#24
Qwen: Qwen3.5-Flash
Qwen · qwen/qwen3.5-flash-02-23::medium
सरासरी स्कोअर
5.79
प्रति निकाल खर्च
0.650
सुसंगतता
7.61
एकूण खर्च
$0.046
बरोबर चाचण्या
7/14
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.
चुकीच्या चाचण्या
7
प्रति प्रयत्न पास दर: 66.7%
अस्थिर चाचण्या
4
प्रतिसाद वेळ: सरासरी 86.89s · एकूण 1216.50s · कमाल 234.29s
वेळ संपला: 3
API त्रुटी: 2
सूचनांचे पालन केले नाही: 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 | 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 |