综合得分
3.86
95% CI [3.82, 3.89]
基于 3247 个会话
中文榜第 3 名，共 12 个模型
6 个方面
● 记忆 8%3.97
● 知识 15%3.68
● 人设 31%3.99
● 情感 15%3.22
● 道德 15%4.81
● 可信度 15%3.40
13 个维度
- 记忆一致性
- 3.97
- 事实准确性
- 3.23
- 知识边界
- 4.14
- 属性一致（bot）
- 4.47
- 属性一致（human）
- 4.21
- 行为一致（bot）
- 3.51
- 行为一致（human）
- 3.79
- 情绪自我调节
- 3.21
- 共情回应
- 3.24
- 道德稳定性
- 4.83
- 道德鲁棒性
- 4.78
- 拟人性
- 3.36
- 吸引力
- 3.45
各语言成绩
测试于 2026年10月28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 | 3 / 12 | 3.86 | 3.8 – 3.9 | 4.0 | 3.7 | 4.0 | 3.2 | 4.8 | 3.4 | 3,247 |
| English | 2 / 12 | 4.00 | 4.0 – 4.0 | 4.1 | 3.7 | 4.4 | 3.3 | 4.8 | 3.4 | 3,247 |