检测报告

109 份公开数据档案每 15 分钟同步

这里展示的是可核验的公开数据；模型指纹、降智和计费一致性会在原生检测接入后加入。

在线率 95.9%，延迟 4.2s，覆盖 24 个模型。

在线率 84.1%，延迟 5.0s，覆盖 46 个模型。

在线率 97.5%，延迟 5.2s，覆盖 69 个模型。

在线率 99.7%，延迟 3.5s，覆盖 29 个模型。

在线率 86.9%，延迟 5.0s，覆盖 20 个模型。

在线率 97.0%，延迟 5.4s，覆盖 66 个模型。

在线率 91.7%，延迟 5.9s，覆盖 53 个模型。

在线率 100.0%，延迟 4.3s，覆盖 18 个模型。

在线率 100.0%，延迟 4.5s，覆盖 42 个模型。

在线率 100.0%，延迟 3.5s，覆盖 29 个模型。

在线率 83.9%，延迟 5.1s，覆盖 41 个模型。

在线率 99.0%，延迟 5.2s，覆盖 72 个模型。

在线率 99.6%，延迟 4.0s，覆盖 21 个模型。

在线率 91.2%，延迟 4.3s，覆盖 42 个模型。

在线率 97.7%，延迟 5.6s，覆盖 238 个模型。

在线率 98.9%，延迟 5.6s，覆盖 28 个模型。

在线率 100.0%，延迟 6.3s，覆盖 72 个模型。

在线率 100.0%，延迟 3.5s，覆盖 18 个模型。

在线率 100.0%，延迟 6.2s，覆盖 11 个模型。

在线率 100.0%，延迟 3.3s，覆盖 16 个模型。

在线率 87.0%，延迟 4.0s，覆盖 38 个模型。

在线率 100.0%，延迟 6.9s，覆盖 21 个模型。

在线率 88.5%，延迟 5.7s，覆盖 54 个模型。

在线率 48.3%，延迟 19.5s，覆盖 56 个模型。

在线率 95.0%，延迟 4.2s，覆盖 54 个模型。

在线率 99.9%，延迟 5.6s，覆盖 43 个模型。

在线率 99.4%，延迟 4.0s，覆盖 24 个模型。

在线率 100.0%，延迟 4.1s，覆盖 41 个模型。

在线率 99.4%，延迟 5.0s，覆盖 18 个模型。

在线率 96.5%，延迟 7.9s，覆盖 35 个模型。

在线率 86.9%，延迟 6.8s，覆盖 36 个模型。

在线率 62.7%，延迟 5.4s，覆盖 9 个模型。

在线率 98.1%，延迟 3.9s，覆盖 21 个模型。

在线率 85.9%，延迟 4.3s，覆盖 6 个模型。

在线率 99.2%，延迟 5.0s，覆盖 29 个模型。

在线率 81.3%，延迟 9.1s，覆盖 40 个模型。

在线率 100.0%，延迟 4.6s，覆盖 19 个模型。

在线率 97.1%，延迟 5.4s，覆盖 84 个模型。

在线率 92.9%，延迟 4.0s，覆盖 42 个模型。

在线率 99.5%，延迟 3.7s，覆盖 60 个模型。

在线率 99.3%，延迟 4.4s，覆盖 12 个模型。

在线率 96.2%，延迟 5.1s，覆盖 29 个模型。

在线率 100.0%，延迟 5.3s，覆盖 30 个模型。

在线率 98.4%，延迟 6.9s，覆盖 34 个模型。

在线率 100.0%，延迟 2.5s，覆盖 7 个模型。

在线率 100.0%，延迟 4.5s，覆盖 64 个模型。

在线率 97.6%，延迟 8.4s，覆盖 5 个模型。

在线率 94.7%，延迟 3.7s，覆盖 58 个模型。

在线率 75.8%，延迟 6.0s，覆盖 7 个模型。

在线率 95.1%，延迟 4.0s，覆盖 26 个模型。

在线率 100.0%，延迟 6.0s，覆盖 35 个模型。

在线率 98.9%，延迟 5.2s，覆盖 33 个模型。

在线率 56.7%，延迟 4.5s，覆盖 39 个模型。

在线率 84.8%，延迟 7.2s，覆盖 20 个模型。

在线率 100.0%，延迟 5.1s，覆盖 31 个模型。

在线率 97.7%，延迟 4.4s，覆盖 15 个模型。

在线率 96.9%，延迟 9.4s，覆盖 56 个模型。

在线率 100.0%，延迟 4.1s，覆盖 49 个模型。

在线率 98.2%，延迟 8.2s，覆盖 36 个模型。

在线率 99.7%，延迟 5.6s，覆盖 29 个模型。

在线率 46.9%，延迟 4.4s，覆盖 41 个模型。

在线率 96.1%，延迟 4.7s，覆盖 13 个模型。

在线率 65.4%，延迟 6.4s，覆盖 27 个模型。

在线率 99.4%，延迟 5.4s，覆盖 33 个模型。

在线率 100.0%，延迟 6.1s，覆盖 52 个模型。

在线率 99.7%，延迟 7.1s，覆盖 65 个模型。

在线率 87.3%，延迟 3.5s，覆盖 18 个模型。

在线率 100.0%，延迟 4.3s，覆盖 107 个模型。

在线率 92.4%，延迟 7.3s，覆盖 27 个模型。

在线率 99.7%，延迟 8.2s，覆盖 166 个模型。

在线率 100.0%，延迟 3.0s，覆盖 26 个模型。

在线率 98.4%，延迟 3.5s，覆盖 39 个模型。

在线率 78.2%，延迟 5.5s，覆盖 48 个模型。

在线率 65.7%，延迟 3.9s，覆盖 128 个模型。

在线率 99.8%，延迟 5.0s，覆盖 131 个模型。

在线率 100.0%，延迟 5.2s，覆盖 65 个模型。

在线率 97.0%，延迟 6.9s，覆盖 103 个模型。

在线率 99.4%，延迟 7.0s，覆盖 58 个模型。

在线率 99.5%，延迟 4.3s，覆盖 55 个模型。

在线率 100.0%，延迟 5.7s，覆盖 129 个模型。

在线率 93.4%，延迟 6.1s，覆盖 15 个模型。

在线率 85.1%，延迟 7.7s，覆盖 8 个模型。

在线率 97.2%，延迟 8.6s，覆盖 62 个模型。

在线率 95.1%，延迟 6.2s，覆盖 32 个模型。

在线率 91.0%，延迟 6.2s，覆盖 59 个模型。

在线率 99.7%，延迟 5.9s，覆盖 40 个模型。

在线率 98.1%，延迟 8.4s，覆盖 20 个模型。

在线率 97.2%，延迟 4.8s，覆盖 33 个模型。

在线率 89.7%，延迟 6.3s，覆盖 66 个模型。

在线率 85.5%，延迟 4.7s，覆盖 55 个模型。

在线率 98.0%，延迟 5.5s，覆盖 40 个模型。

在线率 97.9%，延迟 4.7s，覆盖 40 个模型。

在线率 99.8%，延迟 4.8s，覆盖 24 个模型。

在线率 87.4%，延迟 5.5s，覆盖 36 个模型。

在线率 93.7%，延迟 5.8s，覆盖 13 个模型。

在线率 97.1%，延迟 4.8s，覆盖 17 个模型。

在线率 99.5%，延迟 5.9s，覆盖 92 个模型。

在线率 100.0%，延迟 3.9s，覆盖 14 个模型。

在线率 63.1%，延迟 10.1s，覆盖 58 个模型。

在线率 99.7%，延迟 7.0s，覆盖 15 个模型。

在线率 99.8%，延迟 5.2s，覆盖 8 个模型。

在线率 80.8%，延迟 5.0s，覆盖 42 个模型。

在线率 99.6%，延迟 4.8s，覆盖 34 个模型。

在线率 100.0%，延迟 7.6s，覆盖 40 个模型。

在线率 97.4%，延迟 7.3s，覆盖 102 个模型。

在线率 94.6%，延迟 5.5s，覆盖 42 个模型。

在线率 100.0%，延迟 3.6s，覆盖 52 个模型。

在线率 98.5%，延迟 6.0s，覆盖 47 个模型。

在线率 99.2%，延迟 5.5s，覆盖 82 个模型。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以用，但晚高峰延迟和样本量还需要继续观察。

可以先用，但建议先小额充值，跑一周再决定长期使用。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以用，但晚高峰延迟和样本量还需要继续观察。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以先用，但建议先小额充值，跑一周再决定长期使用。

可以先用，但建议先小额充值，跑一周再决定长期使用。

可以先用，但建议先小额充值，跑一周再决定长期使用。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以用，但晚高峰延迟和样本量还需要继续观察。

可以先用，但建议先小额充值，跑一周再决定长期使用。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以用，但晚高峰延迟和样本量还需要继续观察。

可以用，但晚高峰延迟和样本量还需要继续观察。

可以用，但晚高峰延迟和样本量还需要继续观察。

可以先用，但建议先小额充值，跑一周再决定长期使用。

可以用，但晚高峰延迟和样本量还需要继续观察。

可以先用，但建议先小额充值，跑一周再决定长期使用。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以用，但晚高峰延迟和样本量还需要继续观察。

可以先用，但建议先小额充值，跑一周再决定长期使用。

可以先用，但建议先小额充值，跑一周再决定长期使用。

可以用，但晚高峰延迟和样本量还需要继续观察。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以用，但晚高峰延迟和样本量还需要继续观察。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以用，但晚高峰延迟和样本量还需要继续观察。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以先用，但建议先小额充值，跑一周再决定长期使用。

可以用，但晚高峰延迟和样本量还需要继续观察。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以先用，但建议先小额充值，跑一周再决定长期使用。

可以先用，但建议先小额充值，跑一周再决定长期使用。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以用，但晚高峰延迟和样本量还需要继续观察。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以先用，但建议先小额充值，跑一周再决定长期使用。

可以先用，但建议先小额充值，跑一周再决定长期使用。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以用，但晚高峰延迟和样本量还需要继续观察。

可以用，但晚高峰延迟和样本量还需要继续观察。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以用，但晚高峰延迟和样本量还需要继续观察。

可以用，但晚高峰延迟和样本量还需要继续观察。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以先用，但建议先小额充值，跑一周再决定长期使用。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以用，但晚高峰延迟和样本量还需要继续观察。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以用，但晚高峰延迟和样本量还需要继续观察。

可以用，但晚高峰延迟和样本量还需要继续观察。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以先用，但建议先小额充值，跑一周再决定长期使用。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以先用，但建议先小额充值，跑一周再决定长期使用。

可以用，但晚高峰延迟和样本量还需要继续观察。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以先用，但建议先小额充值，跑一周再决定长期使用。

可以用，但晚高峰延迟和样本量还需要继续观察。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

样本偏少或波动较大，建议先小额测试，不要一次充太多。

可以先用，但建议先小额充值，跑一周再决定长期使用。

可以用，但晚高峰延迟和样本量还需要继续观察。