滚动四小时性能数据摘要
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。
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 108.03 词元/秒，而 nemotron-3-ultra 最弱，为 27.18 词元/秒。最具操作意义的波动出现在 gemma4:31b 中，其从 171.29 词元/秒的峰值急剧下降至 5.89 词元/秒，随后部分恢复，反映出 61.2% 的变异系数。相比之下，minimax-m3 保持了最稳定的性能，平均为 45.43 词元/秒，变异系数低至 15.1%。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。
在四小时的观察窗口内，glm-5.2 表现出最强的平均输出词元吞吐量，达到 110.35 词元/秒，而 nemotron-3-ultra 最弱，为 29.03 词元/秒。最具运维意义的波动出现在 gemma4:31b 中，该模型从 UTC 11:00 左右开始出现严重的吞吐量下降，从 10:55 的约 107.54 词元/秒跌至 12:00 的 16.03 词元/秒低点。这种急剧的性能下降与其在 10:25 达到 171.29 词元/秒的早期峰值形成了鲜明对比。数据集包含完整的遥测数据，在所有 288 次有效观测中覆盖率达到 100.0%，这意味着不存在影响本次具体性能评估的缺失数据限制。
在四小时的时间窗口内，glm-5.2 的平均吞吐量最高，达到 110.81 词元/秒，而 nemotron-3-ultra 最低，为 32.23 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其范围从 3.14 到 97.92 词元/秒，变异系数为 78.9%，以及 deepseek-v4-flash，尽管平均值为 73.34 词元/秒，却降至 6.49 词元/秒。Deepseek-v4-pro 表现出最稳定的性能，仅在 56.03 和 120.8 词元/秒之间变化。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 是表现最强的模型，平均吞吐量为 118.32 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 34.42 词元/秒。最具运营意义的波动来自 nemotron-3-ultra 和 deepseek-v4-flash，它们表现出极端的吞吐量波动；nemotron-3-ultra 在 3.14 和 116.65 词元/秒之间波动，变异系数为 88.1%，而 deepseek-v4-flash 的范围从 6.49 到 126.21 词元/秒。相比之下，deepseek-v4-pro 最为稳定，平均保持 95.47 词元/秒，变异系数低至 14.2%。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。
在这四个小时的窗口期内，glm-5.2 提供了最强的平均输出词元吞吐量，达到 117.74 词元/秒，而 nemotron-3-ultra 最弱，为 40.42 词元/秒。最具操作意义的波动出现在 deepseek-v4-flash 和 nemotron-3-ultra 中，它们表现出严重的吞吐量摆动；nemotron-3-ultra 降至最低 3.14 词元/秒，deepseek-v4-flash 降至 6.49 词元/秒，表明生成速率高度不稳定。相比之下，deepseek-v4-pro 保持了最稳定的性能，变异系数为 13.5%。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 的平均输出词元吞吐量最高，达到 116.92 词元/秒，而 nemotron-3-ultra 最低，为 43.44 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 79.5%，下降趋势为 -20.1%，最低降至 1.95 词元/秒。Deepseek-v4-flash 也表现出严重的不稳定性，变异系数为 48.0%，最低为 8.75 词元/秒。相比之下，deepseek-v4-pro 最为稳定，达到 94.39 词元/秒，变异系数为 13.9%。该数据集包含六个模型的 288 个有效数据点，覆盖率为 100.0%，因此不存在缺失数据的限制。
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 119.58 词元/秒，而 nemotron-3-ultra 最低，为 40.43 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 85.3%，从 127.3 词元/秒的高点骤降至 1.95 词元/秒的低点。同样，deepseek-v4-flash 也表现出高度不稳定性，变异系数为 45.8%，最低降至 9.47 词元/秒。相比之下，deepseek-v4-pro 最为稳定，变异系数为 13.3%。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，glm-5.2 的平均输出词元吞吐量最高，为 115.71 词元/秒，而 nemotron-3-ultra 最低，为 44.78 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 81.3%，且最低降至 1.95 词元/秒。Deepseek-v4-flash 也表现出不稳定性，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，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 114.91 词元/秒，而 minimax-m3 是表现最弱的，为 46.8 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 80.5%，下行趋势为 40.7%，从 132.61 词元/秒的最大值降至 1.95 词元/秒的最小值。Deepseek-v4-flash 也表现出高波动性，变异系数为 42.4%。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 是表现最强的模型，平均吞吐量为 114.12 词元/秒，而 minimax-m3 是表现最弱的，为 47.94 词元/秒。最具运维意义的波动出现在 deepseek-v4-flash 和 nemotron-3-ultra 中。deepseek-v4-flash 表现出剧烈的波动，尽管平均值为 71.47 词元/秒，但最低降至 7.41 词元/秒。nemotron-3-ultra 呈现出严重的下降趋势，下降了 27.1% 至最新吞吐量仅 3.73 词元/秒。相比之下，deepseek-v4-pro 依然最为稳定，保持 99.28 词元/秒的稳定平均值，变异系数低至 12.4%。该数据集不存在缺失数据的局限性，因为所有模型均恰好获得了 48 个有效样本，覆盖率达到 100.0%。
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 114.97 词元/秒，而 minimax-m3 是表现最弱的，为 49.38 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；deepseek-v4-flash 降至最低 7.41 词元/秒，变异系数为 51.6%，而 nemotron-3-ultra 降至 4.82 词元/秒，趋势为 -13.6%。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 109.94 词元/秒，而 minimax-m3 是表现最弱的，为 48.82 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。Deepseek-v4-flash 降至最低 7.41 词元/秒，nemotron-3-ultra 降至 10.11 词元/秒，这两个模型的变异系数值均接近 49%。数据集覆盖率为 100%，涵盖所有 288 个有效观测值，这意味着不存在影响此特定滚动窗口分析的缺失数据限制。
在四小时的时间窗口内，glm-5.2是平均吞吐量最强的模型，达到105.7词元/秒，略微超过105.48词元/秒的gemma4:31b。最弱的模型是minimax-m3，平均为49.57词元/秒。在运行方面，deepseek-v4-flash和nemotron-3-ultra表现出极端的波动性，变异系数分别为51.1%和50.7%。deepseek-v4-flash的吞吐量频繁骤降，最低降至7.41词元/秒，而nemotron-3-ultra在该时期内呈现出26.5%的急剧上升趋势。该数据集包含288个有效观测值，实现了100.0%的覆盖率，在每模型预期48个样本中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 104.55 词元/秒，而 minimax-m3 最弱，为 50.35 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 中，其在 10.11 和 119.01 词元/秒之间波动，变异系数为 56.1%，表明生成速度极不稳定。Deepseek-v4-flash 也表现出严重的不稳定性，尽管平均为 77.24 词元/秒，但最低降至 8.24 词元/秒。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 109.59 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 47.69 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 68.6%，吞吐量在 7.52 和 113.6 词元/秒之间波动。同样，deepseek-v4-flash 和 deepseek-v4-pro 分别出现急剧下降，降至 7.34 和 7.9 词元/秒。该数据集的覆盖率为 100.0%，包含 288 个有效数据点，这意味着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 109.46 词元/秒的平均输出词元吞吐量表现最强，而 nemotron-3-ultra 最弱，为 46.94 词元/秒。最具操作意义的波动来自 nemotron-3-ultra，其在 7.52 和 119.76 词元/秒之间剧烈波动，变异系数为 71.0%，以及 deepseek-v4-flash，其降至 3.38 词元/秒。尽管存在这种波动，nemotron-3-ultra 在该期间显示出 31.2% 的正向趋势。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 100.68 词元/秒，而 nemotron-3-ultra 最弱，为 47.73 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 中，其从 17:25 的 111.16 词元/秒降至 17:55 的 8.09 词元/秒，反映出其高达 69.2% 的变异系数。此外，deepseek-v4-pro 呈现出急剧的下降趋势，在此期间下降了 16.3%，在 20:00 降至 7.9 词元/秒的后期低点。尽管当前的覆盖率是完整的，但任何数据缺失的限制都会掩盖这些严重的分钟级波动，并扭曲真实的容量规划。
在四小时的时间窗口内，glm-5.2 以 103.45 词元/秒的平均输出词元吞吐量表现最强，而 nemotron-3-ultra 以 47.32 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，两者均表现出极端的吞吐量摆动；flash 的范围从 3.38 到 127.9 词元/秒，变异系数为 53.1%，而 nemotron 的范围从 7.52 到 119.76 词元/秒，变异系数为 65.0%。此外，nemotron-3-ultra 呈现出急剧的下降趋势，在此期间下降了 24.9%，最新吞吐量为 7.52 词元/秒。该数据集不存在缺失数据限制，因为所有六个模型在 288 次有效观测中均实现了 100.0% 的覆盖率。
在四小时的时间窗口内，glm-5.2 以 101.39 词元/秒的平均输出词元吞吐量表现最强，而 minimax-m3 以 46.33 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，尽管它们的平均值较低，但表现出了极端的吞吐量波动。deepseek-v4-flash 降至最低 2.68 词元/秒，变异系数为 60.1%，而 nemotron-3-ultra 降至最低 8.09 词元/秒，变异系数为 63.3%。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 的平均吞吐量最高，达到 102.01 词元/秒，而 nemotron-3-ultra 表现最弱，为 43.29 词元/秒。最具运维意义的波动出现在 deepseek-v4-flash 中，该模型表现出剧烈的起伏，骤降至 2.68 词元/秒的最低值，并记录到 56.8% 的变异系数。同样，glm-5.2 在 17:25 附近也遭遇了吞吐量急剧下降至 5.9 词元/秒的情况，随后才得以恢复。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，不存在缺失数据方面的限制。
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 112.45 词元/秒，而 nemotron-3-ultra 表现最弱，为 32.2 词元/秒。最具运维意义的波动出现在 deepseek-v4-flash 和 nemotron-3-ultra 中，其变异系数分别为 58.0% 和 69.2%，其中 deepseek-v4-flash 最低降至 2.68 词元/秒。相比之下，minimax-m3 保持稳定，变异系数为 14.6%。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量指标，吞吐量下降无法明确归因于容量限制或低流量。
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 111.23 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 29.75 词元/秒。最具运维意义的波动出现在 deepseek-v4-pro 和 deepseek-v4-flash 中，两者的吞吐量均出现严重下降，分别降至最低 2.76 词元/秒和 2.68 词元/秒，同时变异系数高达 56.1% 和 52.1%。相比之下，minimax-m3 提供了最稳定的性能，平均吞吐量为 43.98 词元/秒，变异系数仅为 14.0%。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，glm-5.2 是表现最强的模型，平均吞吐量为 113.14 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 35.2 词元/秒。最具运营意义的波动来自 deepseek-v4-pro，其从 119.69 词元/秒的高点跌至 2.76 词元/秒的低点，变异系数为 56.1%，最终呈现 38.3% 的负趋势。相比之下，minimax-m3 保持稳定，变异系数为 13.7%。该数据集包含 288 个有效观测值，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，glm-5.2 是表现最强的模型，平均吞吐量为 107.88 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 42.4 词元/秒。最具运维意义的波动出现在 deepseek-v4-flash 和 nemotron-3-ultra 中，它们的变异系数分别高达 55.7% 和 67.7%。deepseek-v4-flash 的吞吐量经常骤降，最低降至 4.57 词元/秒，nemotron-3-ultra 同样暴跌至 3.26 词元/秒。相比之下，minimax-m3 提供了最稳定的性能，变异系数仅为 17.3%，平均吞吐量为 45.31 词元/秒。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 103.78 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 41.02 词元/秒。最具运营意义的波动出现在 deepseek-v4-flash 和 nemotron-3-ultra 中，它们的变异系数分别高达 67.2% 和 76.4%，其中 deepseek-v4-flash 的最低吞吐量降至 2.71 词元/秒。相比之下，minimax-m3 提供了最稳定的性能，平均吞吐量保持在 44.83 词元/秒，变异系数仅为 17.5%。该数据集实现了完整覆盖，在所有 288 个有效观测值中不存在任何缺失数据的限制。
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 105.83 词元/秒，而 nemotron-3-ultra 表现最弱，为 39.28 词元/秒。最具操作意义的波动来自 nemotron-3-ultra，其呈现出 42.3% 的下降趋势和 80.8% 的变异系数，最低降至 3.26 词元/秒。同样，deepseek-v4-flash 表现出极端的不稳定性，变异系数为 64.5%，最低值为 2.71 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，由于缺乏并发请求量数据，该分析受到限制，无法将吞吐量下降与流量峰值进行关联。
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 106.55 词元/秒，而 minimax-m3 是最低的，为 44.71 词元/秒。最具运行意义的波动出现在 nemotron-3-ultra 中，其变异系数为 79.2%，最大值为 140.34 词元/秒，但最低降至 3.26 词元/秒。同样，deepseek-v4-flash 表现出极端的不稳定性，尽管峰值达到 127.11 词元/秒，却降至 2.71 词元/秒。相比之下，deepseek-v4-pro 最为稳定，保持在 57.65 至 120.27 词元/秒之间。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 提供了最强的平均输出词元吞吐量，达到 107.77 词元/秒，而 minimax-m3 最弱，为 47.57 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 中，其在 3.97 词元/秒的低点和 140.34 词元/秒的高点之间剧烈波动，变异系数为 67.5%。deepseek-v4-flash 也表现出明显的不稳定性，在时段后期降至 2.71 词元/秒。该数据集包含完整覆盖，具有 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，glm-5.2 是表现最强的模型，平均吞吐量为 110.78 词元/秒，而 minimax-m3 是表现最弱的，为 50.71 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 69.2%，吞吐量在最低 6.32 词元/秒到最高 140.34 词元/秒之间波动。Deepseek-v4-flash 也表现出不稳定性，在 03:20 时降至 3.85 词元/秒。该数据集的覆盖率为 100.0%，在所有六个模型中共有 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 提供了最高的平均吞吐量，达到 106.97 词元/秒，而 minimax-m3 表现最弱，为 50.75 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 中，该模型在 4.4 和 158.35 词元/秒之间表现出剧烈波动，变异系数为 75.4%。Deepseek-v4-pro 呈现出 41.9% 的显著上升趋势，从早期的低点改善至该时段末期持续超过 117 词元/秒的速度。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 111.63 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 44.04 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 90.1%，并在 4.14 词元/秒和 158.35 词元/秒之间波动。deepseek-v4-flash 也表现出明显的不稳定性，尽管平均为 92.48 词元/秒，但最低降至 3.85 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%，因此不存在影响本次评估的缺失数据限制。
在整个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 111.71 词元/秒，而 nemotron-3-ultra 是表现最弱的，为 40.39 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数高达 96.7%，在 4.14 和 158.35 词元/秒之间出现剧烈波动。此外，deepseek-v4-flash 呈现出严重的下降趋势，在该时段接近尾声时下降了 34.3%，降至 3.85 词元/秒的最低值。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。由于该数据集仅限于这一个滚动的四小时时间窗口，因此无法评估此时间范围之外的长期缺失数据模式。
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 114.55 词元/秒，紧随其后的是 deepseek-v4-flash，为 113.38 词元/秒。表现最弱的是 nemotron-3-ultra，为 45.7 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其变异系数为 88.4%，并降至最低 4.14 词元/秒。Deepseek-v4-pro 呈现出 8.0% 的显著下降趋势，最终为 69.31 词元/秒。该数据集包含 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。
在四小时的观察窗口内，deepseek-v4-flash 实现了最强的平均输出词元吞吐量，达到 122.4 词元/秒，而 nemotron-3-ultra 最弱，为 38.59 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 86.4%，呈急剧下降趋势，达 -36.9%，且最低降至 4.14 词元/秒。相比之下，deepseek-v4-pro 表现出最稳定的性能，变异系数为 18.6%。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，deepseek-v4-flash 的平均吞吐量最高，达到 121.96 词元/秒，而 nemotron-3-ultra 表现最弱，为 34.37 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其在 4.91 和 114.94 词元/秒之间剧烈波动，变异系数高达 92.7%，表明存在严重的不稳定性。相反，deepseek-v4-pro 提供了最稳定的性能，平均保持在 94.27 词元/秒，变异系数仅为 14.6%。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-flash 实现了最强的平均吞吐量，达到 119.26 词元/秒，而 nemotron-3-ultra 最弱，为 27.57 词元/秒。最具操作意义的波动来自 nemotron-3-ultra，其在 3.51 和 114.94 词元/秒之间剧烈波动，变异系数为 113.6%，包括时间窗口后期的一次激增。相比之下，minimax-m3 保持最为稳定，平均为 52.29 词元/秒，变异系数仅为 17.2%。该数据集包含跨六个模型的 288 个有效观测值，实现了 100% 的覆盖率。然而，存在数据缺失的局限性，因为数据集缺少并发请求数，无法进行每请求吞吐量归一化。
在四小时的时间窗口内，deepseek-v4-flash 是表现最强的模型，平均吞吐量为 119.83 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，为 13.88 词元/秒。最具运营意义的波动来自 nemotron-3-ultra，其在 3.51 词元/秒的最小值和 93.67 词元/秒的最大值之间剧烈波动，变异系数为 138.3%。相比之下，minimax-m3 提供了最稳定的性能，平均为 52.9 词元/秒，变异系数仅为 16.8%。该数据集包含完整的观测数据，覆盖率为 100.0%，在所有 288 个有效数据点上没有缺失数据的限制。
在这四个小时的时间窗口内，deepseek-v4-flash 的平均吞吐量最高，达到 101.54 词元/秒，而 nemotron-3-ultra 最低，仅为 7.21 词元/秒。最具运维意义的波动出现在 deepseek-v4-flash 中，尽管其最高达到了 157.17 词元/秒，但最低却降至 7.81 词元/秒。同样，gemma4:31b 表现出高度的不稳定性，其变异系数为 41.9%，最低值为 20.26 词元/秒。相比之下，minimax-m3 提供了最稳定的性能，平均为 53.33 词元/秒，变异系数低至 14.0%。本次评估受到数据缺失的限制：deepseek-v4-pro 只有 47 个有效样本，而非 48 个，导致其覆盖率降至 97.9%。
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 93.81 词元/秒，而 nemotron-3-ultra 表现最弱，为 14.38 词元/秒。最具操作意义的波动出现在 deepseek-v4-flash 中，其吞吐量曾急剧下降至 7.81 词元/秒和 12.5 词元/秒，随后恢复并达到 157.17 词元/秒的峰值。同样，nemotron-3-ultra 也表现出高度的不稳定性，在时段初期从 103.93 词元/秒跌至 0.35 词元/秒。整体数据集覆盖率在 287 个有效数据点上达到了 99.7%。然而，由于 deepseek-v4-pro 缺失一次观测数据，其仅记录了 47 个样本而非预期的 48 个，这使得分析受到了限制。
在四小时的时间窗口内，deepseek-v4-flash 的平均吞吐量最高，为 87.57 词元/秒，而 nemotron-3-ultra 最低，为 21.68 词元/秒。最具运维意义的波动出现在 nemotron-3-ultra 上，其吞吐量从 103.93 词元/秒的峰值急剧下降至个位数，最终收于 6.22 词元/秒。deepseek-v4-flash 也表现出极端的波动性，吞吐量曾暴跌至 7.81 词元/秒的最低点，随后才有所恢复。本次评估存在数据缺失的局限：deepseek-v4-pro 仅有 47 个样本，而非预期的 48 个，导致覆盖率为 97.9%，而其他五个模型的数据则完整无缺。
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 82.87 词元/秒，而 gemma4:31b 是最低的，为 27.0 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 92.1%，下降趋势为 -31.5%，吞吐量从最高 103.93 词元/秒跌至最新读数仅 4.28 词元/秒。deepseek-v4-flash 也表现出严重的不稳定性，吞吐量骤降至最低 7.81 词元/秒。本次评估受到数据缺失的限制：deepseek-v4-pro 有 47 个有效样本而非 48 个，覆盖率为 97.9%。整体数据集在 287 个有效数据点上的覆盖率为 99.7%。
在四小时的时间窗口内，deepseek-v4-flash 实现了最强的平均吞吐量，达到 90.88 词元/秒，而 gemma4:31b 表现最弱，为 22.44 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 中，该模型在 0.35 词元/秒和 130.51 词元/秒之间表现出剧烈波动，变异系数为 78.0%。此外，deepseek-v4-flash 在期末显示出明显的不稳定性，从 17:40 的 141.84 词元/秒骤降至 18:00 的仅 9.02 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，没有缺失数据的限制。
在四小时的时间窗口内，deepseek-v4-flash 的平均吞吐量最高，达到 94.69 词元/秒，而 gemma4:31b 最低，为 19.38 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 中，其范围从 6.7 到 130.51 词元/秒，变异系数为 70.5%，同时 deepseek-v4-flash 在 13:25 降至 16.61 词元/秒。该数据集存在缺失数据局限：六个模型中的每一个在 48 个预期观测中均记录了 47 个有效样本，覆盖率为 97.9%，导致所有模型均有一个五分钟间隔的数据缺失。
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 92.52 词元/秒，而 gemma4:31b 最低，为 22.52 词元/秒。最具运营意义的波动出现在 nemotron-3-ultra 中，其范围从 6.7 到 130.51 词元/秒，变异系数为 76.4%，表明生成速度极不稳定。同样，尽管 deepseek-v4-flash 的平均值较高，但也经历了骤降至 16.61 词元/秒和 22.75 词元/秒的情况。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-flash 的平均输出词元吞吐量最高，达到 91.11 词元/秒，而 gemma4:31b 最低，为 26.49 词元/秒。最具运维意义的波动出现在 nemotron-3-ultra 中，该模型在 14:45 飙升至 130.51 词元/秒，尽管其平均吞吐量仅为 31.74 词元/秒，导致变异系数高达 75.8%。同样，gemma4:31b 在 13:35 左右出现了严重的吞吐量下降，跌至 5.27 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，不存在缺失数据限制。这种完整的可见性证实了所观测到的波动代表的是实际运维性能，而非监控盲区。
在四小时的时间窗口内，deepseek-v4-flash 表现出最强的平均吞吐量，达到 90.54 词元/秒，而 nemotron-3-ultra 最弱，为 28.45 词元/秒。最具运维意义的波动出现在 deepseek-v4-flash 中，它保持了较高的平均值，但表现出急剧的下降，在 13:25 跌至 16.61 词元/秒的最低点，随后在 13:35 飙升至 133.89 词元/秒。同样，gemma4:31b 显示出高度的不稳定性，其变异系数为 61.4%，下降趋势为 23.9%，最终以 8.44 词元/秒结束。该数据集包含完整的观测数据，没有缺失数据的限制，在六个模型中记录了 288 个有效数据点。
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 84.14 词元/秒，而 nemotron-3-ultra 最低，为 26.04 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 67.2%，吞吐量在 5.89 和 69.14 词元/秒之间波动。deepseek-v4-flash 也表现出明显的不稳定性，在达到 132.98 词元/秒之前降至 20.64 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 82.79 词元/秒，而 nemotron-3-ultra 最弱，为 27.54 词元/秒。最具运维意义的波动出现在 deepseek-v4-flash 中，其范围从 13.15 到 132.98 词元/秒，变异系数为 43.8%，表明尽管平均值为 82.30 词元/秒，但输出极不稳定。Nemotron-3-ultra 也表现出剧烈波动，降至 5.89 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。这种完全的可见性证实，吞吐量的波动反映的是实际的系统不稳定性，而非监控盲区。
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 86.16 词元/秒，而 gemma4:31b 最低，为 23.88 词元/秒。运行方面最显著的波动来自 nemotron-3-ultra，其在此期间下降了 45.8%，变异系数为 76.2%，在 104.14 词元/秒和 5.89 词元/秒之间波动。deepseek-v4-flash 也表现出高度的不稳定性，在恢复之前骤降至 13.15 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。