综合得分
3.71
95% CI [3.68, 3.74]
基于 3238 个会话
中文榜第 9 名，共 12 个模型
6 个方面
● 记忆 8%3.58
● 知识 15%3.45
● 人设 31%3.86
● 情感 15%2.99
● 道德 15%4.76
● 可信度 15%3.43
13 个维度
- 记忆一致性
- 3.58
- 事实准确性
- 2.92
- 知识边界
- 3.97
- 属性一致（bot）
- 4.32
- 属性一致（human）
- 3.93
- 行为一致（bot）
- 3.37
- 行为一致（human）
- 3.81
- 情绪自我调节
- 2.97
- 共情回应
- 3.01
- 道德稳定性
- 4.77
- 道德鲁棒性
- 4.75
- 拟人性
- 3.36
- 吸引力
- 3.50
各语言成绩
测试于 2026年10月27日| 语言 | 名次 | 综合 | 95% 置信区间 | 记忆 | 知识 | 人设 | 情感 | 道德 | 可信度 | 会话数 |
|---|---|---|---|---|---|---|---|---|---|---|
| 中文 | 9 / 12 | 3.71 | 3.7 – 3.7 | 3.6 | 3.5 | 3.9 | 3.0 | 4.8 | 3.4 | 3,238 |
| English | 7 / 12 | 3.84 | 3.8 – 3.9 | 3.6 | 3.4 | 4.2 | 3.1 | 4.8 | 3.4 | 3,238 |