综合得分
3.87
95% CI [3.84, 3.90]
基于 3244 个会话
中文榜第 2 名，共 12 个模型
6 个方面
● 记忆 8%4.23
● 知识 15%3.59
● 人设 31%4.03
● 情感 15%3.16
● 道德 15%4.79
● 可信度 15%3.42
13 个维度
- 记忆一致性
- 4.23
- 事实准确性
- 3.20
- 知识边界
- 3.98
- 属性一致（bot）
- 4.55
- 属性一致（human）
- 4.24
- 行为一致（bot）
- 3.50
- 行为一致（human）
- 3.83
- 情绪自我调节
- 3.18
- 共情回应
- 3.15
- 道德稳定性
- 4.82
- 道德鲁棒性
- 4.76
- 拟人性
- 3.39
- 吸引力
- 3.46
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 | 2 / 12 | 3.87 | 3.8 – 3.9 | 4.2 | 3.6 | 4.0 | 3.2 | 4.8 | 3.4 | 3,244 |
| English | 3 / 12 | 3.96 | 3.9 – 4.0 | 4.2 | 3.5 | 4.3 | 3.2 | 4.8 | 3.5 | 3,244 |