小时的窗口期内，deepseek-v4-flash 是表现最强的模型，平均吞吐量为 116.92 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 13.0 词元/秒。最具运维意义的趋势是 nemotron-3-ultra 出现了严重的性能下降，从 66.02 词元/秒的峰值跌至 1.0 词元/秒左右的近乎零速率，随后在后期才有所恢复，导致其呈现 73.1% 的负增长趋势。此外，deepseek-v4-pro 表现出高波动性，变异系数为 33.4%，最低值为 5.11 词元/秒。该数据集包含 288 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 是平均吞吐量最高的模型，达到 114.8 词元/秒，而 nemotron-3-ultra 是最低的，仅为 14.68 词元/秒。最具运维意义的波动来自 nemotron-3-ultra，其变异系数为 116.9%，并呈现 -28.1% 的下降趋势，从 66.02 词元/秒的峰值一路跌至期末的仅 1.89 词元/秒。此外，deepseek-v4-pro 在 20:35 左右经历了严重的吞吐量下降，最低降至 5.11 词元/秒。该数据集包含涵盖所有六个模型的 288 个有效观测值，实现了 100.0% 的覆盖率，不存在缺失数据限制。
在四小时的时间窗口内，deepseek-v4-flash 的平均输出词元吞吐量最高，为 108.46 词元/秒，而 nemotron-3-ultra 最低，为 15.84 词元/秒。最具运营意义的波动是 nemotron-3-ultra 的极端不稳定性，其变异系数为 103.9%，吞吐量从 66.02 词元/秒的峰值骤降至 1.73 词元/秒。此外，deepseek-v4-pro 在 20:35 经历了严重的吞吐量下降，降至 5.11 词元/秒。该数据集包含跨六个模型的 288 个有效观测值，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，gemma4:31b 是表现最强的模型，平均吞吐量为 111.52 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 11.45 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，该模型表现出极端的不稳定性，变异系数为 114.1%，且出现高达 66.02 词元/秒的异常峰值。此外，deepseek-v4-pro 在 20:35 经历了严重的吞吐量下降，降至 5.11 词元/秒。该数据集包含跨六个模型的 288 个有效观测值，实现了完全覆盖，没有缺失数据的限制。
在四小时的时间窗口内，gemma4:31b 是最强的模型，平均吞吐量为 112.89 词元/秒，而 nemotron-3-ultra 是最弱的，为 11.07 词元/秒。最具运营意义的波动性来自 nemotron-3-ultra，其变异系数为 103.5%，并降至 2.09 词元/秒的最低值。相比之下，deepseek-v4-pro 表现出最高的稳定性，变异系数为 17.2%，平均为 86.3 词元/秒。该数据集包含跨六个模型的 288 个有效数据点，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，gemma4:31b 是表现最强的模型，平均吞吐量为 104.22 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 8.11 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 109.8%，趋势为 -44.0%，尽管峰值达到 51.96 词元/秒，但最低降至 0.4 词元/秒。相比之下，minimax-m3 最为稳定，平均吞吐量为 43.76 词元/秒，变异系数为 18.9%。该数据集包含跨六个模型的 288 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，gemma4:31b 的平均吞吐量最高，达到 110.15 词元/秒，而 nemotron-3-ultra 最低，为 7.19 词元/秒。在运营层面最具显著性的波动来自 nemotron-3-ultra，其在 0.4 和 51.96 词元/秒之间剧烈波动，变异系数为 129.6%。相比之下，minimax-m3 最为稳定，平均为 44.62 词元/秒，变异系数为 20.9%。Deepseek-v4-flash 和 glm-5.2 表现出中等程度的不稳定性，频繁降至 40 词元/秒以下。该数据集包含跨六个模型的 288 个有效观测值，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，gemma4:31b 的平均吞吐量最高，达到 106.84 词元/秒，而 nemotron-3-ultra 最低，为 12.89 词元/秒。最具运维意义的波动是 nemotron-3-ultra 从 13:05 的 79.73 词元/秒骤降至 15:45 的 0.40 词元/秒，致使其变异系数达到 130.7%。相反，glm-5.2 呈现出强劲的上升趋势，增长 22.7%，最终达到 63.97 词元/秒。数据集在所有模型预期的 288 个数据点中包含 287 个有效点，覆盖率达到 99.7%。本分析受限于 13:15 缺失的一次 minimax-m3 观测数据，导致该模型仅剩 47 个样本。
在四小时的时间窗口内，gemma4:31b 的平均吞吐量最高，达到 101.92 词元/秒，而 nemotron-3-ultra 最弱，为 15.98 词元/秒。最具运营意义的趋势是 nemotron-3-ultra 的严重性能下降，其吞吐量从 13:05 的 79.73 词元/秒峰值下降到 15:45 左右接近零的 0.4 词元/秒水平，反映出 87.9% 的下降趋势。此外，deepseek-v4-flash 表现出高波动性，在 14:45 降至 15.88 词元/秒后，于 15:55 飙升至 131.27 词元/秒。数据缺失限制影响了本次评估：minimax-m3 只有 47 个样本而不是 48 个，缺失了 13:15 UTC 的观测数据，与其他模型的完整数据相比，其覆盖率为 97.9%。
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 106.9 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 20.45 词元/秒。最具运维意义的趋势是 nemotron-3-ultra 的严重性能下降，从 13:05 的 79.73 词元/秒跌至 14:20 左右的近零水平，反映出 36.1% 的下降趋势。此外，deepseek-v4-flash 表现出高波动性，变异系数为 33.1%，包括骤降至 13.48 词元/秒和 15.88 词元/秒的情况。数据缺失限制影响了该数据集：minimax-m3 只有 46 个样本而非 48 个，完全缺失了 13:15 和 13:20 的观测数据，导致覆盖率为 95.8%。
在四小时的时间窗口内，gemma4:31b 的平均输出词元吞吐量最高，为 101.17 词元/秒，而 nemotron-3-ultra 最低，为 28.42 词元/秒。在运行层面最显著的波动出现在 nemotron-3-ultra 中，其表现出极端的不稳定性，变异系数为 78.6%，并急剧下降至 2.45 词元/秒的低点。此外，deepseek-v4-pro 呈现出明显的下降趋势，在此期间下降了 22.6%。数据缺失的限制影响了本次评估：minimax-m3 在预期的 48 个样本中仅记录到 47 个有效样本，覆盖率为 97.9%，导致其连续监测存在空缺。
在四小时的观察期内，gemma4:31b 是表现最强的模型，平均吞吐量为 100.98 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 31.74 词元/秒。最具操作意义的波动来自 nemotron-3-ultra，其变异系数为 75.7%，下降趋势为 36.1%，从早期峰值 110.59 词元/秒跌至 4.98 词元/秒的低点。这种高波动性表明吞吐量存在严重的不稳定性。该数据集包含六个模型的 288 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，gemma4:31b 是表现最强的模型，平均吞吐量为 100.95 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 34.95 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 74.3%，下降趋势为 31.9%，从早期 110.59 词元/秒的峰值降至最新读数 9.17 词元/秒。相比之下，deepseek-v4-pro 提供了最稳定的性能，平均保持 83.7 词元/秒，变异系数仅为 18.1%。该数据集包含所有六个模型的 288 个有效观测值，实现了 100% 的覆盖率，没有缺失数据的限制。
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 100.88 词元/秒，而 minimax-m3 是表现最弱的模型，为 43.57 词元/秒。最具运维意义的波动出现在 nemotron-3-ultra 中，其变异系数为 60.7%，频繁出现骤降至接近 6.83 词元/秒的情况，并且存在 23.8% 的负趋势。glm-5.2 也表现出不稳定性，在 09:10 时骤降至 8.99 词元/秒。该数据集不存在缺失数据的限制，因为所有六个模型在 48 个预期观测值中均保持了 48 个有效样本，实现了恰好 100.0% 的覆盖率。
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 103.65 词元/秒，而 minimax-m3 是表现最弱的模型，为 42.17 词元/秒。最具运维意义的波动出现在 nemotron-3-ultra 中，其变异系数为 56.7%，频繁急剧下降至接近 5 词元/秒，且呈 21.5% 的负增长趋势，最终仅为 6.83 词元/秒。相比之下，minimax-m3 保持相对稳定，变异系数为 23.9%。该数据集记录了六个模型的 288 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：该数据集完全缺乏并发请求量数据，无法将吞吐量下降与并发负载进行关联分析。
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 107.14 词元/秒，而 minimax-m3 是表现最弱的，为 41.99 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 57.7%，吞吐量波动从最低 4.85 词元/秒到最高 105.86 词元/秒。尽管存在这种波动，nemotron-3-ultra 呈现出 19.6% 的正向趋势，而 minimax-m3 则呈 13.6% 的下降趋势。数据集包含跨六个模型的 288 个有效数据点，覆盖率为 100.0%，这意味着在此期间没有需要报告的缺失数据限制。
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 107.04 词元/秒，而 minimax-m3 是表现最弱的，为 44.79 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 55.5%，吞吐量在 4.85 词元/秒的低点和 105.86 词元/秒的高点之间波动。这种不稳定的性能造成了不可预测的容量规划挑战。该数据集包含跨六个模型的 288 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，因为该数据集缺少此四小时窗口之外的观测值，导致无法对昼夜吞吐量模式进行任何评估。
在四小时的时间窗口内，gemma4:31b 的平均吞吐量最高，达到 103.52 词元/秒，而 nemotron-3-ultra 最低，为 41.07 词元/秒。在运行层面最具显著性的波动属于 nemotron-3-ultra，其从 4.85 词元/秒的低点波动至 105.86 词元/秒的高点，变异系数为 69.5%，表明其输出能力极不稳定。相比之下，minimax-m3 提供了最稳定的性能，平均为 45.43 词元/秒，变异系数仅为 19.1%。数据集覆盖完整，在预期的 288 个数据点中拥有 288 个有效点，因此不存在影响这一特定分析的缺失数据限制。
在四小时期间内，gemma4:31b 是表现最强的模型，平均吞吐量为 107.44 词元/秒，而 minimax-m3 是表现最弱的模型，为 44.64 词元/秒。最具运维意义的波动出现在 nemotron-3-ultra 中，其变异系数为 63.7%，吞吐量波动范围从最低 5.26 词元/秒到最高 94.13 词元/秒。相比之下，minimax-m3 表现出最稳定的性能，标准差为 7.28 词元/秒。该数据集包含跨六个模型的 288 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，因为该数据集仅以五分钟为间隔进行采集，完全忽略了会影响实时用户体验的子间隔延迟下降或微突发。
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 111.39 词元/秒，而 minimax-m3 是表现最弱的模型，为 44.4 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 中，其变异系数为 64.8%，吞吐量从最低 5.26 词元/秒波动至最高 109.5 词元/秒。deepseek-v4-flash 也表现出明显的不稳定性，在 02:05 左右降至 6.57 词元/秒，随后才恢复。该数据集包含跨六个模型的 288 个有效观测值，实现了 100.0% 的覆盖率，在每模型预期的 48 个样本上没有缺失数据的限制。
在四小时的时间窗口内，gemma4:31b 的平均吞吐量最高，达到 116.3 词元/秒，而 nemotron-3-ultra 表现最弱，为 43.33 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其表现出极端的不稳定性，变异系数为 66.4%，并急剧下降至 5.69 词元/秒的最低值。同样，deepseek-v4-flash 在 02:05 UTC 前后经历了严重的吞吐量下降，降至 6.57 词元/秒。所有六个模型均记录了完整数据，每个模型都收集了预期的 48 个样本中的 48 个，覆盖率达到 100.0%，不存在缺失数据的限制。总体吞吐量在该时段末期出现下降，最新测量值显示 nemotron-3-ultra 降至 18.93 词元/秒，deepseek-v4-flash 降至 20.59 词元/秒。
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 116.87 词元/秒，而 minimax-m3 是表现最弱的模型，为 45.52 词元/秒。最具运维意义的波动来自 nemotron-3-ultra，其表现出极端的不稳定性，变异系数为 73.0%，在 3.13 词元/秒的低点和 150.01 词元/秒的高点之间剧烈波动。同样，deepseek-v4-flash 在 02:05 UTC 左右遭遇了严重的吞吐量下降，降至 6.57 词元/秒。本分析受限于数据缺失问题；每个模型在预期的 48 个样本中记录了 46 个有效样本，覆盖率为 95.8%，导致滚动时间线中存在微小的空缺。
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 115.28 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 36.26 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 109.1%，并在 1.93 词元/秒的最小值和 150.01 词元/秒的最大值之间剧烈波动。这种极端的不稳定性与 glm-5.2 等更稳定的模型形成对比，后者平均为 110.99 词元/秒，变异系数仅为 17.5%。数据缺失的限制影响了本次评估，因为每个模型在预期的 48 个样本中只有 46 个有效样本，覆盖率为 95.8%，导致五分钟观察时间线中存在微小的空缺。
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 113.61 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 27.4 词元/秒。最具操作意义的波动来自 nemotron-3-ultra，其变异系数为 142.2%，吞吐量在最低 1.81 词元/秒到最高 150.01 词元/秒之间波动。相比之下，minimax-m3 最为稳定，变异系数为 16.8%，平均吞吐量为 48.75 词元/秒。数据缺失限制影响了该数据集，因为每个模型在预期的 48 个样本中只有 46 个有效样本，覆盖率为 95.8%。
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 111.03 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 21.43 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 153.0%，最低吞吐量为 1.81 词元/秒，尽管后期飙升至 150.01 词元/秒。相比之下，minimax-m3 最为稳定，平均吞吐量保持在 49.06 词元/秒，变异系数仅为 18.2%。该数据集受限于缺失的观测值；每个模型在预期的 48 个样本中记录了 45 个有效样本，覆盖率为 93.8%。
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 107.52 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 28.58 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 81.1%，下行趋势为 40.6%，从 98.91 词元/秒的峰值降至仅 3.34 词元/秒的最终观测值。同样，deepseek-v4-flash 也表现出高度的不稳定性，变异系数为 47.5%，且频繁出现跌破 30 词元/秒的急剧下降。该数据集包含所有模型的 288 个有效观测值，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，gemma4:31b 的平均输出词元吞吐量最高，为 95.83 词元/秒，而 nemotron-3-ultra 最低，为 36.9 词元/秒。最具运营意义的波动出现在 deepseek-v4-flash 中，其吞吐量从 19:55 的 95.72 词元/秒急剧下降至 20:35 的 12.87 词元/秒，随后在 20:55 恢复至 93.53 词元/秒。这种不稳定性反映在其高达 41.6% 的变异系数上。该数据集包含跨六个模型的 288 个有效观测值，实现了 100.0% 的覆盖率，不存在缺失数据限制。