#5
Qwen: Qwen3.5-27B
Qwen · qwen/qwen3.5-27b::medium
सरासरी स्कोअर
8.56
प्रति निकाल खर्च
2.950
सुसंगतता
9.56
एकूण खर्च
$0.325
बरोबर चाचण्या
11/14
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.
चुकीच्या चाचण्या
3
प्रति प्रयत्न पास दर: 83.3%
अस्थिर चाचण्या
1
प्रतिसाद वेळ: सरासरी 33.79s · एकूण 473.12s · कमाल 95.52s
सूचनांचे पालन केले नाही: 1
वेळ संपला: 1
चुकीचे उत्तर: 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 | 4.00 | 10.00 | 1/3 |
| Instructions following | 9.00 | 6.88 | 1/2 |
| Puzzle Solving | 10.00 | 10.00 | 3/3 |
| Tool Calling | 10.00 | 10.00 | 1/1 |