#24
Qwen: Qwen3.5-Flash
Qwen · qwen/qwen3.5-flash-02-23::medium
গড় স্কোর
5.79
প্রতি ফলাফলে খরচ
0.650
ধারাবাহিকতা
7.61
মোট খরচ
$0.046
সঠিক টেস্ট
7/14
একটি টেস্ট তখনই সম্পূর্ণ পাস ধরা হবে যখন তার সব রান পাস করবে।
ভুল টেস্ট
7
প্রতি চেষ্টায় পাস রেট: 66.7%
অস্থির টেস্ট
4
প্রতিক্রিয়া সময়: গড় 86.89s · মোট 1216.50s · সর্বোচ্চ 234.29s
টাইমআউট: 3
API ত্রুটি: 2
নির্দেশনা অনুসরণ করা হয়নি: 1
ভুল উত্তর: 1
স্কোর অনুযায়ী শীর্ষ মডেল
প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।
বিভাগভিত্তিক বিশ্লেষণ
| বিভাগ | গড় স্কোর | ধারাবাহিকতা | সঠিক টেস্ট |
|---|---|---|---|
| Anti-AI Tricks | 10.00 | 10.00 | 3/3 |
| Data parsing and extraction | 5.50 | 5.87 | 1/2 |
| Domain specific | 1.00 | 4.42 | 0/3 |
| Instructions following | 7.50 | 9.91 | 1/2 |
| Puzzle Solving | 4.00 | 7.21 | 1/3 |
| Tool Calling | 10.00 | 10.00 | 1/1 |