综合得分
3.92
95% CI [3.90, 3.94]
基于 6488 个会话
综合榜第 1 名，共 6 个模型
6 个方面
● 记忆 · Memory 8%4.21
● 知识 · Knowledge 15%3.55
● 人设 · Persona 31%4.18
● 情感 · Emotion 15%3.20
● 道德 · Morality 15%4.79
● 可信度 · Believability 15%3.44
13 个维度
- 记忆一致性
- 4.21
- 事实准确性
- 3.12
- 知识边界
- 3.98
- 属性一致（bot）
- 4.66
- 属性一致（human）
- 4.29
- 行为一致（bot）
- 3.78
- 行为一致（human）
- 4.01
- 情绪自我调节
- 3.25
- 共情回应
- 3.15
- 道德稳定性
- 4.82
- 道德鲁棒性
- 4.76
- 拟人性
- 3.40
- 吸引力
- 3.49
各语言成绩
测试于 2026/10/27| 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 |
|---|---|---|---|---|---|---|---|---|---|---|
| 综合 | 1 / 6 | 3.92 | 3.9 – 3.9 | 4.2 | 3.5 | 4.2 | 3.2 | 4.8 | 3.4 | 6,488 |
| 中文 | 1 / 26 | 3.87 | 3.8 – 3.9 | 4.2 | 3.6 | 4.0 | 3.2 | 4.8 | 3.4 | 3,244 |
| English | 1 / 25 | 3.96 | 3.9 – 4.0 | 4.2 | 3.5 | 4.3 | 3.2 | 4.8 | 3.5 | 3,244 |