综合得分
3.79
95% CI [3.76, 3.82]
基于 3240 个会话
中文榜第 7 名，共 12 个模型
6 个方面
● 记忆 8%4.10
● 知识 15%3.45
● 人设 31%3.98
● 情感 15%3.14
● 道德 15%4.71
● 可信度 15%3.32
13 个维度
- 记忆一致性
- 4.10
- 事实准确性
- 2.86
- 知识边界
- 4.05
- 属性一致（bot）
- 4.42
- 属性一致（human）
- 4.26
- 行为一致（bot）
- 3.38
- 行为一致（human）
- 3.84
- 情绪自我调节
- 3.23
- 共情回应
- 3.04
- 道德稳定性
- 4.77
- 道德鲁棒性
- 4.65
- 拟人性
- 3.30
- 吸引力
- 3.35
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 | 7 / 12 | 3.79 | 3.8 – 3.8 | 4.1 | 3.5 | 4.0 | 3.1 | 4.7 | 3.3 | 3,240 |
| English | 3 / 12 | 3.96 | 3.9 – 4.0 | 4.1 | 3.5 | 4.4 | 3.3 | 4.8 | 3.4 | 3,240 |