滚动四小时性能数据摘要
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。
在四小时的时间窗口内，glm-5.2 提供了最强的平均输出词元吞吐量，达到 87.74 词元/秒，而 nemotron-3-ultra 最弱，为 35.81 词元/秒。最具操作意义的波动出现在 gemma4:31b 中，其从 16:20 的 5.82 词元/秒低点跃升至 17:25 的 143.24 词元/秒高点，产生了 63.9% 的变异系数。Deepseek-v4-pro 也表现出严重的不稳定性，在 17:45 降至 2.92 词元/秒。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，glm-5.2 是按平均吞吐量计算的最强模型，达到 82.3 词元/秒，而 nemotron-3-ultra 是最弱的，为 32.37 词元/秒。最具操作意义的波动来自 gemma4:31b，它呈现出高达 478.5% 的上升趋势，从窗口初期的 5.82 词元/秒低点跃升至 153.29 词元/秒的峰值。相比之下，minimax-m3 保持高度稳定，平均为 45.84 词元/秒，变异系数低至 19.8%。该数据集包含 288 个有效观测值，在所有六个模型中实现了 100.0% 的覆盖率，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 提供了最强的平均输出词元吞吐量，达到 72.48 词元/秒，而 gemma4:31b 最弱，为 30.02 词元/秒。最具运营意义的波动出现在 deepseek-v4-flash 中，其吞吐量从 15:25 的 92.29 词元/秒急剧下降至 15:35 的 4.23 词元/秒。同样，deepseek-v4-pro 在 17:45 经历了一次严重的单区间下降，降至 2.92 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。这一完整的数据集能够可靠地观测极端的吞吐量波动，包括 gemma4:31b 在 17:25 飙升至 143.24 词元/秒。
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，为 74.36 词元/秒，而 gemma4:31b 最低，为 13.26 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 中，其从 13:15 的 115.84 词元/秒下降至 14:20 的 1.93 词元/秒，变异系数为 85.7%。同样，deepseek-v4-flash 也经历了严重的不稳定，从 14:15 的 101.82 词元/秒骤降至 15:35 的 4.23 词元/秒。该数据集包含 288 个有效观测值，在所有六个模型中实现了 100.0% 的覆盖率，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 提供了最强的平均输出词元吞吐量，达到 73.1 词元/秒，而 gemma4:31b 最弱，为 14.64 词元/秒。最具操作意义的波动出现在 nemotron-3-ultra 中，其从 1.93 词元/秒的低点波动至 115.84 词元/秒的高点，变异系数为 91.7%，表明存在严重的不稳定性。Deepseek-v4-flash 也表现出显著的波动性，在 15:35 附近降至 4.23 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，glm-5.2 提供了最强的平均输出词元吞吐量，达到 73.08 词元/秒，而 gemma4:31b 最弱，为 23.64 词元/秒。最具操作意义的波动出现在 nemotron-3-ultra 中，尽管其平均值为 30.51 词元/秒，但降至 1.93 词元/秒；以及 gemma4:31b，其从初始的 114.14 词元/秒下降了 68.3%，跌至 7.2 词元/秒的低点。相比之下，minimax-m3 保持了最稳定的性能，平均为 44.26 词元/秒，变异系数为 22.4%。该数据集包含跨六个模型的 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，glm-5.2 是平均吞吐量最高的模型，达到 77.79 词元/秒，而 nemotron-3-ultra 是最低的，为 32.87 词元/秒。最具运维意义的波动来自 gemma4:31b，其变异系数为 85.8%，下行趋势为 -77.5%，从 140.22 词元/秒的峰值降至 7.2 词元/秒的最新读数。Nemotron-3-ultra 也表现出严重的不稳定性，最低降至 2.24 词元/秒。相比之下，minimax-m3 是最稳定的模型，平均为 42.32 词元/秒，变异系数仅为 20.6%。该数据集的覆盖率为 100.0%，包含 288 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 的平均吞吐量最高，达到 74.9 词元/秒，而 nemotron-3-ultra 表现最弱，为 27.15 词元/秒。在运行方面，gemma4:31b 表现出最显著的波动性和下降趋势，从 140.22 词元/秒的峰值降至 9.43 词元/秒的低谷，反映出 46.6% 的趋势下降。Nemotron-3-ultra 也表现出极端的不稳定性，变异系数高达 95.7%，在 12:25 附近经常跌破 3 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，没有缺失数据的限制。
在这四个小时的窗口期内，deepseek-v4-pro 的平均输出词元吞吐量最高，达到 75.45 词元/秒，而 nemotron-3-ultra 表现最弱，为 29.67 词元/秒。最具运维意义的波动来自 nemotron-3-ultra，其在 1.82 和 108.64 词元/秒之间波动，变异系数为 98.6%，表明生成速度极不稳定。相比之下，minimax-m3 提供了最稳定的性能，平均为 43.17 词元/秒，变异系数仅为 17.1%。该数据集包含完整的观测数据，覆盖率达到 100.0%，在所有 288 个有效数据点上均无缺失数据限制，为本次评估提供了可靠的基础。
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，为 76.2 词元/秒，而 nemotron-3-ultra 最低，为 25.28 词元/秒。最具运行意义的波动来自 nemotron-3-ultra，其范围从 1.82 到 96.1 词元/秒，变异系数为 99.8%，包括在 08:40 到 09:10 之间持续下降至接近零的速率。deepseek-v4-flash 也表现出不稳定性，降至 9.02 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，deepseek-v4-pro 提供了最强的平均吞吐量，达到 74.58 词元/秒，而 nemotron-3-ultra 最弱，为 21.6 词元/秒。最具操作意义的波动出现在 nemotron-3-ultra 中，该模型在 UTC 时间 08:40 至 09:15 期间从 93.93 词元/秒的峰值跌至接近 1.82 词元/秒的持续低点，导致变异系数达到 100.7%。相比之下，minimax-m3 保持了最稳定的性能，平均为 41.96 词元/秒，标准差仅为 6.95 词元/秒。该数据集包含 288 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 提供了最强的平均输出词元吞吐量，达到 88.54 词元/秒，而 nemotron-3-ultra 最弱，为 27.03 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 93.0%，并急剧下降至 2.0 词元/秒的最低值。此外，所有六个模型在观测期间均呈现负吞吐量趋势，其中 nemotron-3-ultra 下降了 32.5%，gemma4:31b 下降了 25.9%。数据集包含 288 个有效观测值，在所有模型中实现了 100.0% 的覆盖率，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 的平均输出词元吞吐量最高，为 91.61 词元/秒，而 nemotron-3-ultra 最低，为 33.86 词元/秒。最具运维意义的波动出现在 nemotron-3-ultra 上，其从早期 109.19 词元/秒的峰值下降至 05:25 至 05:50 期间接近 2.74 词元/秒的持续低点，反映出 87.8% 的变异系数和 64.6% 的负趋势。gemma4:31b 也表现出明显的不稳定性，在 27.19 和 155.32 词元/秒之间波动。该数据集包含 288 个有效数据点，覆盖率为 100.0%，因此不存在缺失数据限制影响这一特定分析。
在这四个小时的窗口期内，glm-5.2 提供了最强的平均吞吐量，达到 96.13 词元/秒，而 nemotron-3-ultra 最弱，为 31.59 词元/秒。最具操作意义的波动属于 nemotron-3-ultra，其从 1.9 词元/秒的低点波动至 109.19 词元/秒的高点，导致变异系数达到 96.7%。这种极端的不稳定性与 minimax-m3 形成对比，后者围绕其 45.11 词元/秒的平均值保持了更稳定的性能。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。所有模型均报告了完整的样本计数，为该时期的输出词元吞吐量提供了完全可靠的视图。
在四小时的时间窗口内，glm-5.2 提供了最强的平均输出词元吞吐量，达到 95.47 词元/秒，而 nemotron-3-ultra 最弱，为 38.14 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 77.2%，在飙升至 109.19 词元/秒之前，曾降至 1.9 词元/秒的低点。相比之下，minimax-m3 保持了最稳定的性能，平均为 45.97 词元/秒，标准差仅为 8.2 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 是表现最强的模型，平均吞吐量为 98.03 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 36.01 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 78.6%，并降至 1.9 词元/秒的最低值。相反，deepseek-v4-flash 呈现出 37.8% 的显著上升趋势，从早期的低点升至 59.56 词元/秒的最新吞吐量。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。由于数据缺少并发请求计数，吞吐量下降无法明确归因于容量限制。
在四小时的时间窗口内，glm-5.2 是表现最强的模型，平均吞吐量为 100.04 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 30.33 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 82.2%，并降至 1.9 词元/秒的最低值。Deepseek-v4-pro 也表现出严重的不稳定性，尽管平均为 81.7 词元/秒，但在 00:25 时骤降至 0.61 词元/秒。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，glm-5.2 的平均输出词元吞吐量最高，达到 96.0 词元/秒，而 nemotron-3-ultra 最低，为 36.58 词元/秒。最具运行意义的波动出现在 deepseek-v4-pro 和 deepseek-v4-flash 中，两者的吞吐量分别大幅下降至 0.61 词元/秒和 8.2 词元/秒，表明存在间歇性的处理停滞。此外，nemotron-3-ultra 表现出极端的不稳定性，变异系数为 72.2%。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。这一完整样本集证实所有模型在整个监控期间均保持了连续报告。
在四小时的时间窗口内，glm-5.2 的平均吞吐量最高，达到 98.22 词元/秒，而 nemotron-3-ultra 表现最弱，为 34.73 词元/秒。最具运维意义的波动出现在 deepseek-v4-pro 中，尽管其平均吞吐量为 84.16 词元/秒，但在 00:25 时吞吐量却严重下降至 0.61 词元/秒。同样，glm-5.2 在 23:45 时短暂骤降至 12.74 词元/秒。尽管数据集报告在所有 288 个有效观测中实现了 100.0% 的覆盖率，但由于缺乏缺失数据的上下文，本分析存在局限性，这意味着这些极端的吞吐量下降无法归因于特定的服务中断或数据采集缺口。
在四小时的时间窗口内，glm-5.2 以 88.49 词元/秒的平均输出词元吞吐量表现最强，而 nemotron-3-ultra 以 37.46 词元/秒表现最弱。最具操作意义的波动出现在 deepseek-v4-flash 和 nemotron-3-ultra 中，它们表现出极端的起伏；nemotron-3-ultra 在 5.5 词元/秒的低点和 118.14 词元/秒的高点之间波动，变异系数为 77.2%。相比之下，minimax-m3 保持了最稳定的性能，平均为 53.43 词元/秒，标准差仅为 9.06 词元/秒。该数据集包含 288 个有效观测值，实现了 100.0% 的覆盖率，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 88.24 词元/秒的平均输出词元吞吐量表现最强，而 nemotron-3-ultra 以 35.65 词元/秒表现最弱。最具运营意义的波动出现在 deepseek-v4-flash 和 nemotron-3-ultra 中，两者表现出剧烈的摆动；nemotron-3-ultra 在 5.67 和 118.14 词元/秒之间波动，deepseek-v4-flash 则降至 2.77 词元/秒。相比之下，minimax-m3 保持了最稳定的性能，平均为 53.25 词元/秒，变异系数低至 14.9%。数据集包含所有六个模型的 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，glm-5.2 提供了最强的平均吞吐量，达到 81.8 词元/秒，而 gemma4:31b 最弱，为 33.38 词元/秒。最具操作意义的波动出现在 deepseek-v4-flash 中，其表现出在 2.77 和 112.11 词元/秒之间的极端波动以及 30.7% 的负趋势，与平均 53.36 词元/秒且变异系数为 14.8% 的稳定 minimax-m3 形成鲜明对比。尽管跨 288 个有效点的整体数据集覆盖率为 100.0%，但五分钟的聚合间隔掩盖了子间隔的延迟峰值，限制了对短暂吞吐量下降的可见性。
在这四小时的时间窗口内，glm-5.2 提供了最强的平均输出词元吞吐量，达到 80.82 词元/秒，而 nemotron-3-ultra 最弱，为 28.5 词元/秒。最具操作意义的波动出现在 gemma4:31b 中，其吞吐量从 18:50 的 18.13 词元/秒激增至 18:40 的 115.42 词元/秒，导致其变异系数高达 60.9%。相比之下，minimax-m3 保持了最稳定的性能，平均为 51.19 词元/秒，标准差仅为 9.28 词元/秒。该数据集包含 288 个有效观测值，在所有六个模型中实现了 100.0% 的覆盖率，这意味着没有影响这一特定分析的缺失数据限制。
在四小时的观察窗口内，glm-5.2 以 75.15 词元/秒的平均输出词元吞吐量表现最强，而 gemma4:31b 以 24.55 词元/秒表现最弱。最具操作意义的波动出现在 deepseek-v4-flash 中，其在 9.81 和 104.02 词元/秒之间表现出剧烈波动，反映出 50.6% 的变异系数。同样，gemma4:31b 显示出高度不稳定性，在骤降至 9.29 词元/秒后又飙升至 115.42 词元/秒。相比之下，minimax-m3 保持了最稳定的性能，在 28.61 和 64.12 词元/秒之间窄幅波动。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，没有影响吞吐量分析的缺失数据限制。
在四小时的时间窗口内，glm-5.2 的平均输出词元吞吐量最高，达到 71.78 词元/秒，而 gemma4:31b 表现最弱，为 15.05 词元/秒。最具运维意义的波动出现在 deepseek-v4-flash 中，其从 111.71 词元/秒的峰值跌至 4.05 词元/秒的低谷，反映出 77.9% 的变异系数和 -53.7% 的趋势。同样，nemotron-3-ultra 表现出极端的不稳定性，变异系数为 79.5%。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，且无缺失数据限制。
在四小时的时间窗口内，glm-5.2 的平均输出词元吞吐量最高，为 76.35 词元/秒，而 gemma4:31b 最低，为 15.52 词元/秒。最具运营意义的趋势是 deepseek-v4-flash 下降了 44.3%，从早期峰值 111.71 词元/秒跌至最新读数 4.05 词元/秒，同时伴随高波动性，变异系数为 71.9%。Nemotron-3-ultra 也表现出严重波动，在 3.62 和 85.73 词元/秒之间摆动。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，无缺失数据限制。
在四小时的时间窗口内，glm-5.2 是平均吞吐量最强的模型，达到 80.3 词元/秒，以微弱优势击败了 80.22 词元/秒的 deepseek-v4-pro。最弱的是 gemma4:31b，为 15.9 词元/秒。最具操作意义的波动性出现在 nemotron-3-ultra 中，其变异系数为 70.1%，吞吐量在 3.62 到 86.45 词元/秒之间波动。Deepseek-v4-flash 也表现出高度不稳定性，变异系数为 51.8%，并降至 9.37 词元/秒。该数据集记录了六个模型的 288 个有效数据点，覆盖率为 100.0%，因此不存在影响该特定时间间隔的缺失数据限制。
在这四小时的窗口期内，deepseek-v4-pro 的平均输出词元吞吐量最高，达到 84.19 词元/秒，而 gemma4:31b 最低，为 14.1 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 中，其从 93.25 词元/秒的峰值跌至 3.62 词元/秒的低谷，变异系数为 68.2%，同时呈现 24.9% 的负趋势。deepseek-v4-flash 也表现出高度不稳定性，范围从 9.37 到 113.57 词元/秒。该数据集包含完整覆盖，拥有 288 个有效数据点，且无缺失数据限制。
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，为 84.69 词元/秒，而 gemma4:31b 最低，为 16.22 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 中，其整体下降了 10.3%，并在 3.62 和 102.0 词元/秒之间剧烈波动，变异系数为 65.2%。deepseek-v4-flash 也表现出不稳定性，尽管平均为 57.82 词元/秒，但最低降至 9.47 词元/秒。该数据集包含跨六个模型的 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-pro 的平均吞吐量最高，为 84.24 词元/秒，而 gemma4:31b 最低，为 16.89 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 中，其在 5.92 和 102.0 词元/秒之间波动，变异系数为 67.3%，以及 deepseek-v4-flash，其范围从 11.27 到 113.57 词元/秒。这种极端的波动表明输出生成高度不稳定。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。虽然预期样本不存在缺失数据的限制，但数据集缺乏并发请求计数，无法分析负载如何影响这些吞吐量变化。
在四小时的时间窗口内，deepseek-v4-pro 提供了最强的平均输出词元吞吐量，达到 83.75 词元/秒，而 gemma4:31b 最弱，为 17.45 词元/秒。最具操作意义的波动出现在 nemotron-3-ultra 中，其范围从 4.83 到 102.0 词元/秒，变异系数为 69.3%，表明尽管有 57.7% 的正向趋势，生成速度仍高度不稳定。Deepseek-v4-flash 也表现出显著的不稳定性，降至 11.27 词元/秒。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。所有模型均准确记录了 48 个样本，与预期数量完全匹配。
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 88.6 词元/秒，而 gemma4:31b 最弱，为 19.45 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 中，其在 4.83 和 102.0 词元/秒之间剧烈波动，变异系数为 66.2%。Deepseek-v4-flash 也表现出极端的不稳定性，最低降至 7.16 词元/秒。大多数模型表现出负趋势百分比，表明吞吐量在时段末呈下降趋势。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，glm-5.2 提供了最强的平均输出词元吞吐量，达到 90.41 词元/秒，而 gemma4:31b 最弱，为 20.45 词元/秒。最具操作意义的波动出现在 nemotron-3-ultra 中，该模型在此期间下降了 48.7%，并触及 4.83 词元/秒的低点，同时变异系数为 64.6%。deepseek-v4-flash 也表现出不稳定性，在 7.16 和 103.08 词元/秒之间波动。数据集记录了六个模型的 288 个有效数据点，覆盖率为 100.0%，因此没有任何缺失数据的限制影响这一特定区间。
在四小时的时间窗口内，glm-5.2 提供了最高的平均输出词元吞吐量，达到 93.81 词元/秒，而 gemma4:31b 表现最弱，为 28.48 词元/秒。最具运营意义的波动出现在 gemma4:31b 中，该模型飙升至 144.09 词元/秒，随后呈下降趋势，降幅为 54.0%，最新读数为 15.77 词元/秒。相比之下，minimax-m3 保持了最稳定的性能，平均为 44.6 词元/秒，变异系数较低，为 18.8%。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。由于数据集缺乏并发请求并发数，吞吐量下降无法明确归因于排队或容量限制。
在四小时的时间窗口内，glm-5.2 提供了最强的平均输出词元吞吐量，达到 92.06 词元/秒，而 gemma4:31b 最弱，为 39.82 词元/秒。最具操作意义的波动出现在 gemma4:31b 中，其总体下降了 61.5%，从接近 144.09 词元/秒的早期峰值跌至 16.55 词元/秒的最新读数。相比之下，minimax-m3 保持稳定，变异系数为 21.3%，平均值为 47.4 词元/秒。该数据集包含 288 个有效观测值，在所有模型中实现了 100.0% 的覆盖率，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 提供了最高的平均输出词元吞吐量，达到 90.71 词元/秒，而 gemma4:31b 表现最弱，为 41.22 词元/秒。在运行方面，吞吐量波动非常显著，gemma4:31b 和 nemotron-3-ultra 表现出极端的起伏；nemotron-3-ultra 在 8.47 词元/秒的低点和 98.43 词元/秒的高点之间波动，变异系数为 57.0%。Deepseek-v4-pro 显示出最积极的运行趋势，增长了 10.8%，最新吞吐量达到 99.99 词元/秒。该数据集包含 288 个有效观测值，覆盖率为 100.0%，这意味着没有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 是表现最强的模型，平均吞吐量为 93.27 词元/秒，而 minimax-m3 是表现最弱的，为 47.42 词元/秒。最具运维意义的波动出现在 gemma4:31b 中，其变异系数为 72.4%，吞吐量在最低 8.86 词元/秒到最高 144.09 词元/秒之间波动。Deepseek-v4-flash 也表现出明显的不稳定性，降至 11.03 词元/秒后达到 129.57 词元/秒。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，glm-5.2 是表现最强的模型，平均吞吐量为 97.3 词元/秒，而 minimax-m3 是表现最弱的模型，为 50.64 词元/秒。最具运维意义的波动出现在 gemma4:31b 中，其变异系数为 71.9%，呈 32.1% 的负增长趋势，从 152.72 词元/秒的峰值跌至 8.86 词元/秒的低谷。Deepseek-v4-flash 和 nemotron-3-ultra 也表现出高波动性，变异系数分别为 48.3% 和 55.1%。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，glm-5.2 是表现最强的模型，平均吞吐量为 108.85 词元/秒，而 minimax-m3 是表现最弱的，为 53.27 词元/秒。最具运营意义的波动来自 gemma4:31b，其变异系数为 50.1%，呈 28.0% 的负趋势，在时段后期从 159.57 词元/秒的峰值跌至 17.18 词元/秒的低点。deepseek-v4-flash 也表现出严重的不稳定性，范围从 9.94 到 119.26 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，glm-5.2 是表现最强的模型，平均吞吐量为 111.46 词元/秒，而 minimax-m3 是表现最弱的，为 53.11 词元/秒。最具运维意义的波动出现在 deepseek-v4-flash 和 nemotron-3-ultra 中，它们表现出极端的吞吐量波动；nemotron-3-ultra 降至最低 3.98 词元/秒，deepseek-v4-flash 降至 9.94 词元/秒。这种波动表明这些特定模型的输出生成高度不稳定。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。由于数据集不存在任何缺失数据的限制，观测到的吞吐量模式完全代表了完整的四小时监控期，没有间断。
在四小时的观察窗口内，glm-5.2 是表现最强的模型，平均吞吐量为 110.8 词元/秒，而 minimax-m3 是表现最弱的模型，为 50.49 词元/秒。最具操作意义的波动出现在 nemotron-3-ultra 和 deepseek-v4-flash 中，它们表现出严重的吞吐量不稳定性。Nemotron-3-ultra 在 3.98 和 134.94 词元/秒之间剧烈波动，变异系数为 56.0%，而 deepseek-v4-flash 尽管达到了 113.04 词元/秒，却跌至 11.47 词元/秒的低点。相比之下，glm-5.2 保持了最稳定的性能。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，glm-5.2 是表现最强的模型，平均吞吐量为 107.51 词元/秒，而 minimax-m3 是表现最弱的，为 48.67 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其表现出在 3.98 和 134.94 词元/秒之间的极端波动，尽管呈现 71.9% 的上升趋势，其变异系数仍达到 66.6%。相比之下，glm-5.2 保持了最稳定的性能，变异系数仅为 14.8%。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，glm-5.2 是表现最强的模型，平均吞吐量为 105.67 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 41.8 词元/秒。最具操作意义的波动来自 nemotron-3-ultra，其变异系数为 75.1%，并在 3.98 和 106.45 词元/秒之间波动。deepseek-v4-flash 也表现出不稳定性，降至 6.13 词元/秒。相比之下，glm-5.2 保持了最稳定的性能，变异系数仅为 14.7%。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，glm-5.2 是表现最强的模型，平均吞吐量为 103.62 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 39.17 词元/秒。最具运维意义的波动来自 nemotron-3-ultra 和 deepseek-v4-flash，它们表现出极端的吞吐量波动；nemotron-3-ultra 在 7.08 和 106.45 词元/秒之间波动，变异系数为 68.9%，而 deepseek-v4-flash 的范围从 6.13 到 119.9 词元/秒。相比之下，glm-5.2 保持了最稳定的性能，仅在 63.75 到 138.13 词元/秒之间变化。该数据集不存在缺失数据的限制，因为所有六个模型在 288 次有效观测中均报告了完整的 100.0% 覆盖率。
在四小时的时间窗口内，glm-5.2 是表现最强的模型，平均吞吐量为 97.11 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 30.36 词元/秒。最具运维意义的波动来自 gemma4:31b，其在 6.18 词元/秒的最小值和 135.6 词元/秒的最大值之间剧烈波动，导致变异系数为 72.5%。同样，deepseek-v4-flash 表现出极端的不稳定性，降至 6.13 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，glm-5.2 提供了最强的平均吞吐量，达到 95.74 词元/秒，而 nemotron-3-ultra 最弱，为 27.42 词元/秒。最具操作意义的波动出现在 gemma4:31b 中，其吞吐量从 13:05 的 112.14 词元/秒急剧下降至 15:50 的 6.18 词元/秒低点，导致变异系数为 67.5%。相比之下，minimax-m3 保持稳定，平均值为 43.65 词元/秒，变异系数为 20.8%。该数据集包含跨六个模型的 288 个有效观测值，覆盖率为 100.0%，因此没有任何缺失数据的限制影响本次具体审查。
在四小时的时间窗口内，glm-5.2 以 96.58 词元/秒的平均输出词元吞吐量表现最强，而 nemotron-3-ultra 以 22.45 词元/秒表现最弱。最具运营意义的波动出现在 gemma4:31b 中，其范围从 5.89 到 145.23 词元/秒，变异系数为 79.7%，趋势为 -58.8%，表明吞吐量随时间严重下降。相比之下，minimax-m3 保持了最稳定的性能，平均为 45.12 词元/秒，变异系数为 19.2%。尽管数据集报告所有 288 个有效点的覆盖率为 100.0%，但本分析受限于缺乏并发请求量数据，无法将吞吐量下降与负载峰值进行关联。
在四小时的时间窗口内，glm-5.2 是平均吞吐量最高的模型，达到 102.18 词元/秒，而 nemotron-3-ultra 是最低的，为 22.67 词元/秒。最具运维意义的波动出现在 gemma4:31b 中，其变异系数为 70.6%，吞吐量从最低 5.89 词元/秒波动至最高 145.23 词元/秒。Deepseek-v4-flash 也表现出明显的不稳定性，尽管平均吞吐量为 60.63 词元/秒，但在 14:35 时降至 6.18 词元/秒。该数据集记录了六个模型的 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。
在这四小时的时间窗口内，glm-5.2 提供了最强的平均输出词元吞吐量，达到 105.85 词元/秒，而 nemotron-3-ultra 最弱，为 26.57 词元/秒。最具操作意义的波动出现在 gemma4:31b 中，其在 171.29 词元/秒的高点和 5.89 词元/秒的低点之间剧烈波动，变异系数为 66.0%。相比之下，minimax-m3 保持了最稳定的性能，平均为 43.85 词元/秒，变异系数为 16.5%。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。