综合得分
3.81
95% CI [3.77, 3.84]
基于 3244 个会话
中文榜第 5 名，共 12 个模型
6 个方面
● 记忆 8%3.85
● 知识 15%3.50
● 人设 31%3.93
● 情感 15%3.16
● 道德 15%4.80
● 可信度 15%3.48
13 个维度
- 记忆一致性
- 3.85
- 事实准确性
- 3.02
- 知识边界
- 3.98
- 属性一致（bot）
- 4.40
- 属性一致（human）
- 4.17
- 行为一致（bot）
- 3.46
- 行为一致（human）
- 3.69
- 情绪自我调节
- 3.25
- 共情回应
- 3.08
- 道德稳定性
- 4.84
- 道德鲁棒性
- 4.77
- 拟人性
- 3.42
- 吸引力
- 3.53
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 | 5 / 12 | 3.81 | 3.8 – 3.8 | 3.9 | 3.5 | 3.9 | 3.2 | 4.8 | 3.5 | 3,244 |
| English | 5 / 12 | 3.92 | 3.9 – 4.0 | 3.9 | 3.5 | 4.3 | 3.3 | 4.8 | 3.4 | 3,244 |