Total Tes: 18Tes Salah: 13Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 33.3%Tes tidak stabil: 2…Token output: 4,444Token penalaran: 0Waktu respons: rata-rata 29.39s · total 529.10s · maks 111.96s
Trik anti-AI
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 4Waktu respons (rata-rata)20.18sWaktu respons (maks)26.54sWaktu respons (total)80.73s
Pemrograman
: 6.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)24.04sWaktu respons (maks)24.04sWaktu respons (total)24.04s
Gabungan
: 4.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Pemanggilan alat tidak valid: 1Waktu respons (rata-rata)111.96sWaktu respons (maks)111.96sWaktu respons (total)111.96s
Parsing dan ekstraksi data
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)23.79sWaktu respons (maks)23.85sWaktu respons (total)47.57s
Spesifik domain
: 5.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)19.73sWaktu respons (maks)27.66sWaktu respons (total)59.18s
Kecerdasan umum
: 4.2 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)23.74sWaktu respons (maks)23.74sWaktu respons (total)23.74s
Kepatuhan instruksi
: 6.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Format tambahan: 1Waktu respons (rata-rata)17.54sWaktu respons (maks)18.51sWaktu respons (total)35.08s
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)77.93sWaktu respons (maks)77.93sWaktu respons (total)77.93s
Total Tes: 18Tes Salah: 14Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 29.6%Tes tidak stabil: 2…Token output: 1,591Token penalaran: 0Waktu respons: rata-rata 1.19s · total 21.37s · maks 6.48s
Trik anti-AI
: 4.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 4Waktu respons (rata-rata)597msWaktu respons (maks)866msWaktu respons (total)2.39s
Pemrograman
: 5.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)1.14sWaktu respons (maks)1.14sWaktu respons (total)1.14s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Pemanggilan alat tidak valid: 1Waktu respons (rata-rata)6.48sWaktu respons (maks)6.48sWaktu respons (total)6.48s
Parsing dan ekstraksi data
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)601msWaktu respons (maks)634msWaktu respons (total)1.20s
Spesifik domain
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)611msWaktu respons (maks)616msWaktu respons (total)1.83s
Kecerdasan umum
: 5.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)541msWaktu respons (maks)541msWaktu respons (total)541ms
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)4.79sWaktu respons (maks)4.79sWaktu respons (total)4.79s
Total Tes: 18Tes Salah: 14Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 51.9%Tes tidak stabil: 10…Token output: 4,984Token penalaran: 62,787Waktu respons: rata-rata 31.08s · total 528.37s · maks 117.04s
Pemrograman
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)91.27sWaktu respons (maks)91.27sWaktu respons (total)91.27s
Gabungan
: 4.7 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Pemanggilan alat tidak valid: 1Waktu respons (rata-rata)41.03sWaktu respons (maks)41.03sWaktu respons (total)41.03s
Parsing dan ekstraksi data
: 6.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)21.95sWaktu respons (maks)24.88sWaktu respons (total)43.89s
Spesifik domain
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kedaluwarsa: 2Jawaban salah: 1Waktu respons (rata-rata)19.00sWaktu respons (maks)21.63sWaktu respons (total)38.01s
Kecerdasan umum
: 3.9 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)38.70sWaktu respons (maks)38.70sWaktu respons (total)38.70s
Pemanggilan alat
: 4.7 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)12.05sWaktu respons (maks)12.05sWaktu respons (total)12.05s
Total Tes: 18Tes Salah: 13Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 29.6%Tes tidak stabil: 1…Token output: 2,596Token penalaran: 0Waktu respons: rata-rata 1.27s · total 22.82s · maks 3.70s
Trik anti-AI
: 6.6 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)1.19sWaktu respons (maks)2.04sWaktu respons (total)4.75s
Pemrograman
: 5.1 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)1.30sWaktu respons (maks)1.30sWaktu respons (total)1.30s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)3.70sWaktu respons (maks)3.70sWaktu respons (total)3.70s
Parsing dan ekstraksi data
: 6.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)979msWaktu respons (maks)1.02sWaktu respons (total)1.96s
Spesifik domain
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)925msWaktu respons (maks)1.16sWaktu respons (total)2.77s
Kecerdasan umum
: 4.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)920msWaktu respons (maks)920msWaktu respons (total)920ms
Kepatuhan instruksi
: 9.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)987msWaktu respons (maks)1.13sWaktu respons (total)1.97s
Pemanggilan alat
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Pemanggilan alat tidak valid: 1Waktu respons (rata-rata)2.83sWaktu respons (maks)2.83sWaktu respons (total)2.83s
Total Tes: 18Tes Salah: 13Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 29.6%Tes tidak stabil: 1…Token output: 1,967Token penalaran: 0Waktu respons: rata-rata 1.11s · total 20.02s · maks 6.04s
Trik anti-AI
: 4.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)501msWaktu respons (maks)839msWaktu respons (total)2.01s
Pemrograman
: 3.4 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)1.22sWaktu respons (maks)1.22sWaktu respons (total)1.22s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Pemanggilan alat tidak valid: 1Waktu respons (rata-rata)6.04sWaktu respons (maks)6.04sWaktu respons (total)6.04s
Parsing dan ekstraksi data
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)522msWaktu respons (maks)537msWaktu respons (total)1.04s
Kecerdasan umum
: 4.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)659msWaktu respons (maks)659msWaktu respons (total)659ms
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)4.63sWaktu respons (maks)4.63sWaktu respons (total)4.63s
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 11Tidak mengikuti instruksi: 2Waktu respons (rata-rata)665msWaktu respons (maks)1.72sWaktu respons (total)11.97s…
Total Tes: 18Tes Salah: 13Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 31.5%Tes tidak stabil: 1…Token output: 2,207Token penalaran: 0Waktu respons: rata-rata 665ms · total 11.97s · maks 1.72s
Trik anti-AI
: 3.4 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 4Waktu respons (rata-rata)395msWaktu respons (maks)769msWaktu respons (total)1.58s
Pemrograman
: 4.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)1.28sWaktu respons (maks)1.28sWaktu respons (total)1.28s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)1.72sWaktu respons (maks)1.72sWaktu respons (total)1.72s
Parsing dan ekstraksi data
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)822msWaktu respons (maks)1.08sWaktu respons (total)1.64s
Spesifik domain
: 5.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)367msWaktu respons (maks)388msWaktu respons (total)1.10s
Kecerdasan umum
: 4.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)729msWaktu respons (maks)729msWaktu respons (total)729ms
Kepatuhan instruksi
: 6.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)380msWaktu respons (maks)380msWaktu respons (total)759ms
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)1.40sWaktu respons (maks)1.40sWaktu respons (total)1.40s
Total Tes: 18Tes Salah: 14Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 38.9%Tes tidak stabil: 5…Token output: 44,652Token penalaran: 0Waktu respons: rata-rata 11.96s · total 179.34s · maks 68.97s
Pemrograman
: 4.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)9.57sWaktu respons (maks)9.57sWaktu respons (total)9.57s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kesalahan API: 1Waktu respons (rata-rata)0msWaktu respons (maks)0msWaktu respons (total)0ms
Parsing dan ekstraksi data
: 6.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kesalahan API: 1Waktu respons (rata-rata)7.12sWaktu respons (maks)7.12sWaktu respons (total)7.12s
Spesifik domain
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)34.98sWaktu respons (maks)68.97sWaktu respons (total)104.94s
Kecerdasan umum
: 4.6 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)2.83sWaktu respons (maks)2.83sWaktu respons (total)2.83s
Kepatuhan instruksi
: 8.4 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)5.10sWaktu respons (maks)5.85sWaktu respons (total)10.21s
Pemanggilan alat
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kesalahan API: 1Waktu respons (rata-rata)0msWaktu respons (maks)0msWaktu respons (total)0ms
Total Tes: 18Tes Salah: 13Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 31.5%Tes tidak stabil: 1…Token output: 2,573Token penalaran: 0Waktu respons: rata-rata 1.23s · total 22.16s · maks 3.81s
Pemrograman
: 6.4 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)1.39sWaktu respons (maks)1.39sWaktu respons (total)1.39s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)3.81sWaktu respons (maks)3.81sWaktu respons (total)3.81s
Parsing dan ekstraksi data
: 6.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)1.04sWaktu respons (maks)1.05sWaktu respons (total)2.08s
Spesifik domain
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)927msWaktu respons (maks)1.17sWaktu respons (total)2.78s
Kecerdasan umum
: 4.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)854msWaktu respons (maks)854msWaktu respons (total)854ms
Kepatuhan instruksi
: 9.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)1.03sWaktu respons (maks)1.17sWaktu respons (total)2.07s
Pemanggilan alat
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Pemanggilan alat tidak valid: 1Waktu respons (rata-rata)2.79sWaktu respons (maks)2.79sWaktu respons (total)2.79s
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 10Tidak mengikuti instruksi: 3Waktu respons (rata-rata)1.17sWaktu respons (maks)2.52sWaktu respons (total)21.01s…
Total Tes: 18Tes Salah: 13Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 35.2%Tes tidak stabil: 3…Token output: 2,418Token penalaran: 0Waktu respons: rata-rata 1.17s · total 21.01s · maks 2.52s
Trik anti-AI
: 3.1 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 4Waktu respons (rata-rata)929msWaktu respons (maks)1.55sWaktu respons (total)3.72s
Pemrograman
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)1.19sWaktu respons (maks)1.19sWaktu respons (total)1.19s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)2.52sWaktu respons (maks)2.52sWaktu respons (total)2.52s
Parsing dan ekstraksi data
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)1.30sWaktu respons (maks)1.58sWaktu respons (total)2.61s
Spesifik domain
: 3.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)937msWaktu respons (maks)1.25sWaktu respons (total)2.81s
Kecerdasan umum
: 4.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)1.82sWaktu respons (maks)1.82sWaktu respons (total)1.82s
Kepatuhan instruksi
: 6.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)728msWaktu respons (maks)731msWaktu respons (total)1.46s
Pemanggilan alat
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)2.32sWaktu respons (maks)2.32sWaktu respons (total)2.32s
Total Tes: 18Tes Salah: 14Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 25.9%Tes tidak stabil: 1…Token output: 3,617Token penalaran: 0Waktu respons: rata-rata 10.18s · total 122.13s · maks 45.14s
Pemrograman
: 7.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)3.14sWaktu respons (maks)3.14sWaktu respons (total)3.14s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)45.14sWaktu respons (maks)45.14sWaktu respons (total)45.14s
Parsing dan ekstraksi data
: 6.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)1.32sWaktu respons (maks)1.32sWaktu respons (total)1.32s
Spesifik domain
: 5.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)962msWaktu respons (maks)962msWaktu respons (total)962ms
Kecerdasan umum
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)1.34sWaktu respons (maks)1.34sWaktu respons (total)1.34s
Kepatuhan instruksi
: 4.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)7.71sWaktu respons (maks)14.65sWaktu respons (total)15.42s
Pemecahan teka-teki
: 3.2 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)22.86sWaktu respons (maks)42.58sWaktu respons (total)45.73s
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)2.47sWaktu respons (maks)2.47sWaktu respons (total)2.47s
Total Tes: 18Tes Salah: 13Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 27.8%Tes tidak stabil: 0…Token output: 2,177Token penalaran: 0Waktu respons: rata-rata 1.05s · total 18.94s · maks 2.43s
Trik anti-AI
: 4.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)842msWaktu respons (maks)1.47sWaktu respons (total)3.37s
Pemrograman
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)1.95sWaktu respons (maks)1.95sWaktu respons (total)1.95s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)2.36sWaktu respons (maks)2.36sWaktu respons (total)2.36s
Parsing dan ekstraksi data
: 6.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Format tambahan: 1Waktu respons (rata-rata)1.01sWaktu respons (maks)1.18sWaktu respons (total)2.03s
Spesifik domain
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)756msWaktu respons (maks)877msWaktu respons (total)2.27s
Kecerdasan umum
: 4.6 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)841msWaktu respons (maks)841msWaktu respons (total)841ms
Kepatuhan instruksi
: 6.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)751msWaktu respons (maks)821msWaktu respons (total)1.50s
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)2.43sWaktu respons (maks)2.43sWaktu respons (total)2.43s
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 10Tidak mengikuti instruksi: 4Waktu respons (rata-rata)8.54sWaktu respons (maks)24.97sWaktu respons (total)153.69s…
Total Tes: 18Tes Salah: 14Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 35.2%Tes tidak stabil: 4…Token output: 4,760Token penalaran: 0Waktu respons: rata-rata 8.54s · total 153.69s · maks 24.97s
Trik anti-AI
: 4.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)7.43sWaktu respons (maks)16.69sWaktu respons (total)29.72s
Pemrograman
: 3.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)2.99sWaktu respons (maks)2.99sWaktu respons (total)2.99s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)19.98sWaktu respons (maks)19.98sWaktu respons (total)19.98s
Parsing dan ekstraksi data
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)7.92sWaktu respons (maks)13.23sWaktu respons (total)15.84s
Spesifik domain
: 3.6 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)6.23sWaktu respons (maks)14.38sWaktu respons (total)18.70s
Kecerdasan umum
: 4.2 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)24.97sWaktu respons (maks)24.97sWaktu respons (total)24.97s
Pemanggilan alat
: 4.7 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)16.00sWaktu respons (maks)16.00sWaktu respons (total)16.00s
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 13Tidak mengikuti instruksi: 1Waktu respons (rata-rata)2.00sWaktu respons (maks)7.58sWaktu respons (total)21.99s…
Total Tes: 18Tes Salah: 14Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 22.2%Tes tidak stabil: 0…Token output: 1,947Token penalaran: 0Waktu respons: rata-rata 2.00s · total 21.99s · maks 7.58s
Trik anti-AI
: 4.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)1.34sWaktu respons (maks)1.83sWaktu respons (total)2.67s
Pemrograman
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)2.55sWaktu respons (maks)2.55sWaktu respons (total)2.55s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)7.58sWaktu respons (maks)7.58sWaktu respons (total)7.58s
Parsing dan ekstraksi data
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)1.27sWaktu respons (maks)1.27sWaktu respons (total)1.27s
Spesifik domain
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)637msWaktu respons (maks)637msWaktu respons (total)637ms
Kecerdasan umum
: 4.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)909msWaktu respons (maks)909msWaktu respons (total)909ms
Pemecahan teka-teki
: 3.7 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)1.30sWaktu respons (maks)1.54sWaktu respons (total)2.60s
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)2.51sWaktu respons (maks)2.51sWaktu respons (total)2.51s
Total Tes: 18Tes Salah: 14Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 24.1%Tes tidak stabil: 1…Token output: 3,951Token penalaran: 0Waktu respons: rata-rata 1.47s · total 26.43s · maks 5.91s
Trik anti-AI
: 3.1 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 4Waktu respons (rata-rata)1.71sWaktu respons (maks)3.79sWaktu respons (total)6.84s
Pemrograman
: 5.2 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)5.69sWaktu respons (maks)5.69sWaktu respons (total)5.69s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Pemanggilan alat tidak valid: 1Waktu respons (rata-rata)5.91sWaktu respons (maks)5.91sWaktu respons (total)5.91s
Parsing dan ekstraksi data
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)847msWaktu respons (maks)1.09sWaktu respons (total)1.69s
Spesifik domain
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)464msWaktu respons (maks)622msWaktu respons (total)1.39s
Kecerdasan umum
: 4.4 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)552msWaktu respons (maks)552msWaktu respons (total)552ms
Kepatuhan instruksi
: 6.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)514msWaktu respons (maks)582msWaktu respons (total)1.03s
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)1.27sWaktu respons (maks)1.27sWaktu respons (total)1.27s
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 13Tidak mengikuti instruksi: 1Waktu respons (rata-rata)613msWaktu respons (maks)1.27sWaktu respons (total)11.04s…
Total Tes: 18Tes Salah: 14Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 27.8%Tes tidak stabil: 2…Token output: 1,625Token penalaran: 0Waktu respons: rata-rata 613ms · total 11.04s · maks 1.27s
Trik anti-AI
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 4Waktu respons (rata-rata)483msWaktu respons (maks)716msWaktu respons (total)1.93s
Pemrograman
: 3.6 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)969msWaktu respons (maks)969msWaktu respons (total)969ms
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)606msWaktu respons (maks)606msWaktu respons (total)606ms
Parsing dan ekstraksi data
: 7.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)667msWaktu respons (maks)819msWaktu respons (total)1.33s
Spesifik domain
: 5.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)534msWaktu respons (maks)733msWaktu respons (total)1.60s
Kecerdasan umum
: 4.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)628msWaktu respons (maks)628msWaktu respons (total)628ms
Kepatuhan instruksi
: 6.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)551msWaktu respons (maks)622msWaktu respons (total)1.10s
Pemecahan teka-teki
: 3.1 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)533msWaktu respons (maks)637msWaktu respons (total)1.60s
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)1.27sWaktu respons (maks)1.27sWaktu respons (total)1.27s
Total Tes: 18Tes Salah: 15Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 27.8%Tes tidak stabil: 3…Token output: 3,241Token penalaran: 0Waktu respons: rata-rata 10.75s · total 129.01s · maks 81.80s
Pemrograman
: 4.7 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kedaluwarsa: 1Waktu respons (rata-rata)1.69sWaktu respons (maks)1.69sWaktu respons (total)1.69s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)4.28sWaktu respons (maks)4.28sWaktu respons (total)4.28s
Parsing dan ekstraksi data
: 6.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)81.80sWaktu respons (maks)81.80sWaktu respons (total)81.80s
Spesifik domain
: 5.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)638msWaktu respons (maks)638msWaktu respons (total)638ms
Kecerdasan umum
: 6.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)1.39sWaktu respons (maks)1.39sWaktu respons (total)1.39s
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)2.64sWaktu respons (maks)2.64sWaktu respons (total)2.64s
Total Tes: 18Tes Salah: 14Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 27.8%Tes tidak stabil: 2…Token output: 2,639Token penalaran: 0Waktu respons: rata-rata 13.56s · total 230.55s · maks 35.84s
Pemrograman
: 2.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)4.56sWaktu respons (maks)4.56sWaktu respons (total)4.56s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)35.84sWaktu respons (maks)35.84sWaktu respons (total)35.84s
Parsing dan ekstraksi data
: 6.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kesalahan API: 1Waktu respons (rata-rata)2.85sWaktu respons (maks)2.85sWaktu respons (total)2.85s
Spesifik domain
: 3.6 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Kesalahan API: 1Waktu respons (rata-rata)17.61sWaktu respons (maks)25.68sWaktu respons (total)52.82s
Kecerdasan umum
: 4.1 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)16.07sWaktu respons (maks)16.07sWaktu respons (total)16.07s
Kepatuhan instruksi
: 6.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Format tambahan: 1Waktu respons (rata-rata)12.98sWaktu respons (maks)23.51sWaktu respons (total)25.95s
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)33.76sWaktu respons (maks)33.76sWaktu respons (total)33.76s
Total Tes: 18Tes Salah: 14Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 38.9%Tes tidak stabil: 8…Token output: 39,688Token penalaran: 72,401Waktu respons: rata-rata 32.33s · total 355.65s · maks 174.55s
Pemrograman
: 3.6 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kedaluwarsa: 1Waktu respons (rata-rata)21.26sWaktu respons (maks)21.26sWaktu respons (total)21.26s
Gabungan
: 2.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Pemanggilan alat tidak valid: 1Waktu respons (rata-rata)65.57sWaktu respons (maks)65.57sWaktu respons (total)65.57s
Parsing dan ekstraksi data
: 6.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban: 1Waktu respons (rata-rata)1.51sWaktu respons (maks)1.51sWaktu respons (total)1.51s
Kecerdasan umum
: 3.6 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)18.14sWaktu respons (maks)18.14sWaktu respons (total)18.14s
Kepatuhan instruksi
: 6.2 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)2.97sWaktu respons (maks)2.97sWaktu respons (total)2.97s
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)15.95sWaktu respons (maks)15.95sWaktu respons (total)15.95s
Total Tes: 18Tes Salah: 15Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 27.8%Tes tidak stabil: 5…Token output: 68,522Token penalaran: 0Waktu respons: rata-rata 2.79s · total 39.08s · maks 19.68s
Trik anti-AI
: 3.2 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 4Waktu respons (rata-rata)1.19sWaktu respons (maks)2.73sWaktu respons (total)4.76s
Pemrograman
: 6.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)2.79sWaktu respons (maks)2.79sWaktu respons (total)2.79s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)2.87sWaktu respons (maks)2.87sWaktu respons (total)2.87s
Spesifik domain
: 5.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)564msWaktu respons (maks)564msWaktu respons (total)564ms
Kecerdasan umum
: 4.6 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)1.67sWaktu respons (maks)1.67sWaktu respons (total)1.67s
Kepatuhan instruksi
: 6.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)857msWaktu respons (maks)955msWaktu respons (total)1.71s
Pemecahan teka-teki
: 3.6 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)1.38sWaktu respons (maks)1.74sWaktu respons (total)2.75s
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)2.28sWaktu respons (maks)2.28sWaktu respons (total)2.28s
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 13Tidak mengikuti instruksi: 2Waktu respons (rata-rata)1.76sWaktu respons (maks)5.51sWaktu respons (total)19.35s…
Total Tes: 18Tes Salah: 15Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 24.1%Tes tidak stabil: 3…Token output: 1,721Token penalaran: 0Waktu respons: rata-rata 1.76s · total 19.35s · maks 5.51s
Pemrograman
: 5.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)1.79sWaktu respons (maks)1.79sWaktu respons (total)1.79s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)3.33sWaktu respons (maks)3.33sWaktu respons (total)3.33s
Parsing dan ekstraksi data
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)943msWaktu respons (maks)943msWaktu respons (total)943ms
Spesifik domain
: 5.9 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)1.06sWaktu respons (maks)1.06sWaktu respons (total)1.06s
Kecerdasan umum
: 4.4 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)1.08sWaktu respons (maks)1.08sWaktu respons (total)1.08s
Kepatuhan instruksi
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)923msWaktu respons (maks)923msWaktu respons (total)923ms
Pemecahan teka-teki
: 3.2 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)1.28sWaktu respons (maks)1.36sWaktu respons (total)2.56s
Pemanggilan alat
: 2.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)5.51sWaktu respons (maks)5.51sWaktu respons (total)5.51s
Total Tes: 18Tes Salah: 15Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 16.7%Tes tidak stabil: 0…Token output: 2,434Token penalaran: 0Waktu respons: rata-rata 8.79s · total 158.19s · maks 25.72s
Trik anti-AI
: 3.4 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 4Waktu respons (rata-rata)6.55sWaktu respons (maks)9.41sWaktu respons (total)26.19s
Pemrograman
: 5.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)10.57sWaktu respons (maks)10.57sWaktu respons (total)10.57s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)23.53sWaktu respons (maks)23.53sWaktu respons (total)23.53s
Parsing dan ekstraksi data
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)1.37sWaktu respons (maks)1.37sWaktu respons (total)2.73s
Spesifik domain
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)1.04sWaktu respons (maks)1.08sWaktu respons (total)3.11s
Kecerdasan umum
: 5.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)20.34sWaktu respons (maks)20.34sWaktu respons (total)20.34s
Kepatuhan instruksi
: 6.4 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)5.36sWaktu respons (maks)9.81sWaktu respons (total)10.73s
Pemanggilan alat
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Pemanggilan alat tidak valid: 1Waktu respons (rata-rata)25.72sWaktu respons (maks)25.72sWaktu respons (total)25.72s
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 13Tidak mengikuti instruksi: 3Waktu respons (rata-rata)1.40sWaktu respons (maks)3.84sWaktu respons (total)25.14s…
Total Tes: 18Tes Salah: 16Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 31.5%Tes tidak stabil: 7…Token output: 2,762Token penalaran: 0Waktu respons: rata-rata 1.40s · total 25.14s · maks 3.84s
Trik anti-AI
: 3.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 4Waktu respons (rata-rata)1.18sWaktu respons (maks)1.81sWaktu respons (total)4.70s
Pemrograman
: 7.1 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)1.43sWaktu respons (maks)1.43sWaktu respons (total)1.43s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)3.84sWaktu respons (maks)3.84sWaktu respons (total)3.84s
Parsing dan ekstraksi data
: 6.5 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)1.11sWaktu respons (maks)1.25sWaktu respons (total)2.23s
Spesifik domain
: 2.9 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)926msWaktu respons (maks)959msWaktu respons (total)2.78s
Kecerdasan umum
: 3.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)1.31sWaktu respons (maks)1.31sWaktu respons (total)1.31s
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)3.40sWaktu respons (maks)3.40sWaktu respons (total)3.40s
Total Tes: 18Tes Salah: 15Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 33.3%Tes tidak stabil: 6…Token output: 24,291Token penalaran: 172,597Waktu respons: rata-rata 73.64s · total 1104.60s · maks 226.38s
Trik anti-AI
: 5.1 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kedaluwarsa: 2Jawaban salah: 1Waktu respons (rata-rata)34.44sWaktu respons (maks)57.86sWaktu respons (total)103.31s
Pemrograman
: 2.6 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)135.61sWaktu respons (maks)135.61sWaktu respons (total)135.61s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kedaluwarsa: 1Waktu respons (rata-rata)0msWaktu respons (maks)0msWaktu respons (total)0ms
Spesifik domain
: 3.6 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kedaluwarsa: 3Waktu respons (rata-rata)137.75sWaktu respons (maks)202.61sWaktu respons (total)413.24s
Kecerdasan umum
: 2.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kedaluwarsa: 1Waktu respons (rata-rata)226.38sWaktu respons (maks)226.38sWaktu respons (total)226.38s
Kepatuhan instruksi
: 6.4 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kedaluwarsa: 1Waktu respons (rata-rata)17.15sWaktu respons (maks)28.54sWaktu respons (total)34.29s
Pemanggilan alat
: 10.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)4.31sWaktu respons (maks)4.31sWaktu respons (total)4.31s
Total Tes: 16Tes Salah: 15Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 14.6%Tes tidak stabil: 2…Token output: 1,185Token penalaran: 0Waktu respons: rata-rata 811ms · total 11.35s · maks 2.88s
Trik anti-AI
: 3.3 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)471msWaktu respons (maks)872msWaktu respons (total)1.41s
Gabungan
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kesalahan API: 1Waktu respons (rata-rata)0msWaktu respons (maks)0msWaktu respons (total)0ms
Parsing dan ekstraksi data
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)714msWaktu respons (maks)987msWaktu respons (total)1.43s
Spesifik domain
: 5.9 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kesalahan API: 1Jawaban salah: 1Waktu respons (rata-rata)287msWaktu respons (maks)334msWaktu respons (total)860ms
Kecerdasan umum
: 4.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)395msWaktu respons (maks)395msWaktu respons (total)395ms
Kepatuhan instruksi
: 4.8 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)1.09sWaktu respons (maks)1.90sWaktu respons (total)2.18s
Pemanggilan alat
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kesalahan API: 1Waktu respons (rata-rata)0msWaktu respons (maks)0msWaktu respons (total)0ms
Total Tes: 1Tes Salah: 1Keandalan: T/ATelemetri keandalan tidak tersedia atau belum lengkap untuk model ini.Tingkat lulus per percobaan: 0.0%Tes tidak stabil: 0…Token output: 0Token penalaran: 0Waktu respons: rata-rata 0ms · total 0ms · maks 0ms
Pemrograman
: 3.0 Tes dianggap lulus penuh hanya jika semua run-nya lulus.Kesalahan API: 1Waktu respons (rata-rata)0msWaktu respons (maks)0msWaktu respons (total)0ms