北京博睿宏远数据科技股份有限公司(公司简称/股票简称:博睿数据,股票代码688229)十余年专注APM领域,已为超过2000余家大型企业提供专业数据服务。
长期以来企业短信市场一直缺乏客观的、可量化的服务质量监控手段,用以衡量真实用户在短信服务上的体验,如是否收到短信,是否能在较短时间内收到短信等等。为了解决这一问题,博睿数据依托先进的测评技术及丰富的行业经验,将从2021年8月开始构建中立、客观、公开透明的监控短信服务质量的云短信排行榜单,助力企业轻松掌控短信服务质量与提升用户体验。
本排行基于Bonree Net短信网关监测产品的监控数据,定期输出评测报告,致力于解决当前企业面对诸多短信供应商无法迅速选型,对于已有供应商短信服务的到达率、整体性能、到达时延等数据缺乏有效的监控手段等痛点问题,帮助企业预先感知+实时监测短信服务质量,助力短信服务问题的解决方式从被动通知向主动感知转变,及时调优短信策略,极大程度上保证精准量化企业短信的服务质量与用户体验。
评测说明
【评测工具】Bonree Net短信网关监测产品,基于博睿数据的WAP会员能力,提供遍布全国各省市的10000+稳定在线的真机短信监测节点,在相同的测试环境下创建短信监测任务,从真实用户角度感知业务应用体验。
【评测对象】 本报告共选择了7家国内主流云提供商的短信服务,最终确定6家提供短信服务的主流云厂商:阿里云、华为云、腾讯云、百度智能云、金山云、UCloud。其中,京东云短信服务因API调用方式相较于其他云厂商更复杂,适配难度较大,未进行适配,因此本次未纳入评测。
【评测周期】2021年8月
【评测范围】综合了移动、联通、电信三大运营商,以及青海、山东、内蒙古、宁夏、福建、江西、新疆、上海、天津、广东、甘肃、辽宁、云南、浙江、海南、广西、河北、吉林、江苏、山西、北京、四川、陕西、湖北、安徽、河南、黑龙江、贵州、湖南29个省级行政区维度数据。
【评测内容】从到达率和整体性能两大项进行评测。
注:本次评测中Bonree Net与各云厂商对于短信到达的定义不相同。云厂商将短信网关接收到短信到达回执定义为短信到达,而Bonree Net站在终端用户角度,将真实手机监测点实际接收到短信定义为短信到达,如短信网关显示发送成功,实际手机未收到或者手机将收到的短信进行了骚扰拦截,在博睿数据报告中均定义为未收到短信。
以下为Bonree数据研究中心发布的《2021年8月云短信排行评测报告》:
此报告综合了18166份手机真机短信监测节点数据,反映了各短信运营商在短信到达率以及整体性能综合实力上的排行。
短信到达率排行榜
在2021年8月短信到达率排行榜中,总体到达率平均值为92.59%,其中腾讯云、华为云、金山云位列前三。
短信整体性能排行榜
1、整体性能
在2021年8月短信整体性能排行榜中,整体性能均值12.937s,其中UCloud、腾讯云、华为云位列前三。值得一提的是,UCloud虽然在到达率排行榜上表现不佳,但其整体性能却表现出色,在三千多份样本数据中,其整体性能均值能达到10.482s。
在2021年8月短信网关处理耗时排行榜中,网关处理耗时均值为0.109s,其中百度智能云、金山云、UCloud位列前三,并且百度智能云、金山云的网关处理耗时均在0.05s之内,短信服务响应十分迅速。
2、短信送达耗时
在2021年8月短信送达耗时排行榜中,短信送达耗时均值为12.288s,其中UCloud、腾讯云、华为云位列前三。
总结
总体来说,在2021年8月云短信评测中,腾讯云、华为云在云短信服务整体上表现优异,无论是在到达率还是整体性能上,都名列前茅;UCloud虽然在到达率上表现不尽人意,但是在整体性能上表现亮眼。
【各榜排名情况】
该榜单是以到达率为排序关键指标,到达率相同的将按照整体性能指标进行排序。
想看“Bonree数据研究中心”发布的更多排名?请通过官网查询https://www.bonree.com/index.html。
指标释义
总监测次数:Bonree Net(短信任务服务)向短信网关发出1次短信发送请求记为1次监测。
有效监测次数:Bonree Net(短信任务服务)向短信网关发出1次短信发送请求600秒内,真实手机监测点接收到该短信记为1次有效监测。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。