#24
Qwen: Qwen3.5-Flash
Qwen · qwen/qwen3.5-flash-02-23::medium
平均スコア
5.79
結果あたりのコスト
0.650
一貫性
7.61
合計コスト
$0.046
正解テスト
7/14
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
誤答テスト数
7
試行ごとの合格率: 66.7%
不安定なテスト
4
応答時間: 平均 86.89s · 合計 1216.50s · 最大 234.29s
タイムアウト: 3
API エラー: 2
指示に従っていない: 1
不正解: 1
スコア上位モデル
最初のモデルを選択し、次に2つ目のモデルをクリックして並列比較ページを開きます。
カテゴリ内訳
| カテゴリ | 平均スコア | 一貫性 | 正解テスト |
|---|---|---|---|
| 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 |