综合得分
3.59
95% CI [3.56, 3.63]
基于 3247 个会话
中文榜第 10 名，共 12 个模型
6 个方面
● 记忆 8%3.81
● 知识 15%3.26
● 人设 31%3.66
● 情感 15%3.00
● 道德 15%4.77
● 可信度 15%3.10
13 个维度
- 记忆一致性
- 3.81
- 事实准确性
- 2.77
- 知识边界
- 3.75
- 属性一致（bot）
- 3.99
- 属性一致（human）
- 4.02
- 行为一致（bot）
- 3.43
- 行为一致（human）
- 3.19
- 情绪自我调节
- 3.08
- 共情回应
- 2.93
- 道德稳定性
- 4.75
- 道德鲁棒性
- 4.78
- 拟人性
- 3.02
- 吸引力
- 3.18
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 | 10 / 12 | 3.59 | 3.6 – 3.6 | 3.8 | 3.3 | 3.7 | 3.0 | 4.8 | 3.1 | 3,247 |
| English | 9 / 12 | 3.58 | 3.5 – 3.6 | 3.8 | 3.1 | 3.8 | 3.1 | 4.8 | 2.8 | 3,247 |