| #289#289 |
Kimi K2.5medium
|
6.4… |
Moonshot AI |
$0.841
↑
…
|
125.76s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 5 超时: 3 未遵循指令: 2 无答案: 2 无效工具调用: 1
响应时间(平均)125.76s
响应时间(最大)566.79s
响应时间(总计)2137.84s
…
|
- 总测试数
- 23
- 错误测试数
- 13
- 尝试通过率
- 60.9%
- 输入令牌
- 292,271
- 输出令牌
- 55,025
- 推理令牌
- 186,071
- 响应时间(平均)
- 125.76s
- 响应时间(总计)
- 2137.84s
- 响应时间(最大)
- 566.79s
-
智能体任务
: 3.9
只有当某个测试的所有运行都通过时,才计为完全通过。
超时: 1
响应时间(平均)566.79s
响应时间(最大)566.79s
响应时间(总计)566.79s
-
反AI技巧
: 7.3
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1 答案错误: 1
响应时间(平均)51.38s
响应时间(最大)85.28s
响应时间(总计)102.75s
-
编程
: 6.1
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1 超时: 1
响应时间(平均)217.49s
响应时间(最大)281.00s
响应时间(总计)652.48s
-
综合
: 6.7
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)89.19s
响应时间(最大)107.01s
响应时间(总计)178.38s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)49.78s
响应时间(最大)49.78s
响应时间(总计)49.78s
-
领域专项
: 2.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2 超时: 1
响应时间(平均)111.65s
响应时间(最大)137.29s
响应时间(总计)223.30s
-
通用智能
: 6.5
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)69.73s
响应时间(最大)69.73s
响应时间(总计)69.73s
-
指令遵循
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)92.47s
响应时间(最大)92.47s
响应时间(总计)92.47s
-
谜题求解
: 5.3
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)43.23s
响应时间(最大)82.75s
响应时间(总计)86.47s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)31.74s
响应时间(最大)31.74s
响应时间(总计)31.74s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)83.95s
响应时间(最大)83.95s
响应时间(总计)83.95s
|
| #288#288 |
Minimax M3.1 Flashxhigh
|
6.4… |
Minimax |
$0.000
…
|
21.71s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 9 未遵循指令: 2 API 错误: 1 无效工具调用: 1
响应时间(平均)21.71s
响应时间(最大)87.61s
响应时间(总计)499.37s
…
|
- 总测试数
- 23
- 错误测试数
- 13
- 尝试通过率
- 56.5%
- 输入令牌
- 318,768
- 输出令牌
- 9,865
- 推理令牌
- 155,441
- 响应时间(平均)
- 21.71s
- 响应时间(总计)
- 499.37s
- 响应时间(最大)
- 87.61s
-
智能体任务
: 6.1
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)87.61s
响应时间(最大)87.61s
响应时间(总计)87.61s
-
反AI技巧
: 6.5
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)2.91s
响应时间(最大)7.21s
响应时间(总计)11.66s
-
编程
: 6.0
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)20.38s
响应时间(最大)31.14s
响应时间(总计)61.13s
-
综合
: 7.3
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)34.36s
响应时间(最大)61.86s
响应时间(总计)68.72s
-
数据解析与提取
: 6.5
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1
响应时间(平均)949ms
响应时间(最大)1.56s
响应时间(总计)1.90s
-
领域专项
: 7.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)50.99s
响应时间(最大)76.87s
响应时间(总计)152.96s
-
通用智能
: 5.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)6.26s
响应时间(最大)6.26s
响应时间(总计)6.26s
-
指令遵循
: 4.9
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)1.72s
响应时间(最大)2.04s
响应时间(总计)3.44s
-
谜题求解
: 7.8
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)10.22s
响应时间(最大)26.01s
响应时间(总计)30.66s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)2.78s
响应时间(最大)2.78s
响应时间(总计)2.78s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)72.27s
响应时间(最大)72.27s
响应时间(总计)72.27s
|
| #287#287 |
Claude Sonnet 4.6medium已归档模型:该模型将不再更新,也不会在新测试中继续测试。
|
6.4… |
Anthropic |
$2.126
…
|
28.08s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 4 额外格式: 3 超时: 1
响应时间(平均)28.08s
响应时间(最大)140.96s
响应时间(总计)421.15s
…
|
- 总测试数
- 22
- 错误测试数
- 8
- 尝试通过率
- 62.3%
- 输入令牌
- 106,316
- 输出令牌
- 79,338
- 推理令牌
- 41,089
- 响应时间(平均)
- 28.08s
- 响应时间(总计)
- 421.15s
- 响应时间(最大)
- 140.96s
-
智能体任务
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
反AI技巧
: 6.5
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 1 答案错误: 1
响应时间(平均)2.98s
响应时间(最大)4.95s
响应时间(总计)5.97s
-
编程
: 5.7
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 1 答案错误: 1
响应时间(平均)33.29s
响应时间(最大)35.76s
响应时间(总计)99.86s
-
综合
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)93.65s
响应时间(最大)140.96s
响应时间(总计)187.31s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)13.90s
响应时间(最大)13.90s
响应时间(总计)13.90s
-
领域专项
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 1 超时: 1 答案错误: 1
响应时间(平均)58.37s
响应时间(最大)58.37s
响应时间(总计)58.37s
-
通用智能
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)4.94s
响应时间(最大)4.94s
响应时间(总计)4.94s
-
指令遵循
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)2.61s
响应时间(最大)2.61s
响应时间(总计)2.61s
-
谜题求解
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)5.31s
响应时间(最大)6.24s
响应时间(总计)10.62s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)7.48s
响应时间(最大)7.48s
响应时间(总计)7.48s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)30.09s
响应时间(最大)30.09s
响应时间(总计)30.09s
|
| #286#286 |
Solar Pro 4medium
|
6.4… |
Upstage |
$0.098
↑
…
|
133.93s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 6 未遵循指令: 2 API 错误: 1 额外格式: 1 无答案: 1
响应时间(平均)133.93s
响应时间(最大)519.91s
响应时间(总计)3080.36s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 60.9%
- 输入令牌
- 299,558
- 输出令牌
- 33,248
- 推理令牌
- 374,819
- 响应时间(平均)
- 133.93s
- 响应时间(总计)
- 3080.36s
- 响应时间(最大)
- 519.91s
-
智能体任务
: 4.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)272.28s
响应时间(最大)272.28s
响应时间(总计)272.28s
-
反AI技巧
: 8.2
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1
响应时间(平均)53.37s
响应时间(最大)74.40s
响应时间(总计)213.47s
-
编程
: 5.5
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 1 答案错误: 1
响应时间(平均)310.39s
响应时间(最大)518.33s
响应时间(总计)931.17s
-
综合
: 6.4
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1
响应时间(平均)294.82s
响应时间(最大)519.91s
响应时间(总计)589.65s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)43.08s
响应时间(最大)47.23s
响应时间(总计)86.16s
-
领域专项
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)201.85s
响应时间(最大)333.26s
响应时间(总计)605.54s
-
通用智能
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)48.00s
响应时间(最大)48.00s
响应时间(总计)48.00s
-
指令遵循
: 9.8
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)40.08s
响应时间(最大)56.63s
响应时间(总计)80.15s
-
谜题求解
: 9.0
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)45.83s
响应时间(最大)74.11s
响应时间(总计)137.48s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)7.86s
响应时间(最大)7.86s
响应时间(总计)7.86s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)108.62s
响应时间(最大)108.62s
响应时间(总计)108.62s
|
| #284#284 |
Gemini 3 Flash Previewnone
|
6.4… |
Google |
$0.155
…
|
6.05s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 9 无答案: 1
响应时间(平均)6.05s
响应时间(最大)57.84s
响应时间(总计)102.89s
…
|
- 总测试数
- 23
- 错误测试数
- 10
- 尝试通过率
- 62.3%
- 输入令牌
- 233,893
- 输出令牌
- 12,432
- 推理令牌
- 0
- 响应时间(平均)
- 6.05s
- 响应时间(总计)
- 102.89s
- 响应时间(最大)
- 57.84s
-
智能体任务
: 5.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)57.84s
响应时间(最大)57.84s
响应时间(总计)57.84s
-
反AI技巧
: 8.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.25s
响应时间(最大)1.59s
响应时间(总计)2.49s
-
编程
: 5.5
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)1.80s
响应时间(最大)2.79s
响应时间(总计)5.40s
-
综合
: 3.8
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1 答案错误: 1
响应时间(平均)12.38s
响应时间(最大)21.19s
响应时间(总计)24.75s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.41s
响应时间(最大)1.41s
响应时间(总计)1.41s
-
领域专项
: 7.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)879ms
响应时间(最大)963ms
响应时间(总计)1.76s
-
通用智能
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.13s
响应时间(最大)1.13s
响应时间(总计)1.13s
-
指令遵循
: 6.4
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.58s
响应时间(最大)1.58s
响应时间(总计)1.58s
-
谜题求解
: 7.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.05s
响应时间(最大)1.06s
响应时间(总计)2.11s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)3.35s
响应时间(最大)3.35s
响应时间(总计)3.35s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.07s
响应时间(最大)1.07s
响应时间(总计)1.07s
|
| #285#285 |
Beam 1.0 501B A23Bmax
|
6.4… |
Reflection |
$0.799
…
|
11.10s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 6 API 错误: 3 未遵循指令: 2
响应时间(平均)11.10s
响应时间(最大)54.48s
响应时间(总计)255.26s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 56.5%
- 输入令牌
- 199,105
- 输出令牌
- 4,274
- 推理令牌
- 195,495
- 响应时间(平均)
- 11.10s
- 响应时间(总计)
- 255.26s
- 响应时间(最大)
- 54.48s
-
智能体任务
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)50.05s
响应时间(最大)50.05s
响应时间(总计)50.05s
-
反AI技巧
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.42s
响应时间(最大)2.72s
响应时间(总计)5.66s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)17.15s
响应时间(最大)24.93s
响应时间(总计)51.46s
-
综合
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 2
响应时间(平均)3.04s
响应时间(最大)4.53s
响应时间(总计)6.08s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.23s
响应时间(最大)1.43s
响应时间(总计)2.46s
-
领域专项
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)31.89s
响应时间(最大)54.48s
响应时间(总计)95.68s
-
通用智能
: 5.5
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)3.63s
响应时间(最大)3.63s
响应时间(总计)3.63s
-
指令遵循
: 8.4
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)866ms
响应时间(最大)956ms
响应时间(总计)1.73s
-
谜题求解
: 7.8
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)3.94s
响应时间(最大)5.76s
响应时间(总计)11.82s
-
工具调用
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1
响应时间(平均)2.15s
响应时间(最大)2.15s
响应时间(总计)2.15s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)24.53s
响应时间(最大)24.53s
响应时间(总计)24.53s
|
| #283#283 |
Qwen3.5-122B-A10Bnone
|
6.4… |
Qwen |
$0.308
↓
…
|
14.79s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 13 未遵循指令: 2 无效工具调用: 1
响应时间(平均)14.79s
响应时间(最大)212.63s
响应时间(总计)340.25s
…
|
- 总测试数
- 23
- 错误测试数
- 16
- 尝试通过率
- 36.2%
- 输入令牌
- 405,921
- 输出令牌
- 97,112
- 推理令牌
- 0
- 响应时间(平均)
- 14.79s
- 响应时间(总计)
- 340.25s
- 响应时间(最大)
- 212.63s
-
智能体任务
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)55.86s
响应时间(最大)55.86s
响应时间(总计)55.86s
-
反AI技巧
: 4.8
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)1.59s
响应时间(最大)3.60s
响应时间(总计)6.38s
-
编程
: 3.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)2.77s
响应时间(最大)4.03s
响应时间(总计)8.32s
-
综合
: 5.2
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1 答案错误: 1
响应时间(平均)129.31s
响应时间(最大)212.63s
响应时间(总计)258.63s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.01s
响应时间(最大)1.06s
响应时间(总计)2.02s
-
领域专项
: 5.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)523ms
响应时间(最大)609ms
响应时间(总计)1.57s
-
通用智能
: 5.0
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)1.12s
响应时间(最大)1.12s
响应时间(总计)1.12s
-
指令遵循
: 6.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)513ms
响应时间(最大)570ms
响应时间(总计)1.03s
-
谜题求解
: 3.8
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2 未遵循指令: 1
响应时间(平均)1.00s
响应时间(最大)1.41s
响应时间(总计)3.00s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)2.04s
响应时间(最大)2.04s
响应时间(总计)2.04s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)295ms
响应时间(最大)295ms
响应时间(总计)295ms
|
| #282#282 |
Laguna XS 2.1medium
|
6.4… |
Poolside |
$0.083
…
|
48.97s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 10 无效工具调用: 2 无答案: 2
响应时间(平均)48.97s
响应时间(最大)422.72s
响应时间(总计)1126.35s
…
|
- 总测试数
- 23
- 错误测试数
- 14
- 尝试通过率
- 46.4%
- 输入令牌
- 352,516
- 输出令牌
- 33,786
- 推理令牌
- 504,506
- 响应时间(平均)
- 48.97s
- 响应时间(总计)
- 1126.35s
- 响应时间(最大)
- 422.72s
-
智能体任务
: 6.1
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)66.42s
响应时间(最大)66.42s
响应时间(总计)66.42s
-
反AI技巧
: 4.8
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2 无答案: 1
响应时间(平均)41.96s
响应时间(最大)155.23s
响应时间(总计)167.84s
-
编程
: 5.5
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)70.35s
响应时间(最大)105.98s
响应时间(总计)211.04s
-
综合
: 6.3
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)218.07s
响应时间(最大)422.72s
响应时间(总计)436.15s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)4.50s
响应时间(最大)5.55s
响应时间(总计)9.00s
-
领域专项
: 3.5
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2 无答案: 1
响应时间(平均)67.48s
响应时间(最大)121.62s
响应时间(总计)202.43s
-
通用智能
: 5.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)4.15s
响应时间(最大)4.15s
响应时间(总计)4.15s
-
指令遵循
: 9.8
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)2.57s
响应时间(最大)2.61s
响应时间(总计)5.15s
-
谜题求解
: 5.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)3.43s
响应时间(最大)4.37s
响应时间(总计)10.29s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)3.01s
响应时间(最大)3.01s
响应时间(总计)3.01s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)10.88s
响应时间(最大)10.88s
响应时间(总计)10.88s
|
| #281#281 |
Grok 4.3medium
|
6.5… |
X AI |
$0.989
…
|
44.53s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 6 未遵循指令: 2 额外格式: 1 无效工具调用: 1 无答案: 1
响应时间(平均)44.53s
响应时间(最大)216.69s
响应时间(总计)1024.25s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 63.8%
- 输入令牌
- 325,471
- 输出令牌
- 14,867
- 推理令牌
- 217,675
- 响应时间(平均)
- 44.53s
- 响应时间(总计)
- 1024.25s
- 响应时间(最大)
- 216.69s
-
智能体任务
: 3.9
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)51.61s
响应时间(最大)51.61s
响应时间(总计)51.61s
-
反AI技巧
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)8.83s
响应时间(最大)11.20s
响应时间(总计)35.31s
-
编程
: 5.9
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 1 答案错误: 1
响应时间(平均)41.23s
响应时间(最大)64.81s
响应时间(总计)123.69s
-
综合
: 6.5
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1
响应时间(平均)55.07s
响应时间(最大)63.99s
响应时间(总计)110.13s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)18.97s
响应时间(最大)26.99s
响应时间(总计)37.93s
-
领域专项
: 3.5
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)158.01s
响应时间(最大)216.69s
响应时间(总计)474.02s
-
通用智能
: 5.4
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)24.70s
响应时间(最大)24.70s
响应时间(总计)24.70s
-
指令遵循
: 9.8
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)18.58s
响应时间(最大)31.48s
响应时间(总计)37.15s
-
谜题求解
: 5.9
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)22.52s
响应时间(最大)51.75s
响应时间(总计)67.57s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)17.66s
响应时间(最大)17.66s
响应时间(总计)17.66s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)44.47s
响应时间(最大)44.47s
响应时间(总计)44.47s
|
| #280#280 |
KAT-Coder-Pro V2.5high
|
6.5… |
Kwaipilot |
$0.506
…
|
21.21s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 10 API 错误: 1 无效工具调用: 1
响应时间(平均)21.21s
响应时间(最大)199.97s
响应时间(总计)487.83s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 60.9%
- 输入令牌
- 106,085
- 输出令牌
- 9,071
- 推理令牌
- 135,288
- 响应时间(平均)
- 21.21s
- 响应时间(总计)
- 487.83s
- 响应时间(最大)
- 199.97s
-
智能体任务
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1
响应时间(平均)1.52s
响应时间(最大)1.52s
响应时间(总计)1.52s
-
反AI技巧
: 7.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)3.17s
响应时间(最大)4.99s
响应时间(总计)12.67s
-
编程
: 6.4
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)22.00s
响应时间(最大)35.74s
响应时间(总计)65.99s
-
综合
: 7.3
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)106.70s
响应时间(最大)199.97s
响应时间(总计)213.41s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)4.13s
响应时间(最大)4.56s
响应时间(总计)8.26s
-
领域专项
: 2.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)44.66s
响应时间(最大)95.65s
响应时间(总计)133.99s
-
通用智能
: 5.1
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)3.27s
响应时间(最大)3.27s
响应时间(总计)3.27s
-
指令遵循
: 9.9
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)2.67s
响应时间(最大)2.87s
响应时间(总计)5.33s
-
谜题求解
: 8.2
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)3.38s
响应时间(最大)4.30s
响应时间(总计)10.13s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)28.04s
响应时间(最大)28.04s
响应时间(总计)28.04s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)5.22s
响应时间(最大)5.22s
响应时间(总计)5.22s
|
| #279#279 |
GLM 5.1none
|
6.5… |
Z.ai |
$0.451
↑
…
|
11.10s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 12 无效工具调用: 1 无答案: 1
响应时间(平均)11.10s
响应时间(最大)107.19s
响应时间(总计)255.39s
…
|
- 总测试数
- 23
- 错误测试数
- 14
- 尝试通过率
- 47.8%
- 输入令牌
- 258,956
- 输出令牌
- 20,076
- 推理令牌
- 0
- 响应时间(平均)
- 11.10s
- 响应时间(总计)
- 255.39s
- 响应时间(最大)
- 107.19s
-
智能体任务
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)107.19s
响应时间(最大)107.19s
响应时间(总计)107.19s
-
反AI技巧
: 4.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 4
响应时间(平均)2.11s
响应时间(最大)3.94s
响应时间(总计)8.46s
-
编程
: 3.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)4.96s
响应时间(最大)9.79s
响应时间(总计)14.89s
-
综合
: 2.8
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1 无答案: 1
响应时间(平均)46.88s
响应时间(最大)61.20s
响应时间(总计)93.77s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.08s
响应时间(最大)1.62s
响应时间(总计)2.15s
-
领域专项
: 5.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)2.27s
响应时间(最大)3.99s
响应时间(总计)6.80s
-
通用智能
: 5.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)790ms
响应时间(最大)790ms
响应时间(总计)790ms
-
指令遵循
: 9.8
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.98s
响应时间(最大)2.28s
响应时间(总计)3.97s
-
谜题求解
: 7.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.45s
响应时间(最大)2.09s
响应时间(总计)4.36s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)10.68s
响应时间(最大)10.68s
响应时间(总计)10.68s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)2.34s
响应时间(最大)2.34s
响应时间(总计)2.34s
|
| #278#278 |
GLM 5.3low
|
6.5… |
Z.ai |
$0.215
↓
…
|
15.18s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 8 无效工具调用: 2 未遵循指令: 1
响应时间(平均)15.18s
响应时间(最大)83.60s
响应时间(总计)349.06s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 63.8%
- 输入令牌
- 247,871
- 输出令牌
- 10,791
- 推理令牌
- 17,315
- 响应时间(平均)
- 15.18s
- 响应时间(总计)
- 349.06s
- 响应时间(最大)
- 83.60s
-
智能体任务
: 5.2
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)48.84s
响应时间(最大)48.84s
响应时间(总计)48.84s
-
反AI技巧
: 6.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)4.16s
响应时间(最大)6.41s
响应时间(总计)16.65s
-
编程
: 6.2
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)21.02s
响应时间(最大)44.29s
响应时间(总计)63.06s
-
综合
: 3.8
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1 答案错误: 1
响应时间(平均)53.02s
响应时间(最大)83.60s
响应时间(总计)106.04s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)3.42s
响应时间(最大)4.01s
响应时间(总计)6.84s
-
领域专项
: 5.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)19.23s
响应时间(最大)30.42s
响应时间(总计)57.69s
-
通用智能
: 4.1
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)4.70s
响应时间(最大)4.70s
响应时间(总计)4.70s
-
指令遵循
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)3.40s
响应时间(最大)3.57s
响应时间(总计)6.79s
-
谜题求解
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)4.20s
响应时间(最大)4.53s
响应时间(总计)12.59s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)18.45s
响应时间(最大)18.45s
响应时间(总计)18.45s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)7.42s
响应时间(最大)7.42s
响应时间(总计)7.42s
|
| #277#277 |
Beam 1.0 501B A23Bxhigh
|
6.5… |
Reflection |
$0.688
…
|
9.18s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 8 API 错误: 3
响应时间(平均)9.18s
响应时间(最大)44.64s
响应时间(总计)211.12s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 63.8%
- 输入令牌
- 212,065
- 输出令牌
- 4,428
- 推理令牌
- 154,069
- 响应时间(平均)
- 9.18s
- 响应时间(总计)
- 211.12s
- 响应时间(最大)
- 44.64s
-
智能体任务
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)44.64s
响应时间(最大)44.64s
响应时间(总计)44.64s
-
反AI技巧
: 9.2
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.52s
响应时间(最大)2.98s
响应时间(总计)6.08s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)20.68s
响应时间(最大)33.46s
响应时间(总计)62.05s
-
综合
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 2
响应时间(平均)2.68s
响应时间(最大)3.43s
响应时间(总计)5.37s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.60s
响应时间(最大)1.93s
响应时间(总计)3.20s
-
领域专项
: 5.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)20.22s
响应时间(最大)24.34s
响应时间(总计)60.66s
-
通用智能
: 5.1
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)2.50s
响应时间(最大)2.50s
响应时间(总计)2.50s
-
指令遵循
: 9.8
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.15s
响应时间(最大)1.41s
响应时间(总计)2.30s
-
谜题求解
: 5.8
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)4.46s
响应时间(最大)7.42s
响应时间(总计)13.38s
-
工具调用
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1
响应时间(平均)1.84s
响应时间(最大)1.84s
响应时间(总计)1.84s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)9.10s
响应时间(最大)9.10s
响应时间(总计)9.10s
|
| #276#276 |
Mercury 2.5high
|
6.5… |
Inception |
$0.044
…
|
7.62s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 9 API 错误: 1 无答案: 1
响应时间(平均)7.62s
响应时间(最大)80.30s
响应时间(总计)175.36s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 59.4%
- 输入令牌
- 358,562
- 输出令牌
- 4,266
- 推理令牌
- 189,410
- 响应时间(平均)
- 7.62s
- 响应时间(总计)
- 175.36s
- 响应时间(最大)
- 80.30s
-
智能体任务
: 3.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)80.30s
响应时间(最大)80.30s
响应时间(总计)80.30s
-
反AI技巧
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.33s
响应时间(最大)2.12s
响应时间(总计)5.33s
-
编程
: 6.4
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)6.58s
响应时间(最大)8.12s
响应时间(总计)19.74s
-
综合
: 6.4
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1
响应时间(平均)16.00s
响应时间(最大)23.63s
响应时间(总计)32.00s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)3.08s
响应时间(最大)4.24s
响应时间(总计)6.16s
-
领域专项
: 2.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)4.86s
响应时间(最大)7.32s
响应时间(总计)14.58s
-
通用智能
: 5.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)2.69s
响应时间(最大)2.69s
响应时间(总计)2.69s
-
指令遵循
: 6.5
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1
响应时间(平均)934ms
响应时间(最大)1.13s
响应时间(总计)1.87s
-
谜题求解
: 8.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.39s
响应时间(最大)1.86s
响应时间(总计)4.17s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)3.06s
响应时间(最大)3.06s
响应时间(总计)3.06s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)5.48s
响应时间(最大)5.48s
响应时间(总计)5.48s
|
| #275#275 |
Mercury 2.5 Previewhigh
|
6.5… |
Inception |
$0.040
↑
…
|
7.61s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 6 未遵循指令: 2 API 错误: 1 无效工具调用: 1 超时: 1
响应时间(平均)7.61s
响应时间(最大)86.84s
响应时间(总计)175.08s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 65.2%
- 输入令牌
- 298,512
- 输出令牌
- 3,178
- 推理令牌
- 177,419
- 响应时间(平均)
- 7.61s
- 响应时间(总计)
- 175.08s
- 响应时间(最大)
- 86.84s
-
智能体任务
: 6.1
只有当某个测试的所有运行都通过时,才计为完全通过。
超时: 1
响应时间(平均)86.84s
响应时间(最大)86.84s
响应时间(总计)86.84s
-
反AI技巧
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.09s
响应时间(最大)1.54s
响应时间(总计)4.35s
-
编程
: 6.7
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)6.13s
响应时间(最大)7.52s
响应时间(总计)18.39s
-
综合
: 3.8
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1 答案错误: 1
响应时间(平均)14.36s
响应时间(最大)17.71s
响应时间(总计)28.71s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)2.24s
响应时间(最大)2.62s
响应时间(总计)4.49s
-
领域专项
: 2.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)5.68s
响应时间(最大)9.06s
响应时间(总计)17.04s
-
通用智能
: 5.1
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)1.88s
响应时间(最大)1.88s
响应时间(总计)1.88s
-
指令遵循
: 9.8
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.05s
响应时间(最大)1.15s
响应时间(总计)2.09s
-
谜题求解
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.21s
响应时间(最大)1.54s
响应时间(总计)3.64s
-
工具调用
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1
响应时间(平均)2.25s
响应时间(最大)2.25s
响应时间(总计)2.25s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)5.41s
响应时间(最大)5.41s
响应时间(总计)5.41s
|
| #274#274 |
Qwen3.6 35B A3Bmedium
|
6.5… |
Qwen |
$0.834
↑
…
|
59.92s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 6 API 错误: 2 未遵循指令: 1 无效工具调用: 1 无答案: 1
响应时间(平均)59.92s
响应时间(最大)817.57s
响应时间(总计)1258.32s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 58.0%
- 输入令牌
- 282,192
- 输出令牌
- 75,306
- 推理令牌
- 700,868
- 响应时间(平均)
- 59.92s
- 响应时间(总计)
- 1258.32s
- 响应时间(最大)
- 817.57s
-
智能体任务
: 6.1
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)88.48s
响应时间(最大)88.48s
响应时间(总计)88.48s
-
反AI技巧
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)6.02s
响应时间(最大)8.79s
响应时间(总计)24.07s
-
编程
: 7.7
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1
响应时间(平均)50.55s
响应时间(最大)86.11s
响应时间(总计)151.65s
-
综合
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1 无效工具调用: 1
响应时间(平均)817.57s
响应时间(最大)817.57s
响应时间(总计)817.57s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)12.99s
响应时间(最大)13.75s
响应时间(总计)25.99s
-
领域专项
: 2.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)25.39s
响应时间(最大)45.02s
响应时间(总计)76.16s
-
通用智能
: 4.4
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)8.66s
响应时间(最大)8.66s
响应时间(总计)8.66s
-
指令遵循
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)7.50s
响应时间(最大)10.22s
响应时间(总计)15.00s
-
谜题求解
: 8.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)5.95s
响应时间(最大)8.42s
响应时间(总计)17.84s
-
工具调用
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)32.90s
响应时间(最大)32.90s
响应时间(总计)32.90s
|
| #273#273 |
Minimax M3.1 Flashhigh
|
6.5… |
Minimax |
$0.000
…
|
34.00s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 8 未遵循指令: 4 API 错误: 1 无效工具调用: 1
响应时间(平均)34.00s
响应时间(最大)280.72s
响应时间(总计)781.92s
…
|
- 总测试数
- 23
- 错误测试数
- 14
- 尝试通过率
- 56.5%
- 输入令牌
- 357,984
- 输出令牌
- 70,004
- 推理令牌
- 209,434
- 响应时间(平均)
- 34.00s
- 响应时间(总计)
- 781.92s
- 响应时间(最大)
- 280.72s
-
智能体任务
: 6.1
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)70.45s
响应时间(最大)70.45s
响应时间(总计)70.45s
-
反AI技巧
: 6.4
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)2.71s
响应时间(最大)6.72s
响应时间(总计)10.82s
-
编程
: 5.6
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)36.78s
响应时间(最大)81.81s
响应时间(总计)110.35s
-
综合
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)34.77s
响应时间(最大)62.84s
响应时间(总计)69.55s
-
数据解析与提取
: 6.5
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1
响应时间(平均)1.00s
响应时间(最大)1.67s
响应时间(总计)2.00s
-
领域专项
: 5.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)134.49s
响应时间(最大)280.72s
响应时间(总计)403.47s
-
通用智能
: 4.6
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)5.16s
响应时间(最大)5.16s
响应时间(总计)5.16s
-
指令遵循
: 5.3
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)1.65s
响应时间(最大)1.73s
响应时间(总计)3.29s
-
谜题求解
: 6.0
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 2
响应时间(平均)3.48s
响应时间(最大)5.27s
响应时间(总计)10.43s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)3.38s
响应时间(最大)3.38s
响应时间(总计)3.38s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)93.01s
响应时间(最大)93.01s
响应时间(总计)93.01s
|
| #272#272 |
Claude Sonnet 5.5medium
|
6.5… |
Anthropic |
$1.100
…
|
8.03s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 8 未遵循指令: 3 无效工具调用: 1 无答案: 1 答案错误: 1
响应时间(平均)8.03s
响应时间(最大)51.18s
响应时间(总计)184.80s
…
|
- 总测试数
- 23
- 错误测试数
- 14
- 尝试通过率
- 40.6%
- 输入令牌
- 361,183
- 输出令牌
- 26,609
- 推理令牌
- 11,139
- 响应时间(平均)
- 8.03s
- 响应时间(总计)
- 184.80s
- 响应时间(最大)
- 51.18s
-
智能体任务
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)51.18s
响应时间(最大)51.18s
响应时间(总计)51.18s
-
反AI技巧
: 6.5
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 2
响应时间(平均)2.54s
响应时间(最大)4.30s
响应时间(总计)10.16s
-
编程
: 3.4
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 2 额外格式: 1
响应时间(平均)6.07s
响应时间(最大)7.23s
响应时间(总计)18.20s
-
综合
: 8.5
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)23.58s
响应时间(最大)26.16s
响应时间(总计)47.16s
-
数据解析与提取
: 6.5
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 1
响应时间(平均)2.56s
响应时间(最大)2.88s
响应时间(总计)5.13s
-
领域专项
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 2 答案错误: 1
响应时间(平均)8.78s
响应时间(最大)11.55s
响应时间(总计)26.33s
-
通用智能
: 5.1
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)2.27s
响应时间(最大)2.27s
响应时间(总计)2.27s
-
指令遵循
: 6.3
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 1
响应时间(平均)1.88s
响应时间(最大)2.03s
响应时间(总计)3.76s
-
谜题求解
: 7.7
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 1
响应时间(平均)2.43s
响应时间(最大)2.70s
响应时间(总计)7.29s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)4.75s
响应时间(最大)4.75s
响应时间(总计)4.75s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1
响应时间(平均)8.57s
响应时间(最大)8.57s
响应时间(总计)8.57s
|
| #271#271 |
KAT-Coder-Pro V2.5low
|
6.5… |
Kwaipilot |
$0.568
↑
…
|
19.40s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 10 API 错误: 2
响应时间(平均)19.40s
响应时间(最大)209.15s
响应时间(总计)446.11s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 65.2%
- 输入令牌
- 87,682
- 输出令牌
- 7,166
- 推理令牌
- 106,027
- 响应时间(平均)
- 19.40s
- 响应时间(总计)
- 446.11s
- 响应时间(最大)
- 209.15s
-
智能体任务
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1
响应时间(平均)1.75s
响应时间(最大)1.75s
响应时间(总计)1.75s
-
反AI技巧
: 6.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)4.20s
响应时间(最大)9.56s
响应时间(总计)16.82s
-
编程
: 7.8
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)24.87s
响应时间(最大)51.34s
响应时间(总计)74.61s
-
综合
: 6.4
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1
响应时间(平均)111.87s
响应时间(最大)209.15s
响应时间(总计)223.74s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)4.19s
响应时间(最大)4.83s
响应时间(总计)8.37s
-
领域专项
: 3.5
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)22.86s
响应时间(最大)44.39s
响应时间(总计)68.59s
-
通用智能
: 4.1
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)2.32s
响应时间(最大)2.32s
响应时间(总计)2.32s
-
指令遵循
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)2.53s
响应时间(最大)3.03s
响应时间(总计)5.07s
-
谜题求解
: 6.4
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)3.11s
响应时间(最大)4.16s
响应时间(总计)9.33s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)18.45s
响应时间(最大)18.45s
响应时间(总计)18.45s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)17.06s
响应时间(最大)17.06s
响应时间(总计)17.06s
|
| #270#270 |
Beam 1.0 501B A23Bmedium
|
6.6… |
Reflection |
$0.499
…
|
6.27s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 6 API 错误: 3
响应时间(平均)6.27s
响应时间(最大)31.55s
响应时间(总计)144.28s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 65.2%
- 输入令牌
- 202,937
- 输出令牌
- 4,328
- 推理令牌
- 94,193
- 响应时间(平均)
- 6.27s
- 响应时间(总计)
- 144.28s
- 响应时间(最大)
- 31.55s
-
智能体任务
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)31.55s
响应时间(最大)31.55s
响应时间(总计)31.55s
-
反AI技巧
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.62s
响应时间(最大)3.74s
响应时间(总计)6.46s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)11.81s
响应时间(最大)17.55s
响应时间(总计)35.42s
-
综合
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 2
响应时间(平均)2.62s
响应时间(最大)3.66s
响应时间(总计)5.23s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.24s
响应时间(最大)1.73s
响应时间(总计)2.49s
-
领域专项
: 2.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)11.66s
响应时间(最大)11.81s
响应时间(总计)34.98s
-
通用智能
: 4.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.87s
响应时间(最大)1.87s
响应时间(总计)1.87s
-
指令遵循
: 9.8
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.24s
响应时间(最大)1.61s
响应时间(总计)2.47s
-
谜题求解
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)3.91s
响应时间(最大)6.18s
响应时间(总计)11.74s
-
工具调用
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1
响应时间(平均)1.95s
响应时间(最大)1.95s
响应时间(总计)1.95s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)10.13s
响应时间(最大)10.13s
响应时间(总计)10.13s
|
| #269#269 |
Step 3.7 Flashhigh
|
6.6… |
Stepfun |
$1.478
↑
…
|
72.72s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 8 无答案: 2 API 错误: 1 无效工具调用: 1
响应时间(平均)72.72s
响应时间(最大)364.99s
响应时间(总计)1672.53s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 58.0%
- 输入令牌
- 421,200
- 输出令牌
- 1,100,052
- 推理令牌
- 0
- 响应时间(平均)
- 72.72s
- 响应时间(总计)
- 1672.53s
- 响应时间(最大)
- 364.99s
-
智能体任务
: 5.4
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)130.38s
响应时间(最大)130.38s
响应时间(总计)130.38s
-
反AI技巧
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)13.40s
响应时间(最大)45.73s
响应时间(总计)53.58s
-
编程
: 4.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1 无答案: 1 答案错误: 1
响应时间(平均)206.21s
响应时间(最大)364.99s
响应时间(总计)618.64s
-
综合
: 8.7
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)41.23s
响应时间(最大)69.44s
响应时间(总计)82.45s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)14.72s
响应时间(最大)24.97s
响应时间(总计)29.43s
-
领域专项
: 3.6
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)189.35s
响应时间(最大)261.94s
响应时间(总计)568.04s
-
通用智能
: 5.5
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)4.17s
响应时间(最大)4.17s
响应时间(总计)4.17s
-
指令遵循
: 9.8
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.52s
响应时间(最大)1.89s
响应时间(总计)3.03s
-
谜题求解
: 5.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)10.22s
响应时间(最大)23.65s
响应时间(总计)30.66s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)2.79s
响应时间(最大)2.79s
响应时间(总计)2.79s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1
响应时间(平均)149.34s
响应时间(最大)149.34s
响应时间(总计)149.34s
|
| #268#268 |
Mercury 2medium
|
6.6… |
Inception |
$0.121
…
|
4.40s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 9 未遵循指令: 3 无效工具调用: 1
响应时间(平均)4.40s
响应时间(最大)34.92s
响应时间(总计)96.81s
…
|
- 总测试数
- 23
- 错误测试数
- 13
- 尝试通过率
- 53.6%
- 输入令牌
- 189,300
- 输出令牌
- 10,854
- 推理令牌
- 86,089
- 响应时间(平均)
- 4.40s
- 响应时间(总计)
- 96.81s
- 响应时间(最大)
- 34.92s
-
智能体任务
: 4.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)34.92s
响应时间(最大)34.92s
响应时间(总计)34.92s
-
反AI技巧
: 6.9
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)1.12s
响应时间(最大)2.46s
响应时间(总计)4.49s
-
编程
: 8.2
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)2.04s
响应时间(最大)3.06s
响应时间(总计)6.11s
-
综合
: 6.7
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)7.84s
响应时间(最大)12.40s
响应时间(总计)15.69s
-
数据解析与提取
: 7.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.11s
响应时间(最大)1.47s
响应时间(总计)2.21s
-
领域专项
: 2.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)8.06s
响应时间(最大)14.63s
响应时间(总计)24.19s
-
通用智能
: 4.8
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)821ms
响应时间(最大)821ms
响应时间(总计)821ms
-
指令遵循
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.07s
响应时间(最大)1.07s
响应时间(总计)1.07s
-
谜题求解
: 5.4
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)949ms
响应时间(最大)1.18s
响应时间(总计)2.85s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.89s
响应时间(最大)1.89s
响应时间(总计)1.89s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)2.58s
响应时间(最大)2.58s
响应时间(总计)2.58s
|
| #267#267 |
LongCat 2.0low
|
6.6… |
Meituan |
$0.630
↑
…
|
115.00s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 8 API 错误: 2 未遵循指令: 1 无答案: 1 超时: 1
响应时间(平均)115.00s
响应时间(最大)560.39s
响应时间(总计)2645.11s
…
|
- 总测试数
- 23
- 错误测试数
- 13
- 尝试通过率
- 55.1%
- 输入令牌
- 262,387
- 输出令牌
- 7,344
- 推理令牌
- 338,881
- 响应时间(平均)
- 115.00s
- 响应时间(总计)
- 2645.11s
- 响应时间(最大)
- 560.39s
-
智能体任务
: 6.1
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)145.65s
响应时间(最大)145.65s
响应时间(总计)145.65s
-
反AI技巧
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)9.04s
响应时间(最大)17.24s
响应时间(总计)36.14s
-
编程
: 6.6
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1 答案错误: 1
响应时间(平均)479.30s
响应时间(最大)560.39s
响应时间(总计)1437.91s
-
综合
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)130.21s
响应时间(最大)197.80s
响应时间(总计)260.43s
-
数据解析与提取
: 6.3
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1
响应时间(平均)10.77s
响应时间(最大)18.66s
响应时间(总计)21.54s
-
领域专项
: 2.9
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1 超时: 1 答案错误: 1
响应时间(平均)183.63s
响应时间(最大)443.12s
响应时间(总计)550.90s
-
通用智能
: 3.4
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)22.45s
响应时间(最大)22.45s
响应时间(总计)22.45s
-
指令遵循
: 6.5
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)6.39s
响应时间(最大)6.65s
响应时间(总计)12.78s
-
谜题求解
: 3.1
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2 未遵循指令: 1
响应时间(平均)8.15s
响应时间(最大)12.04s
响应时间(总计)24.45s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)10.81s
响应时间(最大)10.81s
响应时间(总计)10.81s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)122.07s
响应时间(最大)122.07s
响应时间(总计)122.07s
|
| #266#266 |
Qwen3.7 Flashmedium
|
6.6… |
Qwen |
$0.076
…
|
51.80s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 8 未遵循指令: 4 无效工具调用: 1
响应时间(平均)51.80s
响应时间(最大)593.64s
响应时间(总计)1191.42s
…
|
- 总测试数
- 23
- 错误测试数
- 13
- 尝试通过率
- 62.3%
- 输入令牌
- 300,394
- 输出令牌
- 14,081
- 推理令牌
- 500,844
- 响应时间(平均)
- 51.80s
- 响应时间(总计)
- 1191.42s
- 响应时间(最大)
- 593.64s
-
智能体任务
: 5.2
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)148.99s
响应时间(最大)148.99s
响应时间(总计)148.99s
-
反AI技巧
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)9.56s
响应时间(最大)13.35s
响应时间(总计)38.24s
-
编程
: 6.2
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)46.78s
响应时间(最大)66.13s
响应时间(总计)140.34s
-
综合
: 6.4
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)314.17s
响应时间(最大)593.64s
响应时间(总计)628.34s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)15.42s
响应时间(最大)15.63s
响应时间(总计)30.85s
-
领域专项
: 2.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)38.02s
响应时间(最大)50.61s
响应时间(总计)114.07s
-
通用智能
: 5.5
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)10.18s
响应时间(最大)10.18s
响应时间(总计)10.18s
-
指令遵循
: 5.8
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)9.27s
响应时间(最大)10.40s
响应时间(总计)18.54s
-
谜题求解
: 7.1
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)8.30s
响应时间(最大)10.90s
响应时间(总计)24.90s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)7.80s
响应时间(最大)7.80s
响应时间(总计)7.80s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)29.17s
响应时间(最大)29.17s
响应时间(总计)29.17s
|
| #265#265 |
GLM 5.2none
|
6.6… |
Z.ai |
$0.250
↑
…
|
11.27s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 8 未遵循指令: 1 无效工具调用: 1
响应时间(平均)11.27s
响应时间(最大)79.65s
响应时间(总计)259.32s
…
|
- 总测试数
- 23
- 错误测试数
- 10
- 尝试通过率
- 63.8%
- 输入令牌
- 247,919
- 输出令牌
- 17,685
- 推理令牌
- 0
- 响应时间(平均)
- 11.27s
- 响应时间(总计)
- 259.32s
- 响应时间(最大)
- 79.65s
-
智能体任务
: 6.1
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)46.94s
响应时间(最大)46.94s
响应时间(总计)46.94s
-
反AI技巧
: 8.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)3.70s
响应时间(最大)5.66s
响应时间(总计)14.80s
-
编程
: 3.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2 未遵循指令: 1
响应时间(平均)7.55s
响应时间(最大)12.77s
响应时间(总计)22.66s
-
综合
: 6.9
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)50.17s
响应时间(最大)79.65s
响应时间(总计)100.33s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)7.17s
响应时间(最大)11.71s
响应时间(总计)14.35s
-
领域专项
: 7.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)6.35s
响应时间(最大)7.33s
响应时间(总计)19.05s
-
通用智能
: 6.1
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)4.42s
响应时间(最大)4.42s
响应时间(总计)4.42s
-
指令遵循
: 9.8
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)3.84s
响应时间(最大)4.88s
响应时间(总计)7.68s
-
谜题求解
: 7.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)3.31s
响应时间(最大)3.63s
响应时间(总计)9.92s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)15.76s
响应时间(最大)15.76s
响应时间(总计)15.76s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)3.41s
响应时间(最大)3.41s
响应时间(总计)3.41s
|