← 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 1192 条摘要
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最强：gemma4:31b 达 105.73 词元/秒（峰值 167.44 词元/秒）；最弱：nemotron-3-ultra 为 31.70 词元/秒，约为领先者的三分之一。
  • 运营层面最显著的波动性：nemotron-3-ultra 在 3.19 至 112.61 词元/秒之间波动，变异系数为 99.1%，而 deepseek-v4-flash 呈现最陡峭的攀升，从 45.08 升至 120.38 词元/秒，趋势为 77.8%。
  • 无缺失数据限制：全部八个模型均报告 12 个样本中的 12 个，覆盖率为 100.0%，且数据集的 96 个有效数据点与预期数量相符。
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 99.77 词元/秒，领先于 gemma4:31b 的 90.56 词元/秒，而 nemotron-3-ultra 表现最弱，仅为 27.28 词元/秒，远低于 deepseek-v4-flash 的 65.72 词元/秒。
  • nemotron-3-ultra 波动极为剧烈，范围从 3.19 到 112.61 词元/秒，变异系数为 116.2%，而 glm-5.3-flash 从 21:40 的峰值 188.17 词元/秒骤降至 22:00 的 11.77 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%，且每个模型都拥有 12 个样本中的全部 12 个，因此这四小时的时间窗口数据完整无缺。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • glm-5.3-flash 是平均吞吐量最强的模型，达到 103.79 词元/秒，峰值为 203.49 词元/秒，而 nemotron-3-ultra 最弱，平均仅 16.53 词元/秒，从未超过 40.67 词元/秒。
  • 运营层面最显著的波动性来自 glm-5.3-flash，其吞吐量在 11.77 至 203.49 词元/秒之间波动，变异系数为 59.6%，且其最后 22:00 的读数骤降至 11.77 词元/秒；nemotron-3-ultra 甚至更不稳定，变异系数达 87.6%，在 3.19 至 40.67 词元/秒之间震荡。
  • 此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，在四小时内共产生 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%
  • 平均吞吐量最强的是 minimax-m3，在 12 个样本中达到 102.6 词元/秒（范围 65.34 至 166.2 词元/秒）；最弱的是 nemotron-3-ultra，为 15.69 词元/秒（范围 3.05 至 56.32 词元/秒）。
  • glm-5.3-flash 表现出对运营影响最大的波动性：在 18:20 之前维持在约 45 至 71 词元/秒，随后在 18:40 飙升至 187.86 词元/秒，并在 19:00 达到 203.49 词元/秒，最终收于 150.42 词元/秒，趋势为 93%，变异系数为 58.8%；nemotron-3-ultra 同样不稳定，达到 100.1%。
  • 不存在数据缺失的限制：所有八个模型均报告了 12 个预期样本中的 12 个，共计 96 个有效数据点，在四小时窗口内覆盖率达到 100%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最高的是 minimax-m3，达 110.17 词元/秒；最低的是 nemotron-3-ultra，为 20.18 词元/秒，约为领先者的五分之一。
  • glm-5.3-flash 波动最为剧烈，在 17:20 降至 45.78 词元/秒，随后在 19:00 攀升至 203.49 词元/秒；nemotron-3-ultra 整体波动性最强，变异系数为 85.9%，读数范围在 3.05 至 56.32 词元/秒之间。
  • 不存在数据缺失的限制：全部八个模型均交付了 12 个预期样本中的 12 个，共产生 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%
  • minimax-m3 是平均吞吐量最强的模型，达 109.03 词元/秒，领先于 gemma4:31b 的 95.7 词元/秒；nemotron-3-ultra 最弱，为 16.36 词元/秒，最低值为 1.36 词元/秒。
  • 运营层面最显著的波动是 nemotron-3-ultra 的变异系数达 104.4%，波动范围从 1.36 到 56.32 词元/秒；deepseek-v4-pro 呈现最陡峭的趋势，达 +74.2%，从 16:20 的 10.59 词元/秒恢复至 17:40 的 126.46 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、96 个有效数据点，在四小时时间窗口内覆盖率达 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最高的是 minimax-m3，达 105.91 词元/秒；最低的是 nemotron-3-ultra，为 13.12 词元/秒，glm-5.2 也较低，为 40.04 词元/秒。
  • 波动性是主要的运维问题：nemotron-3-ultra 在 1.36 至 39.27 词元/秒之间波动（变异系数为 105.0%），deepseek-v4-pro 的范围为 10.59 至 102.45 词元/秒（变异系数为 69.1%），而 glm-5.3-flash 最为稳定，变异系数为 32.3%。
  • 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，在四小时窗口内共产生 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%
  • minimax-m3 是平均吞吐量最强的模型，达 96.04 词元/秒，略高于 gemma4:31b 的 92.81 词元/秒，而 nemotron-3-ultra 最弱，平均为 15.65 词元/秒，其中包括 1.36 词元/秒的低点。
  • glm-5.3 的波动性对运行影响最大，变异系数为 53.5%，在 12:20 UTC 时为 144.61 词元/秒，到 14:00 UTC 降至 5.17 词元/秒，随后在 16:00 UTC 恢复至 142.01 词元/秒；deepseek-v4-pro 同样不稳定，CV 为 65.8%。
  • 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 是最强模型，平均吞吐量为 104.78 词元/秒，峰值达 157.31 词元/秒；nemotron-3-ultra 最弱，平均为 16.89 词元/秒，从未超过 54.66 词元/秒。
  • glm-5.3 表现出对运行影响最大的波动性，从 11:20 的 162.0 词元/秒降至 14:00 的 5.17 词元/秒，趋势为 -57.5%，变异系数为 55.2%；deepseek-v4-pro 同样不稳定，变异系数为 71.8%，范围在 3.86 至 83.41 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%
  • 平均吞吐量最强的是 glm-5.3，达 106.17 词元/秒，略微领先于 104.77 词元/秒的 gemma4:31b；最弱的是 nemotron-3-ultra，仅 16.82 词元/秒，最大值也只有 54.66 词元/秒。
  • 最显著的波动是 glm-5.3 后期的崩溃：从 11:20 的 162.0 词元/秒峰值跌至 14:00 的 5.17 词元/秒，趋势为 -40.3%。nemotron-3-ultra（变异系数 88.0%）和 deepseek-v4-pro（变异系数 59.7%，12:00 时低至 3.86 词元/秒）也出现了不稳定的摆动。
  • 不存在数据缺失的限制：全部 8 个模型均提供了 12 个样本中的 12 个，在四小时窗口内共产生 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 113.08 词元/秒，领先于 108.38 词元/秒的 glm-5.3；nemotron-3-ultra 最弱，仅为 16.58 词元/秒，最大值也只有 54.66 词元/秒。
  • 运营层面最显著的波动是 nemotron-3-ultra 高达 85.2% 的变异系数，在 2.55 至 54.66 词元/秒之间剧烈摆动，而 deepseek-v4-pro 则呈现最陡峭的下滑趋势，为 -33.9%，在 UTC 12:00 时跌至 3.86 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%
  • gemma4:31b 是最强的模型，平均吞吐量为 123.55 词元/秒，峰值达 171.75 词元/秒，而 nemotron-3-ultra 最弱，平均为 18.44 词元/秒，从未超过 54.66 词元/秒。
  • 波动性是主要的运行信号：nemotron-3-ultra 在 2.55 至 54.66 词元/秒之间波动（变异系数 89.7%），deepseek-v4-pro 最终为 3.86 词元/秒，而其最大值为 112.86 词元/秒，glm-5.3 则呈现最强的上升趋势，达 +46.3%，收于 151.78 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，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 是平均吞吐量最强的模型，达到 116.16 词元/秒，远高于 glm-5.3 的 97.27 词元/秒，而 nemotron-3-ultra 最弱，仅为 20.79 词元/秒，远低于倒数第二的 deepseek-v4-flash 的 53.09 词元/秒。
  • 运营层面最显著的变化是 nemotron-3-ultra 的持续下滑，从 07:20 的 68.29 词元/秒跌至 11:00 的 2.55 词元/秒，降幅达 68.4%，变异系数波动性为 102.9%；deepseek-v4-flash 也下降了 41.4%，最终为 9.18 词元/秒。
  • 不存在数据缺失的限制：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%
  • gemma4:31b 是性能最强的模型，平均吞吐量达 128.18 词元/秒，远超 glm-5.3 的 92.89 词元/秒；nemotron-3-ultra 最弱，为 21.22 词元/秒，最低值为 0.64 词元/秒。
  • deepseek-v4-flash 降幅最陡，趋势为 -50.5%，从 07:20 的 113.78 词元/秒峰值跌至 10:00 的 59.57 词元/秒；nemotron-3-ultra 波动最大，变异系数为 100.0%，在 0.64 至 68.29 词元/秒之间波动。
  • 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%，不过该时间窗口仅涵盖四个小时。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • gemma4:31b 是性能最强的模型，平均吞吐量为 131.01 词元/秒，峰值达 171.75 词元/秒；nemotron-3-ultra 性能最弱，平均为 26.09 词元/秒，最低为 0.64 词元/秒。
  • deepseek-v4-pro 表现出最剧烈的运行波动，从 07:20 的 118.32 词元/秒骤降至 08:00 的 10.99 词元/秒，随后在 08:20 恢复至 112.86 词元/秒；nemotron-3-ultra 同样不稳定，在 0.64 至 68.29 词元/秒之间波动，变异系数为 90.5%。
  • 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 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%
  • gemma4:31b 是表现最强的模型，平均吞吐量为 134.51 词元/秒，p95 为 167.04 词元/秒；nemotron-3-ultra 最弱，平均为 26.77 词元/秒，从未超过 58.45 词元/秒。
  • nemotron-3-ultra 表现出对运行影响最大的波动性：变异系数为 80.6%，趋势为 -37.6%，波动范围从 0.64 到 58.45 词元/秒，最终收于 12.96 词元/秒；glm-5.2 是唯一明显提升的模型，上升 34.4% 至 107.88 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，总体覆盖率为 100.0%，共 96 个有效数据点，因此四小时的时间窗口是完整的。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • gemma4:31b 是性能最强的模型，平均吞吐量为 127.58 词元/秒（峰值 169.76 词元/秒），而 nemotron-3-ultra 是性能最弱的模型，平均为 38.83 词元/秒，最低为 3.05 词元/秒。
  • 运营层面最显著的波动是 06:00 UTC 的同步下降：minimax-m3 从 102.64 降至 40.59 词元/秒，glm-5.2 从 91.31 降至 20.99 词元/秒，nemotron-3-ultra 从 50.56 降至 3.05 词元/秒；nemotron-3-ultra 的变异性也最高，CV 为 54.4%。
  • 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%
  • gemma4:31b 是平均吞吐量最强的模型，达 125.41 词元/秒，领先于 106.70 词元/秒的 glm-5.3；nemotron-3-ultra 最弱，为 42.71 词元/秒，低于 54.51 词元/秒的 glm-5.2。
  • 波动最显著的是 deepseek-v4-flash，在 03:40 骤降至 15.26 词元/秒，随后在 04:40 恢复至 127.27 词元/秒，整体趋势为 -32.3%；glm-5.3-flash 从 191.77 词元/秒的峰值下跌 -37.3%，而 nemotron-3-ultra 的变异度最高，CV 为 50.0%。
  • 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，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 是表现最强的模型，平均吞吐量为 120.43 词元/秒，峰值达 163.48 词元/秒，而 nemotron-3-ultra 表现最弱，平均为 39.47 词元/秒，最低降至 6.36 词元/秒。
  • 运营层面最显著的模式是窗口后期的性能下降：glm-5.2 在 04:00 下降了 26.5%，降至 26.81 词元/秒，deepseek-v4-flash 从 00:40 的 152.97 词元/秒降至 04:00 的 43.87 词元/秒；nemotron-3-ultra 还表现出最高的波动性，变异系数为 54.7%。
  • 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 gemma4:31b，达到 121.4 词元/秒（p95 为 175.26 词元/秒），而 nemotron-3-ultra 最弱，仅为 42.8 词元/秒，在任何观测中均未超过 79.54 词元/秒。
  • 波动最显著的是 nemotron-3-ultra，变异系数为 50.2%，在 6.36 至 79.54 词元/秒之间波动；glm-5.3-flash 呈现最陡峭的趋势，上升了 66.1%，并在 01:20 飙升至 191.77 词元/秒，而 deepseek-v4-pro 在 00:00 一度跌至 17.26 词元/秒。
  • 该时间窗口内不存在数据缺失的限制：全部八个模型均交付了 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%
  • gemma4:31b 是平均吞吐量最强的模型，达到 136.71 词元/秒（峰值 181.94 词元/秒），而 nemotron-3-ultra 最弱，平均为 36.20 词元/秒，约为 gemma4:31b 速率的四分之一。
  • 八个模型中有七个呈下降趋势，其中 glm-5.2 下降 29.1%，minimax-m3 下降 25.9%；glm-5.3-flash 是例外，在 01:20 飙升至 191.77 词元/秒后上升了 63.1%，而 nemotron-3-ultra 的波动性最高，变异系数为 60.3%。
  • 不存在缺失数据的限制：所有八个模型均有 12 个样本中的 12 个，共 96 个有效数据点，在四小时的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%
  • 平均吞吐量最高的是 gemma4:31b，达 131.79 词元/秒；最低的是 nemotron-3-ultra，为 33.95 词元/秒，约为领先者速率的四分之一。
  • 变化最显著的是 glm-5.3-flash，从 21:40 的 190.66 词元/秒降至 01:00 的 61.95 词元/秒（趋势 -30.4%），而 glm-5.3 呈上升趋势，涨幅 24.6%，平均达 103.86 词元/秒；nemotron-3-ultra 波动最大，变异系数为 76.5%，最低降至 4.06 词元/秒。
  • 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，共 96 个有效数据点，在四小时时间窗口内覆盖率达 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • gemma4:31b 的平均吞吐量最高，达到 132.5 词元/秒（峰值 181.94 词元/秒），而 nemotron-3-ultra 表现最弱，平均仅为 35.23 词元/秒，且从未超过 93.69 词元/秒。
  • glm-5.3 呈现出最剧烈的运行状态变化，从 22:20 的 18.13 词元/秒跃升至 22:40 的 176.53 词元/秒，并在 00:00 之前一直保持在 142 词元/秒以上（趋势 +113.3%）；相比之下，glm-5.3-flash 从 21:40 的 190.66 词元/秒骤降至 22:00 的 43.76 词元/秒。
  • 不存在数据缺失的限制：全部 8 个模型均记录了 12 个预期样本中的 12 个，在四小时的时间窗口内共计 96 个有效数据点，覆盖率达到 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • gemma4:31b 以 130.75 词元/秒的平均吞吐量位居最高，而 nemotron-3-ultra 表现最弱，仅为 40.07 词元/秒，不到领先者的三分之一，且在窗口收尾时仅有 4.06 词元/秒。
  • 运营层面最显著的波动来自 glm-5.3-flash（CV 57.9%），其吞吐量从 21:40 的 190.66 词元/秒骤降至 22:00 的 43.76 词元/秒；glm-3.3 同样在 22:20 降至 18.13 词元/秒，随后回升至 176.53 词元/秒。
  • 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、96 个有效数据点，覆盖率为 100.0%，因此四小时窗口是完整的。
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 129.26 词元/秒，领先于 deepseek-v4-flash 的 124.50 词元/秒；nemotron-3-ultra 最弱，为 35.09 词元/秒，其中包括 0.98 词元/秒的低点。
  • glm-5.3-flash 波动性最为极端（变异系数 51.7%），范围从 43.76 到 190.66 词元/秒，后期一次运行接近 184-191 词元/秒，随后骤降至 43.76 词元/秒；nemotron-3-ultra 同样不稳定（变异系数 102.0%），在 0.98 到 95.88 词元/秒之间大幅波动。
  • 不存在数据缺失的限制：全部 8 个模型均报告 12 个样本中的 12 个，总计 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%
  • deepseek-v4-flash 是平均吞吐量最强的模型，达到 128.84 词元/秒，略微领先于 gemma4:31b 的 126.83 词元/秒；nemotron-3-ultra 最弱，为 26.72 词元/秒。
  • 运营层面最显著的波动来自 nemotron-3-ultra，其变异系数为 120.5%，读数范围从 0.98 到 95.88 词元/秒；glm-5.3-flash 同样不稳定，为 52.2%，在 21:00 从 35.53 词元/秒的低点飙升至 183.8 词元/秒。
  • 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，数据集报告了 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 134.54 词元/秒，略领先于 gemma4:31b 的 130.09 词元/秒；nemotron-3-ultra 最弱，平均为 19.78 词元/秒，最低为 0.98 词元/秒。
  • 运营层面最显著的波动来自 nemotron-3-ultra，在 0.98 至 95.88 词元/秒之间波动（CV 130.5%）；glm-5.3-flash 和 deepseek-v4-pro 的波动也很大（CV 分别为 46.2% 和 45.7%），而 deepseek-v4-flash 最为稳定，CV 为 13.0%。
  • 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%
  • 平均吞吐量最强的是 deepseek-v4-flash，达到 130.97 词元/秒（在 17:20 达到峰值 166.55 词元/秒），而最弱的是 nemotron-3-ultra，为 10.26 词元/秒，从未超过 30.88 词元/秒，且最低降至 0.98 词元/秒。
  • 波动最显著的是 nemotron-3-ultra（变异系数 80.1%）和 glm-5.3，后者从 16:40 的 173.24 词元/秒峰值下降 31.8%，至 18:40 降至 60.67 词元/秒；deepseek-v4-pro 也在 16:40 降至 15.65 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，在四小时的时间窗口内产生 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 的平均吞吐量最高，达到 126.11 词元/秒，峰值为 166.55 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，平均仅为 14.39 词元/秒，且从未超过 48.43 词元/秒。
  • deepseek-v4-pro 表现出最剧烈的运行波动性，变异系数为 47.5%，趋势为 -42.2%，从 14:40 的 113.05 词元/秒骤降至 16:40 的 15.65 词元/秒；nemotron-3-ultra 的稳定性更差，变异系数高达 86.1%。
  • 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，数据集记录了 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%
  • gemma4:31b 的平均吞吐量最高，达 137.57 词元/秒（峰值 179.5 词元/秒），而 nemotron-3-ultra 表现最弱，平均 21.15 词元/秒，最终收于 6.22 词元/秒。
  • glm-5.3 呈现最强劲的正向趋势，从 59.44 词元/秒的低点上涨 65.9%，在 UTC 15:40 至 16:40 期间持续保持在 165.88–173.24 词元/秒区间；nemotron-3-ultra 波动最大（变异系数 81.2%），下跌 58.1% 至 6.22 词元/秒，deepseek-v4-pro 在 16:40 一度跌至 15.65 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，在四小时窗口内共产生 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 的平均吞吐量最高，达 130.78 词元/秒，峰值达 179.5 词元/秒，而 nemotron-3-ultra 表现最弱，平均仅 21.36 词元/秒，且从未超过 55.92 词元/秒。
  • glm-5.3 的波动性对运行影响最大，变异系数为 45.4%，在 56.14 至 184.53 词元/秒之间波动；nemotron-3-ultra 的稳定性更差，变异系数达 79.7%，在整个时间窗口内于 6.1 至 55.92 词元/秒之间振荡。
  • 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，覆盖率为 100.0%，因此从 UTC 12:20 到 16:00 的每个二十分钟间隔均有数据。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • gemma4:31b 是最强模型，平均吞吐量为 127.18 词元/秒，领先于 deepseek-v4-flash 的 117.65 词元/秒；nemotron-3-ultra 最弱，平均为 19.45 词元/秒，最低降至 3.48 词元/秒。
  • glm-5.3 表现出最剧烈的运行波动：它在 12:40 达到 184.53 词元/秒的峰值，随后在 13:00 降至 56.14 词元/秒并持续波动，最终以 80.39 词元/秒收尾，趋势为 -40.9%；nemotron-3-ultra 最不稳定，变异系数为 88.9%。
  • 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，数据集报告了 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 是最强模型，平均吞吐量为 128.77 词元/秒，峰值达 210.67 词元/秒，而 nemotron-3-ultra 最弱，平均仅 17.01 词元/秒，从未超过 55.92 词元/秒。
  • 运营层面最显著的变化是 glm-5.3 下降了 20.4%，从 12:40 的 184.53 词元/秒峰值跌至 14:00 的 59.44 词元/秒；nemotron-3-ultra 也表现出极端波动性，变异系数高达 93.4%。
  • 不存在数据缺失的限制：全部八个模型均交付了 12 个预期样本中的 12 个，数据集报告了 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 是最强的模型，平均吞吐量为 135.83 词元/秒（峰值 210.67 词元/秒），而 nemotron-3-ultra 最弱，平均为 19.39 词元/秒，峰值仅为 73.62 词元/秒。
  • 运营层面最显著的波动来自 nemotron-3-ultra，其变异系数为 107.0%，在 3.48 至 73.62 词元/秒之间摆动，趋势为 -69.4%，最终收于 6.83 词元/秒；glm-5.3 在最后一个区间也从 184.53 摆动至 56.14 词元/秒。
  • 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，在 96 个有效数据点上实现了 100.0% 的覆盖率。
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 142.26 词元/秒（峰值 210.67 词元/秒），而 nemotron-3-ultra 最弱，为 27.04 词元/秒，约为领先者平均值的三分之一……不，约为领先者平均值的五分之一。
  • 波动最显著的是 nemotron-3-ultra：变异系数为 83.0%，趋势为 -68.3%，且在 73.62 词元/秒至 3.48 词元/秒之间大幅波动；glm-5.3 走势相反，上升 31.7%，收于 134.24 词元/秒。
  • 该时间窗口内不存在数据缺失的限制：全部八个模型均提供了 12 个预期样本中的 12 个，共 96 个有效数据点，覆盖率为 100.0%，但四小时的时间跨度限制了对更长期结论的推断。
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 146.24 词元/秒（峰值 210.67 词元/秒），而 nemotron-3-ultra 最弱，平均为 26.85 词元/秒，峰值仅为 73.62 词元/秒。
  • 八个模型中有六个在观测期内出现下滑；glm-5.2 下降 22.5%，收于 33.34 词元/秒，deepseek-v4-pro 在 10:40 降至 29.39 词元/秒。nemotron-3-ultra 波动最大，波动范围为 3.89 至 73.62 词元/秒，变异系数为 84.8%。
  • 不存在缺失数据的限制：全部 96 个预期数据点均有效，每个模型都有 12 个样本中的 12 个，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 139.41 词元/秒（峰值 196.85 词元/秒），而 nemotron-3-ultra 最弱，平均为 31.51 词元/秒，峰值仅为 73.62 词元/秒。
  • nemotron-3-ultra 表现出对运营影响最显著的波动性，变异系数为 74.9%，波动范围在 3.89 至 73.62 词元/秒之间；glm-5.3 的波动性次之，CV 为 38.0%，范围为 55.08 至 187.24 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%），且在四小时的时间窗口内，每个模型都有 12 个样本中的 12 个。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最高的是 gemma4:31b，达 130.93 词元/秒；最低的是 nemotron-3-ultra，为 26.87 词元/秒，后者还在 06:00 UTC 记录了该时间窗口内最低的单次读数 2.23 词元/秒。
  • 运营层面最显著的波动来自 glm-5.3-flash，其变异系数为 43.5%，在 172.45 至 20.84 词元/秒之间摆动；deepseek-v4-flash 是唯一呈现明显上升趋势的模型，涨幅为 +11.2%，并于 07:20 UTC 达到 196.85 词元/秒的峰值。
  • 不存在数据缺失的限制：全部八个模型均有 12/12 个样本，数据集包含 96 个有效数据点，整个四小时时间窗口的覆盖率为 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • gemma4:31b 以 130.04 词元/秒的平均输出吞吐量领先，略微超过 deepseek-v4-flash 的 126.59 词元/秒，而 nemotron-3-ultra 是表现最弱的模型，仅为 23.80 词元/秒。
  • glm-5.3-flash 恶化最为严重，从 04:40 的 185.04 词元/秒峰值下降 50.2%，至 08:00 的 54.27 词元/秒；nemotron-3-ultra 波动最大，变异系数为 78.4%，在 2.23 至 60.25 词元/秒之间波动。
  • 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%
  • deepseek-v4-flash 是平均吞吐量最强的模型，达到 131.33 词元/秒，略微领先于 gemma4:31b 的 130.9 词元/秒；nemotron-3-ultra 最弱，平均仅为 31.36 词元/秒，最大值也只有 73.68 词元/秒。
  • 运营层面最显著的波动来自 nemotron-3-ultra，其变异系数为 71.4%，包括在 06:00 降至 2.23 词元/秒、在 03:40 降至 3.01 词元/秒；glm-5.3-flash 同样不稳定，波动范围从 20.84 到 185.04 词元/秒，变异系数为 53.4%。
  • 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%，且每个模型都有 12 个样本中的 12 个，因此该四小时时间窗口是完整的。
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 141.18 词元/秒（峰值 190.48 词元/秒）；最弱的是 nemotron-3-ultra，为 35.60 词元/秒，从未超过 73.68 词元/秒。
  • glm-5.3 呈现最强劲的上升趋势，达 +39.5%，但波动性较高（标准差 47.99 词元/秒，变异系数 40.8%）；nemotron-3-ultra 波动性最大（变异系数 64.7%），在 06:00 骤降至 2.23 词元/秒，而 deepseek-v4-flash 在同一观测时点降至 34.47 词元/秒。
  • 不存在数据缺失的限制：全部 8 个模型均报告了 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达到 100.0%。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • gemma4:31b 以 146.77 词元/秒的平均吞吐量表现最强，略胜 deepseek-v4-flash 的 139.32 词元/秒，而 nemotron-3-ultra 最弱，仅为 36.32 词元/秒，远低于 glm-5.2 的 74.4 词元/秒。
  • glm-5.3-flash 的波动性对运营影响最大，在 22.93 至 196.26 词元/秒之间波动，变异系数为 44.0%，趋势为 -23.5%；nemotron-3-ultra 同样不稳定，变异系数达 75.4%，最低降至 1.65 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，在四小时窗口内共有 96 个有效数据点，覆盖率为 100.0%，因此各项平均值均基于完整数据。
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 151.78 词元/秒（p95 为 186.59 词元/秒）；最弱的是 nemotron-3-ultra，为 37.0 词元/秒，最低值为 1.65 词元/秒。
  • glm-5.3-flash 表现出对运营影响最大的波动性，从 01:20 的 196.26 词元/秒降至 04:00 的 22.93 词元/秒，变异系数为 46.1%，趋势为 -22.5%；glm-5.3 同样在 172.31 至 62.75 词元/秒之间大幅波动。
  • 不存在数据缺失的限制：全部八个模型均记录了 12 个预期样本中的 12 个，在四小时窗口内共产生 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 以 133.75 词元/秒的平均吞吐量表现最强（峰值达 183.41 词元/秒），而 nemotron-3-ultra 最弱，为 42.27 词元/秒，在整个时间窗口内从未超过 95.76 词元/秒。
  • nemotron-3-ultra 表现出对运行影响最显著的波动性，变异系数为 73.8%，从 01:40 的 1.65 词元/秒到 23:40 的 95.76 词元/秒大幅摆动；glm-5.3 也在 62.75 至 172.31 词元/秒之间剧烈震荡。
  • 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，在四小时期间内共有 96 个有效数据点和 100.0% 的覆盖率，因此该摘要反映了完整的观测结果。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • 平均吞吐量最高的是 deepseek-v4-flash，达 139.49 词元/秒（峰值 195.83 词元/秒）；最低的是 nemotron-3-ultra，仅 37.11 词元/秒，远低于次低的 glm-5.2（81.56 词元/秒）。
  • nemotron-3-ultra 表现出对运行影响最为显著的波动性：变异系数为 86.4%，在 01:40 时低至 1.65 词元/秒，在 23:40 时高达 95.76 词元/秒，趋势为 -37.9%，且多次跌破 20 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，平均吞吐量为 141.90 词元/秒，而 nemotron-3-ultra 最弱，平均为 50.87 词元/秒，约为领先者速率的三分之一。
  • 运营层面最显著的波动来自 nemotron-3-ultra，其在 3.85 至 95.76 词元/秒之间波动，变异系数为 63.5%；glm-5.3 也呈现出 -31.3% 的急剧下降趋势，从 186.30 词元/秒的峰值降至 23:40 时的 65.00 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，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结论的推断。
4 小时窗口 · 96 个数据点 · 覆盖率 100.0%
  • deepseek-v4-flash 以 140.33 词元/秒的平均吞吐量领先，略微超过 glm-5.3 的 140.21 词元/秒；nemotron-3-ultra 表现最弱，仅为 48.46 词元/秒，从未超过 95.76 词元/秒。
  • glm-5.3 在 21:40 至 23:00 期间保持在 168–186 词元/秒，随后在 23:20 和 23:40 分别降至 75.45 和 65.0 词元/秒，之后回升至 136.34 词元/秒；nemotron-3-ultra 波动最大，变异系数为 69.6%，在 3.85 至 95.76 词元/秒之间波动。
  • 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，在四小时窗口内共产生 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 153.72 词元/秒（峰值 186.30 词元/秒）；nemotron-3-ultra 最弱，平均为 38.10 词元/秒，在 23:00 UTC 时降至 3.85 词元/秒。
  • 运营层面最显著的波动来自 nemotron-3-ultra，在 3.85 至 94.35 词元/秒之间波动（变异系数 80.2%），以及 glm-5.3-flash，范围为 62.32 至 193.35 词元/秒（变异系数 43.5%）；与此同时，glm-5.3 呈上升趋势，上升了 20.8%，从 130.10 词元/秒的低点升至 186.30 词元/秒的峰值。
  • 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，在四小时的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 是最强的模型，平均吞吐量为 146.23 词元/秒，在 22:00 UTC 达到 186.3 词元/秒的峰值，而 nemotron-3-ultra 是最弱的模型，平均为 35.57 词元/秒，从未超过 94.35 词元/秒。
  • 运营层面最显著的波动来自 nemotron-3-ultra，其变异系数为 86.1%，在 6.13 至 94.35 词元/秒之间波动，并在该时间窗口内呈 155.9% 的上升趋势；gemma4:31b 也从 173.46 词元/秒的峰值降至 22:00 时的 55.4 词元/秒，降幅为 23.4%。
  • 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%，因此该四小时窗口的数据是完整的。
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 146.45 词元/秒（峰值 173.46 词元/秒）；最弱的是 nemotron-3-ultra，为 19.53 词元/秒，最大值仅为 44.67 词元/秒。
  • deepseek-v4-flash 呈现最强劲的上升趋势，达 +38.1%，范围从 64.58 到 187.41 词元/秒，而 glm-5.2 下降了 30.0%，降至 55.5 词元/秒；nemotron-3-ultra 波动最大，变异系数为 73.1%。
  • 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，覆盖率为 100.0%，且 96 个有效数据点与预期总数相符，因此四小时时间窗口是完整无缺的。