综合得分
3.72
95% CI [3.69, 3.75]
基于 3237 个会话
中文榜第 8 名，共 12 个模型
6 个方面
● 记忆 8%3.79
● 知识 15%3.43
● 人设 31%3.90
● 情感 15%3.05
● 道德 15%4.71
● 可信度 15%3.30
13 个维度
- 记忆一致性
- 3.79
- 事实准确性
- 2.73
- 知识边界
- 4.14
- 属性一致（bot）
- 4.43
- 属性一致（human）
- 4.15
- 行为一致（bot）
- 3.36
- 行为一致（human）
- 3.66
- 情绪自我调节
- 3.10
- 共情回应
- 3.01
- 道德稳定性
- 4.83
- 道德鲁棒性
- 4.58
- 拟人性
- 3.29
- 吸引力
- 3.31
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 | 8 / 12 | 3.72 | 3.7 – 3.8 | 3.8 | 3.4 | 3.9 | 3.0 | 4.7 | 3.3 | 3,237 |
| English | 8 / 12 | 3.82 | 3.8 – 3.9 | 3.8 | 3.3 | 4.3 | 3.1 | 4.7 | 3.3 | 3,237 |