#35
Qwen: Qwen3.5-Flash
Qwen · qwen/qwen3.5-flash-02-23::none
Средний балл
3.63
Стоимость за результат
0.084
Стабильность
8.32
Общая стоимость
$0.003
Тестов верно
3/14
Тест считается полностью пройденным, только если все его прогоны успешны.
Ошибочных тестов
11
Доля успешных попыток: 33.3%
Нестабильные тесты
3
Время ответа: среднее 3.55s · суммарно 49.72s · макс. 13.73s
Неверный ответ: 7
Ошибка API: 2
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 | 2.34 | 7.76 | 0/3 |
| Data parsing and extraction | 5.38 | 5.81 | 1/2 |
| Domain specific | 4.00 | 7.21 | 1/3 |
| Instructions following | 3.50 | 9.99 | 0/2 |
| Puzzle Solving | 1.34 | 10.00 | 0/3 |
| Tool Calling | 10.00 | 10.00 | 1/1 |