#29
Qwen: Qwen3.5-27B
Qwen · qwen/qwen3.5-27b::none
Средний балл
4.70
Стоимость за результат
0.190
Стабильность
9.94
Общая стоимость
$0.010
Тестов верно
5/14
Тест считается полностью пройденным, только если все его прогоны успешны.
Ошибочных тестов
9
Доля успешных попыток: 35.7%
Нестабильные тесты
0
Время ответа: среднее 1.14s · суммарно 16.01s · макс. 3.54s
Неверный ответ: 7
Не соблюдены инструкции: 2
Лучшие модели по оценке
Выберите первую модель, затем нажмите вторую, чтобы открыть страницу сравнения бок о бок.
Разбивка по категориям
| Категория | Средний балл | Стабильность | Тестов верно |
|---|---|---|---|
| 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 |