综合得分
3.92
95% CI [3.89, 3.95]
基于 2825 个会话
中文榜第 1 名，共 12 个模型
6 个方面
● 记忆 8%4.29
● 知识 15%3.75
● 人设 31%4.15
● 情感 15%3.26
● 道德 15%4.71
● 可信度 15%3.33
13 个维度
- 记忆一致性
- 4.29
- 事实准确性
- 3.32
- 知识边界
- 4.18
- 属性一致（bot）
- 4.67
- 属性一致（human）
- 4.28
- 行为一致（bot）
- 3.52
- 行为一致（human）
- 4.13
- 情绪自我调节
- 3.35
- 共情回应
- 3.17
- 道德稳定性
- 4.71
- 道德鲁棒性
- 4.70
- 拟人性
- 3.28
- 吸引力
- 3.37
各语言成绩
测试于 2026年10月29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 | 1 / 12 | 3.92 | 3.9 – 4.0 | 4.3 | 3.8 | 4.2 | 3.3 | 4.7 | 3.3 | 2,825 |
| English | 1 / 12 | 4.08 | 4.0 – 4.1 | 4.3 | 3.7 | 4.5 | 3.4 | 4.8 | 3.4 | 2,825 |