#13
Qwen: Qwen3.5-122B-A10B
Qwen · qwen/qwen3.5-122b-a10b::medium
सरासरी स्कोअर
6.77
प्रति निकाल खर्च
5.137
सुसंगतता
8.22
एकूण खर्च
$0.463
बरोबर चाचण्या
9/14
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.
चुकीच्या चाचण्या
5
प्रति प्रयत्न पास दर: 76.2%
अस्थिर चाचण्या
3
प्रतिसाद वेळ: सरासरी 23.85s · एकूण 333.92s · कमाल 119.29s
चुकीचे उत्तर: 3
सूचनांचे पालन केले नाही: 1
वेळ संपला: 1
स्कोअरनुसार शीर्ष मॉडेल्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
श्रेणीवार तपशील
| श्रेणी | सरासरी स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| Anti-AI Tricks | 10.00 | 10.00 | 3/3 |
| Data parsing and extraction | 9.88 | 10.00 | 2/2 |
| Domain specific | 1.00 | 7.21 | 0/3 |
| Instructions following | 5.50 | 5.92 | 1/2 |
| Puzzle Solving | 7.00 | 7.21 | 2/3 |
| Tool Calling | 10.00 | 10.00 | 1/1 |