#24
Qwen: Qwen3.5-Flash
Qwen · qwen/qwen3.5-flash-02-23::medium
Средний балл
5.79
Стоимость за результат
0.650
Стабильность
7.61
Общая стоимость
$0.046
Тестов верно
7/14
Тест считается полностью пройденным, только если все его прогоны успешны.
Ошибочных тестов
7
Доля успешных попыток: 66.7%
Нестабильные тесты
4
Время ответа: среднее 86.89s · суммарно 1216.50s · макс. 234.29s
Тайм-аут: 3
Ошибка API: 2
Не соблюдены инструкции: 1
Неверный ответ: 1
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 | 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 |