#29
Qwen: Qwen3.5-27B
Qwen · qwen/qwen3.5-27b::none
सरासरी स्कोअर
4.70
प्रति निकाल खर्च
0.190
सुसंगतता
9.94
एकूण खर्च
$0.010
बरोबर चाचण्या
5/14
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.
चुकीच्या चाचण्या
9
प्रति प्रयत्न पास दर: 35.7%
अस्थिर चाचण्या
0
प्रतिसाद वेळ: सरासरी 1.14s · एकूण 16.01s · कमाल 3.54s
चुकीचे उत्तर: 7
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 | 1.00 | 10.00 | 0/3 |
| Instructions following | 4.00 | 10.00 | 0/2 |
| Puzzle Solving | 4.34 | 9.68 | 1/3 |
| Tool Calling | 10.00 | 10.00 | 1/1 |