#27
Qwen: Qwen3.5-122B-A10B
Qwen · qwen/qwen3.5-122b-a10b::none
सरासरी स्कोअर
5.20
प्रति निकाल खर्च
0.206
सुसंगतता
10.00
एकूण खर्च
$0.013
बरोबर चाचण्या
6/14
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.
चुकीच्या चाचण्या
8
प्रति प्रयत्न पास दर: 42.9%
अस्थिर चाचण्या
0
प्रतिसाद वेळ: सरासरी 875ms · एकूण 12.25s · कमाल 2.04s
चुकीचे उत्तर: 6
सूचनांचे पालन केले नाही: 2
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 | 4.00 | 10.00 | 1/3 |
| Data parsing and extraction | 9.88 | 10.00 | 2/2 |
| Domain specific | 4.00 | 10.00 | 1/3 |
| Instructions following | 3.00 | 9.95 | 0/2 |
| Puzzle Solving | 4.34 | 10.00 | 1/3 |
| Tool Calling | 10.00 | 10.00 | 1/1 |