综合得分
3.83
95% CI [3.81, 3.85]
基于 6494 个会话
综合榜第 2 名，共 6 个模型
6 个方面
● 记忆 · Memory 8%3.89
● 知识 · Knowledge 15%3.46
● 人设 · Persona 31%4.00
● 情感 · Emotion 15%3.19
● 道德 · Morality 15%4.92
● 可信度 · Believability 15%3.35
13 个维度
- 记忆一致性
- 3.89
- 事实准确性
- 3.12
- 知识边界
- 3.80
- 属性一致（bot）
- 4.64
- 属性一致（human）
- 4.03
- 行为一致（bot）
- 3.52
- 行为一致（human）
- 3.81
- 情绪自我调节
- 3.12
- 共情回应
- 3.26
- 道德稳定性
- 4.93
- 道德鲁棒性
- 4.92
- 拟人性
- 3.26
- 吸引力
- 3.44
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 | 2 / 6 | 3.83 | 3.8 – 3.9 | 3.9 | 3.5 | 4.0 | 3.2 | 4.9 | 3.4 | 6,494 |
| 中文 | 4 / 26 | 3.80 | 3.8 – 3.8 | 4.0 | 3.5 | 3.9 | 3.2 | 4.9 | 3.4 | 3,247 |
| English | 4 / 25 | 3.85 | 3.8 – 3.9 | 3.8 | 3.4 | 4.1 | 3.2 | 4.9 | 3.3 | 3,247 |