| #214#214 |
Claude Opus 4.8low
|
7.2… |
Anthropic |
$3.787
…
|
17.13s… |
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 额外格式: 1 无答案: 1
响应时间(平均)17.13s
响应时间(最大)127.97s
响应时间(总计)394.01s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 78.3%
- 输入令牌
- 409,947
- 输出令牌
- 46,060
- 推理令牌
- 23,429
- 响应时间(平均)
- 17.13s
- 响应时间(总计)
- 394.01s
- 响应时间(最大)
- 127.97s
-
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)110.68s
响应时间(最大)110.68s
响应时间(总计)110.68s
-
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)3.30s
响应时间(最大)4.34s
响应时间(总计)13.18s
-
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。
额外格式: 1 答案错误: 1
响应时间(平均)7.58s
响应时间(最大)12.19s
响应时间(总计)22.74s
-
综合
: 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)36.87s
响应时间(最大)52.90s
响应时间(总计)73.74s
-
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。
答案错误: 1
响应时间(平均)2.27s
响应时间(最大)2.50s
响应时间(总计)4.54s
-
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)46.54s
响应时间(最大)127.97s
响应时间(总计)139.63s
-
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)2.55s
响应时间(最大)2.55s
响应时间(总计)2.55s
-
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)2.78s
响应时间(最大)3.78s
响应时间(总计)5.56s
-
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)3.01s
响应时间(最大)3.31s
响应时间(总计)9.04s
-
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)6.85s
响应时间(最大)6.85s
响应时间(总计)6.85s
-
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)5.48s
响应时间(最大)5.48s
响应时间(总计)5.48s
|
| #213#213 |
Gemini 3.8 Flashlow
|
7.2… |
Google |
$0.323
…
|
7.54s… |
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 无答案: 1
响应时间(平均)7.54s
响应时间(最大)67.18s
响应时间(总计)173.36s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 81.2%
- 输入令牌
- 215,836
- 输出令牌
- 9,452
- 推理令牌
- 33,289
- 响应时间(平均)
- 7.54s
- 响应时间(总计)
- 173.36s
- 响应时间(最大)
- 67.18s
-
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)67.18s
响应时间(最大)67.18s
响应时间(总计)67.18s
-
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)1.96s
响应时间(最大)2.77s
响应时间(总计)7.83s
-
编程
: 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: 2
响应时间(平均)4.31s
响应时间(最大)5.62s
响应时间(总计)12.92s
-
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)19.61s
响应时间(最大)35.14s
响应时间(总计)39.21s
-
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)2.34s
响应时间(最大)3.48s
响应时间(总计)4.69s
-
领域专项
: 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)6.50s
响应时间(最大)9.32s
响应时间(总计)19.51s
-
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)1.89s
响应时间(最大)1.89s
响应时间(总计)1.89s
-
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)2.79s
响应时间(最大)3.11s
响应时间(总计)5.57s
-
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)2.25s
响应时间(最大)3.00s
响应时间(总计)6.75s
-
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)5.51s
响应时间(最大)5.51s
响应时间(总计)5.51s
-
常识问答
: 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)2.29s
响应时间(最大)2.29s
响应时间(总计)2.29s
|
| #212#212 |
Qwen3.8 27Bmedium候选模型的回答由本地硬件生成。OpenRouter 仅用于评测。 qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
|
7.2… |
Qwen |
~$0.073
仅估算 GPU 的电费,不包括计算机其他部件及硬件购置成本。 NVIDIA GeForce RTX 3090: 0.7349 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.072660.
|
40.09s… |
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 未遵循指令: 2 API 错误: 1 无效工具调用: 1 无答案: 1
响应时间(平均)40.09s
响应时间(最大)214.63s
响应时间(总计)881.89s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 66.7%
- 输入令牌
- 277,164
- 输出令牌
- 1,913
- 推理令牌
- 168,783
- 响应时间(平均)
- 40.09s
- 响应时间(总计)
- 881.89s
- 响应时间(最大)
- 214.63s
-
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)187.85s
响应时间(最大)187.85s
响应时间(总计)187.85s
-
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)2.93s
响应时间(最大)5.18s
响应时间(总计)11.70s
-
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)40.50s
响应时间(最大)72.14s
响应时间(总计)121.51s
-
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)124.48s
响应时间(最大)214.63s
响应时间(总计)248.96s
-
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。
答案错误: 1
响应时间(平均)8.76s
响应时间(最大)10.36s
响应时间(总计)17.53s
-
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)76.98s
响应时间(最大)144.07s
响应时间(总计)230.93s
-
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)9.20s
响应时间(最大)9.20s
响应时间(总计)9.20s
-
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)2.54s
响应时间(最大)2.67s
响应时间(总计)5.07s
-
谜题求解
: 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。
未遵循指令: 1
响应时间(平均)12.62s
响应时间(最大)29.62s
响应时间(总计)37.85s
-
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。
无答案: 1
响应时间(平均)11.29s
响应时间(最大)11.29s
响应时间(总计)11.29s
|
| #211#211 |
Qwen3.5 Plus 2026-02-15medium
|
7.2… |
Qwen |
$0.567
…
|
97.68s… |
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 超时: 2 无效工具调用: 1
响应时间(平均)97.68s
响应时间(最大)304.85s
响应时间(总计)1562.81s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 72.5%
- 输入令牌
- 249,486
- 输出令牌
- 14,481
- 推理令牌
- 288,249
- 响应时间(平均)
- 97.68s
- 响应时间(总计)
- 1562.81s
- 响应时间(最大)
- 304.85s
-
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)186.40s
响应时间(最大)186.40s
响应时间(总计)186.40s
-
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。
答案错误: 1
响应时间(平均)45.78s
响应时间(最大)81.20s
响应时间(总计)91.57s
-
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。
答案错误: 2
响应时间(平均)180.70s
响应时间(最大)266.69s
响应时间(总计)542.10s
-
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)175.85s
响应时间(最大)304.85s
响应时间(总计)351.70s
-
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)46.91s
响应时间(最大)46.91s
响应时间(总计)46.91s
-
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。
超时: 1 答案错误: 1
响应时间(平均)55.99s
响应时间(最大)55.99s
响应时间(总计)55.99s
-
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。
超时: 1
响应时间(平均)79.86s
响应时间(最大)79.86s
响应时间(总计)79.86s
-
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)31.93s
响应时间(最大)31.93s
响应时间(总计)31.93s
-
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)32.50s
响应时间(最大)49.12s
响应时间(总计)65.01s
-
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)7.54s
响应时间(最大)7.54s
响应时间(总计)7.54s
-
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)103.81s
响应时间(最大)103.81s
响应时间(总计)103.81s
|
| #210#210 |
Nex-N2.6high
|
7.2… |
NEX AGI |
$0.177
…
|
49.19s… |
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)49.19s
响应时间(最大)324.64s
响应时间(总计)1131.29s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 75.4%
- 输入令牌
- 320,969
- 输出令牌
- 7,985
- 推理令牌
- 338,082
- 响应时间(平均)
- 49.19s
- 响应时间(总计)
- 1131.29s
- 响应时间(最大)
- 324.64s
-
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)111.93s
响应时间(最大)111.93s
响应时间(总计)111.93s
-
反AI技巧
: 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)1.99s
响应时间(最大)2.57s
响应时间(总计)7.97s
-
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)42.54s
响应时间(最大)94.21s
响应时间(总计)127.61s
-
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)76.97s
响应时间(最大)135.78s
响应时间(总计)153.94s
-
数据解析与提取
: 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。
额外格式: 1 答案错误: 1
响应时间(平均)3.45s
响应时间(最大)3.80s
响应时间(总计)6.89s
-
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)203.16s
响应时间(最大)324.64s
响应时间(总计)609.48s
-
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)4.59s
响应时间(最大)4.59s
响应时间(总计)4.59s
-
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)2.36s
响应时间(最大)2.49s
响应时间(总计)4.71s
-
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。
未遵循指令: 1
响应时间(平均)14.45s
响应时间(最大)39.20s
响应时间(总计)43.35s
-
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)6.35s
响应时间(最大)6.35s
响应时间(总计)6.35s
-
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。
无答案: 1
响应时间(平均)54.47s
响应时间(最大)54.47s
响应时间(总计)54.47s
|
| #209#209 |
Qwen3.5-27Bnone
|
7.2… |
Qwen |
$0.116
…
|
9.98s… |
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: 11 未遵循指令: 2
响应时间(平均)9.98s
响应时间(最大)124.53s
响应时间(总计)229.52s
…
|
- 总测试数
- 23
- 错误测试数
- 13
- 尝试通过率
- 47.8%
- 输入令牌
- 283,977
- 输出令牌
- 36,422
- 推理令牌
- 0
- 响应时间(平均)
- 9.98s
- 响应时间(总计)
- 229.52s
- 响应时间(最大)
- 124.53s
-
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)124.53s
响应时间(最大)124.53s
响应时间(总计)124.53s
-
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)788ms
响应时间(最大)1.34s
响应时间(总计)3.15s
-
编程
: 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)1.80s
响应时间(最大)2.51s
响应时间(总计)5.40s
-
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。
答案错误: 1
响应时间(平均)39.43s
响应时间(最大)69.46s
响应时间(总计)78.86s
-
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)1.43s
响应时间(最大)1.45s
响应时间(总计)2.86s
-
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)634ms
响应时间(最大)784ms
响应时间(总计)1.90s
-
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)2.51s
响应时间(最大)2.51s
响应时间(总计)2.51s
-
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)1.03s
响应时间(最大)1.40s
响应时间(总计)2.06s
-
谜题求解
: 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)1.38s
响应时间(最大)2.24s
响应时间(总计)4.13s
-
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)3.54s
响应时间(最大)3.54s
响应时间(总计)3.54s
-
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)599ms
响应时间(最大)599ms
响应时间(总计)599ms
|
| #208#208 |
Gemini 3.5 Flash Litemedium
|
7.3… |
Google |
$0.440
…
|
8.68s… |
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 无效工具调用: 2 未遵循指令: 1
响应时间(平均)8.68s
响应时间(最大)86.92s
响应时间(总计)199.65s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 76.8%
- 输入令牌
- 388,307
- 输出令牌
- 10,412
- 推理令牌
- 118,802
- 响应时间(平均)
- 8.68s
- 响应时间(总计)
- 199.65s
- 响应时间(最大)
- 86.92s
-
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。
无效工具调用: 1
响应时间(平均)86.92s
响应时间(最大)86.92s
响应时间(总计)86.92s
-
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)2.11s
响应时间(最大)2.84s
响应时间(总计)8.43s
-
编程
: 7.9
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)9.96s
响应时间(最大)15.08s
响应时间(总计)29.87s
-
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)17.87s
响应时间(最大)26.41s
响应时间(总计)35.73s
-
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)2.11s
响应时间(最大)2.63s
响应时间(总计)4.21s
-
领域专项
: 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: 3
响应时间(平均)5.34s
响应时间(最大)7.83s
响应时间(总计)16.02s
-
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。
未遵循指令: 1
响应时间(平均)2.97s
响应时间(最大)2.97s
响应时间(总计)2.97s
-
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)1.72s
响应时间(最大)1.78s
响应时间(总计)3.43s
-
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)1.82s
响应时间(最大)2.25s
响应时间(总计)5.47s
-
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)2.84s
响应时间(最大)2.84s
响应时间(总计)2.84s
-
常识问答
: 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。
答案错误: 1
响应时间(平均)3.75s
响应时间(最大)3.75s
响应时间(总计)3.75s
|
| #207#207 |
Qwen3.6 Plusmedium
|
7.3… |
Qwen |
$0.554
↑
…
|
57.41s… |
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: 1 未遵循指令: 1
响应时间(平均)57.41s
响应时间(最大)307.08s
响应时间(总计)1263.02s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 69.6%
- 输入令牌
- 222,601
- 输出令牌
- 8,185
- 推理令牌
- 238,605
- 响应时间(平均)
- 57.41s
- 响应时间(总计)
- 1263.02s
- 响应时间(最大)
- 307.08s
-
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)307.08s
响应时间(最大)307.08s
响应时间(总计)307.08s
-
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)9.90s
响应时间(最大)19.37s
响应时间(总计)39.60s
-
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。
API 错误: 1 答案错误: 1
响应时间(平均)153.12s
响应时间(最大)201.68s
响应时间(总计)306.23s
-
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)163.25s
响应时间(最大)291.55s
响应时间(总计)326.50s
-
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)14.95s
响应时间(最大)15.40s
响应时间(总计)29.90s
-
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)46.39s
响应时间(最大)79.81s
响应时间(总计)139.18s
-
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)27.05s
响应时间(最大)27.05s
响应时间(总计)27.05s
-
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)7.54s
响应时间(最大)11.67s
响应时间(总计)15.07s
-
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)6.34s
响应时间(最大)7.52s
响应时间(总计)19.03s
-
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)5.87s
响应时间(最大)5.87s
响应时间(总计)5.87s
-
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)47.51s
响应时间(最大)47.51s
响应时间(总计)47.51s
|
| #205#205 |
Gemini 2.5 Flashmedium
|
7.3… |
Google |
$0.680
↑
…
|
20.51s… |
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
响应时间(平均)20.51s
响应时间(最大)140.50s
响应时间(总计)471.64s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 68.1%
- 输入令牌
- 132,507
- 输出令牌
- 12,739
- 推理令牌
- 228,626
- 响应时间(平均)
- 20.51s
- 响应时间(总计)
- 471.64s
- 响应时间(最大)
- 140.50s
-
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。
未遵循指令: 1
响应时间(平均)6.54s
响应时间(最大)6.54s
响应时间(总计)6.54s
-
反AI技巧
: 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。
答案错误: 1
响应时间(平均)6.30s
响应时间(最大)15.56s
响应时间(总计)25.21s
-
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)41.01s
响应时间(最大)92.88s
响应时间(总计)123.04s
-
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)84.47s
响应时间(最大)140.50s
响应时间(总计)168.94s
-
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)4.06s
响应时间(最大)5.06s
响应时间(总计)8.11s
-
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)37.07s
响应时间(最大)95.48s
响应时间(总计)111.22s
-
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)4.86s
响应时间(最大)4.86s
响应时间(总计)4.86s
-
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)2.62s
响应时间(最大)2.78s
响应时间(总计)5.24s
-
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)3.18s
响应时间(最大)4.05s
响应时间(总计)9.54s
-
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)6.20s
响应时间(最大)6.20s
响应时间(总计)6.20s
-
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)2.76s
响应时间(最大)2.76s
响应时间(总计)2.76s
|
| #206#206 |
LongCat 2.0high
|
7.3… |
Meituan |
$0.778
↑
…
|
151.67s… |
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: 7 未遵循指令: 2 无答案: 2 超时: 2
响应时间(平均)151.67s
响应时间(最大)941.66s
响应时间(总计)3488.43s
…
|
- 总测试数
- 23
- 错误测试数
- 13
- 尝试通过率
- 53.6%
- 输入令牌
- 275,080
- 输出令牌
- 32,447
- 推理令牌
- 372,188
- 响应时间(平均)
- 151.67s
- 响应时间(总计)
- 3488.43s
- 响应时间(最大)
- 941.66s
-
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)116.07s
响应时间(最大)116.07s
响应时间(总计)116.07s
-
反AI技巧
: 8.9
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
响应时间(平均)7.76s
响应时间(最大)11.40s
响应时间(总计)31.04s
-
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。
超时: 1
响应时间(平均)505.33s
响应时间(最大)656.90s
响应时间(总计)1515.99s
-
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)167.13s
响应时间(最大)226.90s
响应时间(总计)334.26s
-
数据解析与提取
: 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。
无答案: 1 答案错误: 1
响应时间(平均)10.98s
响应时间(最大)19.00s
响应时间(总计)21.97s
-
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: 2 超时: 1
响应时间(平均)433.73s
响应时间(最大)941.66s
响应时间(总计)1301.18s
-
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)17.00s
响应时间(最大)17.00s
响应时间(总计)17.00s
-
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)6.96s
响应时间(最大)7.82s
响应时间(总计)13.92s
-
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)9.18s
响应时间(最大)13.76s
响应时间(总计)27.55s
-
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)10.02s
响应时间(最大)10.02s
响应时间(总计)10.02s
-
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)99.44s
响应时间(最大)99.44s
响应时间(总计)99.44s
|
| #204#204 |
Grok 4.7medium
|
7.3… |
X AI |
$2.938
…
|
117.65s… |
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 无答案: 2 未遵循指令: 1
响应时间(平均)117.65s
响应时间(最大)660.89s
响应时间(总计)2706.03s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 78.3%
- 输入令牌
- 326,066
- 输出令牌
- 5,726
- 推理令牌
- 469,019
- 响应时间(平均)
- 117.65s
- 响应时间(总计)
- 2706.03s
- 响应时间(最大)
- 660.89s
-
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)372.09s
响应时间(最大)372.09s
响应时间(总计)372.09s
-
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)16.01s
响应时间(最大)32.13s
响应时间(总计)64.02s
-
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。
无答案: 1 答案错误: 1
响应时间(平均)312.17s
响应时间(最大)660.89s
响应时间(总计)936.52s
-
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)96.50s
响应时间(最大)165.82s
响应时间(总计)193.01s
-
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)5.16s
响应时间(最大)5.54s
响应时间(总计)10.32s
-
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)300.37s
响应时间(最大)481.36s
响应时间(总计)901.10s
-
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。
答案错误: 1
响应时间(平均)32.39s
响应时间(最大)32.39s
响应时间(总计)32.39s
-
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)6.68s
响应时间(最大)9.03s
响应时间(总计)13.35s
-
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)18.46s
响应时间(最大)31.99s
响应时间(总计)55.39s
-
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)4.79s
响应时间(最大)4.79s
响应时间(总计)4.79s
-
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)123.05s
响应时间(最大)123.05s
响应时间(总计)123.05s
|
| #203#203 |
Claude Fable 5.1medium
|
7.3… |
Anthropic |
$3.197
…
|
11.87s… |
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 无答案: 2 API 错误: 1 额外格式: 1 未遵循指令: 1
响应时间(平均)11.87s
响应时间(最大)36.59s
响应时间(总计)272.91s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 78.3%
- 输入令牌
- 157,142
- 输出令牌
- 8,149
- 推理令牌
- 24,357
- 响应时间(平均)
- 11.87s
- 响应时间(总计)
- 272.91s
- 响应时间(最大)
- 36.59s
-
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)16.18s
响应时间(最大)16.18s
响应时间(总计)16.18s
-
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。
额外格式: 1
响应时间(平均)5.18s
响应时间(最大)6.20s
响应时间(总计)20.72s
-
编程
: 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)10.99s
响应时间(最大)13.14s
响应时间(总计)32.96s
-
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)32.59s
响应时间(最大)36.59s
响应时间(总计)65.17s
-
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)4.47s
响应时间(最大)4.60s
响应时间(总计)8.93s
-
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)19.29s
响应时间(最大)23.88s
响应时间(总计)57.86s
-
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)5.14s
响应时间(最大)5.14s
响应时间(总计)5.14s
-
指令遵循
: 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。
未遵循指令: 1
响应时间(平均)5.77s
响应时间(最大)6.15s
响应时间(总计)11.53s
-
谜题求解
: 7.6
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)5.70s
响应时间(最大)6.78s
响应时间(总计)17.10s
-
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)12.99s
响应时间(最大)12.99s
响应时间(总计)12.99s
-
常识问答
: 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。
无答案: 1
响应时间(平均)24.32s
响应时间(最大)24.32s
响应时间(总计)24.32s
|
| #202#202 |
GLM 5.3 Flashhigh
|
7.3… |
Z.ai |
$0.056
…
|
29.11s… |
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: 2 未遵循指令: 2 无效工具调用: 1 无答案: 1
响应时间(平均)29.11s
响应时间(最大)163.41s
响应时间(总计)669.54s
…
|
- 总测试数
- 23
- 错误测试数
- 10
- 尝试通过率
- 66.7%
- 输入令牌
- 225,013
- 输出令牌
- 12,197
- 推理令牌
- 87,143
- 响应时间(平均)
- 29.11s
- 响应时间(总计)
- 669.54s
- 响应时间(最大)
- 163.41s
-
智能体任务
: 7.4
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)111.53s
响应时间(最大)111.53s
响应时间(总计)111.53s
-
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)2.50s
响应时间(最大)4.15s
响应时间(总计)9.98s
-
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)19.62s
响应时间(最大)29.56s
响应时间(总计)58.85s
-
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)91.11s
响应时间(最大)159.67s
响应时间(总计)182.22s
-
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。
额外格式: 1
响应时间(平均)2.73s
响应时间(最大)2.91s
响应时间(总计)5.47s
-
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: 2 额外格式: 1
响应时间(平均)85.92s
响应时间(最大)163.41s
响应时间(总计)257.76s
-
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)3.33s
响应时间(最大)3.33s
响应时间(总计)3.33s
-
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)2.06s
响应时间(最大)2.15s
响应时间(总计)4.12s
-
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)3.04s
响应时间(最大)3.88s
响应时间(总计)9.12s
-
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)15.64s
响应时间(最大)15.64s
响应时间(总计)15.64s
-
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)11.52s
响应时间(最大)11.52s
响应时间(总计)11.52s
|
| #201#201 |
Gemma 4 26B A4Bmedium
|
7.3… |
Google |
$0.101
↓
…
|
105.03s… |
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: 2 超时: 2 答案错误: 2 无效工具调用: 1
响应时间(平均)105.03s
响应时间(最大)912.19s
响应时间(总计)2310.63s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 71.0%
- 输入令牌
- 224,367
- 输出令牌
- 27,095
- 推理令牌
- 242,256
- 响应时间(平均)
- 105.03s
- 响应时间(总计)
- 2310.63s
- 响应时间(最大)
- 912.19s
-
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)107.12s
响应时间(最大)107.12s
响应时间(总计)107.12s
-
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)6.20s
响应时间(最大)9.64s
响应时间(总计)24.78s
-
编程
: 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。
无答案: 2 超时: 1
响应时间(平均)272.54s
响应时间(最大)369.32s
响应时间(总计)817.61s
-
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)492.87s
响应时间(最大)912.19s
响应时间(总计)985.73s
-
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)16.51s
响应时间(最大)20.57s
响应时间(总计)33.02s
-
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。
超时: 1 答案错误: 1
响应时间(平均)35.14s
响应时间(最大)43.28s
响应时间(总计)70.28s
-
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)29.76s
响应时间(最大)29.76s
响应时间(总计)29.76s
-
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)17.54s
响应时间(最大)21.25s
响应时间(总计)35.08s
-
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)5.79s
响应时间(最大)6.85s
响应时间(总计)17.36s
-
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)9.01s
响应时间(最大)9.01s
响应时间(总计)9.01s
-
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)180.87s
响应时间(最大)180.87s
响应时间(总计)180.87s
|
| #200#200 |
Inklingmedium
|
7.4… |
Thinkingmachines |
$0.527
↓
…
|
16.98s… |
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 无效工具调用: 2 无答案: 1
响应时间(平均)16.98s
响应时间(最大)85.12s
响应时间(总计)390.45s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 75.4%
- 输入令牌
- 257,138
- 输出令牌
- 13,830
- 推理令牌
- 55,775
- 响应时间(平均)
- 16.98s
- 响应时间(总计)
- 390.45s
- 响应时间(最大)
- 85.12s
-
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。
无效工具调用: 1
响应时间(平均)45.93s
响应时间(最大)45.93s
响应时间(总计)45.93s
-
反AI技巧
: 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)6.49s
响应时间(最大)15.22s
响应时间(总计)25.95s
-
编程
: 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。
答案错误: 1
响应时间(平均)25.20s
响应时间(最大)46.41s
响应时间(总计)75.61s
-
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。
无答案: 1
响应时间(平均)41.15s
响应时间(最大)74.33s
响应时间(总计)82.31s
-
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)3.60s
响应时间(最大)3.75s
响应时间(总计)7.20s
-
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)31.59s
响应时间(最大)85.12s
响应时间(总计)94.77s
-
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)4.65s
响应时间(最大)4.65s
响应时间(总计)4.65s
-
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)6.17s
响应时间(最大)7.52s
响应时间(总计)12.34s
-
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)5.18s
响应时间(最大)8.14s
响应时间(总计)15.53s
-
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。
无效工具调用: 1
响应时间(平均)4.48s
响应时间(最大)4.48s
响应时间(总计)4.48s
-
常识问答
: 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。
答案错误: 1
响应时间(平均)21.69s
响应时间(最大)21.69s
响应时间(总计)21.69s
|
| #199#199 |
DeepSeek V4 Pro 0423none
|
7.4… |
DeepSeek |
$0.083
↓
…
|
14.05s… |
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 未遵循指令: 2 额外格式: 1 无效工具调用: 1
响应时间(平均)14.05s
响应时间(最大)119.44s
响应时间(总计)323.17s
…
|
- 总测试数
- 23
- 错误测试数
- 13
- 尝试通过率
- 49.3%
- 输入令牌
- 304,186
- 输出令牌
- 40,118
- 推理令牌
- 5,886
- 响应时间(平均)
- 14.05s
- 响应时间(总计)
- 323.17s
- 响应时间(最大)
- 119.44s
-
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)65.50s
响应时间(最大)65.50s
响应时间(总计)65.50s
-
反AI技巧
: 3.2
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 额外格式: 1 未遵循指令: 1
响应时间(平均)4.02s
响应时间(最大)5.11s
响应时间(总计)16.10s
-
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)13.38s
响应时间(最大)30.09s
响应时间(总计)40.15s
-
综合
: 7.9
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)71.59s
响应时间(最大)119.44s
响应时间(总计)143.18s
-
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)4.61s
响应时间(最大)6.06s
响应时间(总计)9.23s
-
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)4.91s
响应时间(最大)7.90s
响应时间(总计)14.73s
-
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)2.05s
响应时间(最大)2.05s
响应时间(总计)2.05s
-
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)4.12s
响应时间(最大)4.37s
响应时间(总计)8.24s
-
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)3.61s
响应时间(最大)5.19s
响应时间(总计)10.83s
-
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)7.40s
响应时间(最大)7.40s
响应时间(总计)7.40s
-
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)5.76s
响应时间(最大)5.76s
响应时间(总计)5.76s
|
| #198#198 |
Inkling Smallhigh
|
7.4… |
Thinkingmachines |
$0.398
↓
…
|
29.10s… |
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 未遵循指令: 2 API 错误: 1
响应时间(平均)29.10s
响应时间(最大)122.60s
响应时间(总计)669.40s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 66.7%
- 输入令牌
- 85,669
- 输出令牌
- 6,092
- 推理令牌
- 292,801
- 响应时间(平均)
- 29.10s
- 响应时间(总计)
- 669.40s
- 响应时间(最大)
- 122.60s
-
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)23ms
响应时间(最大)23ms
响应时间(总计)23ms
-
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)6.30s
响应时间(最大)16.98s
响应时间(总计)25.21s
-
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)93.23s
响应时间(最大)122.60s
响应时间(总计)279.68s
-
综合
: 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)40.41s
响应时间(最大)63.47s
响应时间(总计)80.83s
-
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)3.99s
响应时间(最大)5.95s
响应时间(总计)7.98s
-
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)56.28s
响应时间(最大)101.41s
响应时间(总计)168.83s
-
通用智能
: 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: 1
响应时间(平均)3.62s
响应时间(最大)3.62s
响应时间(总计)3.62s
-
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)3.94s
响应时间(最大)4.92s
响应时间(总计)7.88s
-
谜题求解
: 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 未遵循指令: 1
响应时间(平均)14.39s
响应时间(最大)25.40s
响应时间(总计)43.18s
-
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。
未遵循指令: 1
响应时间(平均)2.91s
响应时间(最大)2.91s
响应时间(总计)2.91s
-
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)49.27s
响应时间(最大)49.27s
响应时间(总计)49.27s
|
| #197#197 |
Grok 4.7low
|
7.4… |
X AI |
$1.933
…
|
63.19s… |
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 无答案: 2 未遵循指令: 1
响应时间(平均)63.19s
响应时间(最大)389.63s
响应时间(总计)1453.28s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 73.9%
- 输入令牌
- 365,119
- 输出令牌
- 8,118
- 推理令牌
- 247,211
- 响应时间(平均)
- 63.19s
- 响应时间(总计)
- 1453.28s
- 响应时间(最大)
- 389.63s
-
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)154.86s
响应时间(最大)154.86s
响应时间(总计)154.86s
-
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)9.92s
响应时间(最大)17.26s
响应时间(总计)39.66s
-
编程
: 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。
答案错误: 1
响应时间(平均)189.08s
响应时间(最大)389.63s
响应时间(总计)567.25s
-
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。
无答案: 1
响应时间(平均)31.17s
响应时间(最大)53.19s
响应时间(总计)62.34s
-
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)4.88s
响应时间(最大)5.26s
响应时间(总计)9.75s
-
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)159.09s
响应时间(最大)322.55s
响应时间(总计)477.28s
-
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)11.32s
响应时间(最大)11.32s
响应时间(总计)11.32s
-
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)6.19s
响应时间(最大)7.27s
响应时间(总计)12.38s
-
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)12.45s
响应时间(最大)16.64s
响应时间(总计)37.34s
-
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)4.26s
响应时间(最大)4.26s
响应时间(总计)4.26s
-
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)76.84s
响应时间(最大)76.84s
响应时间(总计)76.84s
|
| #196#196 |
GLM 5.3 FlashXhigh
|
7.4… |
Z.ai |
$0.210
…
|
14.94s… |
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 额外格式: 1 未遵循指令: 1
响应时间(平均)14.94s
响应时间(最大)91.16s
响应时间(总计)343.65s
…
|
- 总测试数
- 23
- 错误测试数
- 10
- 尝试通过率
- 69.6%
- 输入令牌
- 235,914
- 输出令牌
- 8,147
- 推理令牌
- 89,581
- 响应时间(平均)
- 14.94s
- 响应时间(总计)
- 343.65s
- 响应时间(最大)
- 91.16s
-
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)78.03s
响应时间(最大)78.03s
响应时间(总计)78.03s
-
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。
答案错误: 1
响应时间(平均)1.98s
响应时间(最大)3.35s
响应时间(总计)7.91s
-
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)8.06s
响应时间(最大)12.27s
响应时间(总计)24.18s
-
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。
答案错误: 2
响应时间(平均)27.73s
响应时间(最大)42.33s
响应时间(总计)55.46s
-
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。
额外格式: 1
响应时间(平均)1.82s
响应时间(最大)1.82s
响应时间(总计)3.63s
-
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)50.04s
响应时间(最大)91.16s
响应时间(总计)150.11s
-
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。
未遵循指令: 1
响应时间(平均)2.28s
响应时间(最大)2.28s
响应时间(总计)2.28s
-
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)1.72s
响应时间(最大)1.73s
响应时间(总计)3.44s
-
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)2.06s
响应时间(最大)2.41s
响应时间(总计)6.19s
-
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)7.09s
响应时间(最大)7.09s
响应时间(总计)7.09s
-
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)5.34s
响应时间(最大)5.34s
响应时间(总计)5.34s
|
| #195#195 |
Seed-2.0-Codemedium
|
7.4… |
Bytedance Seed |
$1.275
…
|
100.65s… |
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: 4 额外格式: 1 未遵循指令: 1
响应时间(平均)100.65s
响应时间(最大)626.58s
响应时间(总计)2314.88s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 65.2%
- 输入令牌
- 244,499
- 输出令牌
- 8,744
- 推理令牌
- 375,349
- 响应时间(平均)
- 100.65s
- 响应时间(总计)
- 2314.88s
- 响应时间(最大)
- 626.58s
-
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)91.69s
响应时间(最大)91.69s
响应时间(总计)91.69s
-
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)45.98s
响应时间(最大)130.73s
响应时间(总计)183.93s
-
编程
: 8.9
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)89.94s
响应时间(最大)105.48s
响应时间(总计)269.82s
-
综合
: 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。
API 错误: 2
响应时间(平均)102.33s
响应时间(最大)177.88s
响应时间(总计)204.66s
-
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)18.78s
响应时间(最大)27.01s
响应时间(总计)37.56s
-
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)429.77s
响应时间(最大)626.58s
响应时间(总计)1289.31s
-
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)11.41s
响应时间(最大)11.41s
响应时间(总计)11.41s
-
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)10.34s
响应时间(最大)15.43s
响应时间(总计)20.67s
-
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。
额外格式: 1
响应时间(平均)34.30s
响应时间(最大)46.61s
响应时间(总计)102.91s
-
工具调用
: 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。
API 错误: 1
响应时间(平均)36.36s
响应时间(最大)36.36s
响应时间(总计)36.36s
-
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。
API 错误: 1
响应时间(平均)66.56s
响应时间(最大)66.56s
响应时间(总计)66.56s
|
| #194#194 |
DeepSeek V4 Flash 0731low
|
7.4… |
DeepSeek |
$0.306
↑
…
|
88.15s… |
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 无答案: 1
响应时间(平均)88.15s
响应时间(最大)438.65s
响应时间(总计)2027.36s
…
|
- 总测试数
- 23
- 错误测试数
- 10
- 尝试通过率
- 71.0%
- 输入令牌
- 231,356
- 输出令牌
- 43,054
- 推理令牌
- 370,981
- 响应时间(平均)
- 88.15s
- 响应时间(总计)
- 2027.36s
- 响应时间(最大)
- 438.65s
-
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)321.18s
响应时间(最大)321.18s
响应时间(总计)321.18s
-
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。
答案错误: 1
响应时间(平均)10.08s
响应时间(最大)24.45s
响应时间(总计)40.32s
-
编程
: 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)163.31s
响应时间(最大)438.65s
响应时间(总计)489.94s
-
综合
: 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)54.25s
响应时间(最大)73.69s
响应时间(总计)108.49s
-
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)4.35s
响应时间(最大)5.29s
响应时间(总计)8.71s
-
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)255.51s
响应时间(最大)411.82s
响应时间(总计)766.52s
-
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。
答案错误: 1
响应时间(平均)7.63s
响应时间(最大)7.63s
响应时间(总计)7.63s
-
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)3.01s
响应时间(最大)3.92s
响应时间(总计)6.03s
-
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。
未遵循指令: 1
响应时间(平均)9.08s
响应时间(最大)12.40s
响应时间(总计)27.25s
-
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)4.44s
响应时间(最大)4.44s
响应时间(总计)4.44s
-
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)246.86s
响应时间(最大)246.86s
响应时间(总计)246.86s
|
| #193#193 |
Qwen3.6 Flashmedium
|
7.4… |
Qwen |
$0.783
↓
…
|
45.45s… |
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)45.45s
响应时间(最大)578.13s
响应时间(总计)1045.45s
…
|
- 总测试数
- 23
- 错误测试数
- 10
- 尝试通过率
- 68.1%
- 输入令牌
- 258,760
- 输出令牌
- 22,221
- 推理令牌
- 630,059
- 响应时间(平均)
- 45.45s
- 响应时间(总计)
- 1045.45s
- 响应时间(最大)
- 578.13s
-
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)56.13s
响应时间(最大)56.13s
响应时间(总计)56.13s
-
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)6.10s
响应时间(最大)9.60s
响应时间(总计)24.39s
-
编程
: 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: 3
响应时间(平均)42.85s
响应时间(最大)78.01s
响应时间(总计)128.55s
-
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。
无效工具调用: 1
响应时间(平均)299.21s
响应时间(最大)578.13s
响应时间(总计)598.41s
-
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)9.65s
响应时间(最大)10.35s
响应时间(总计)19.31s
-
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)16.98s
响应时间(最大)26.85s
响应时间(总计)50.95s
-
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。
答案错误: 1
响应时间(平均)9.88s
响应时间(最大)9.88s
响应时间(总计)9.88s
-
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)6.05s
响应时间(最大)6.94s
响应时间(总计)12.10s
-
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。
未遵循指令: 1
响应时间(平均)6.29s
响应时间(最大)8.18s
响应时间(总计)18.87s
-
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)4.00s
响应时间(最大)4.00s
响应时间(总计)4.00s
-
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)122.87s
响应时间(最大)122.87s
响应时间(总计)122.87s
|
| #192#192 |
GPT-5.6 Lunamedium
|
7.4… |
OpenAI |
$0.065
↓
…
|
9.64s… |
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 无效工具调用: 1
响应时间(平均)9.64s
响应时间(最大)58.09s
响应时间(总计)221.62s
…
|
- 总测试数
- 23
- 错误测试数
- 10
- 尝试通过率
- 62.3%
- 输入令牌
- 212,780
- 输出令牌
- 6,849
- 推理令牌
- 41,137
- 响应时间(平均)
- 9.64s
- 响应时间(总计)
- 221.62s
- 响应时间(最大)
- 58.09s
-
智能体任务
: 7.4
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)58.09s
响应时间(最大)58.09s
响应时间(总计)58.09s
-
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)2.52s
响应时间(最大)3.90s
响应时间(总计)10.08s
-
编程
: 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: 2
响应时间(平均)10.38s
响应时间(最大)17.15s
响应时间(总计)31.15s
-
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)14.59s
响应时间(最大)19.65s
响应时间(总计)29.17s
-
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)1.95s
响应时间(最大)2.42s
响应时间(总计)3.89s
-
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)18.45s
响应时间(最大)29.85s
响应时间(总计)55.36s
-
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)4.34s
响应时间(最大)4.34s
响应时间(总计)4.34s
-
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)2.38s
响应时间(最大)3.43s
响应时间(总计)4.77s
-
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)4.04s
响应时间(最大)6.14s
响应时间(总计)12.12s
-
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)6.02s
响应时间(最大)6.02s
响应时间(总计)6.02s
-
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)6.64s
响应时间(最大)6.64s
响应时间(总计)6.64s
|
| #191#191 |
Seed-2.0-Codehigh
|
7.5… |
Bytedance Seed |
$1.448
…
|
124.87s… |
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: 1 无答案: 1
响应时间(平均)124.87s
响应时间(最大)675.30s
响应时间(总计)2871.96s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 65.2%
- 输入令牌
- 297,321
- 输出令牌
- 8,997
- 推理令牌
- 423,853
- 响应时间(平均)
- 124.87s
- 响应时间(总计)
- 2871.96s
- 响应时间(最大)
- 675.30s
-
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)139.94s
响应时间(最大)139.94s
响应时间(总计)139.94s
-
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)35.07s
响应时间(最大)82.43s
响应时间(总计)140.28s
-
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。
未遵循指令: 1 答案错误: 1
响应时间(平均)266.74s
响应时间(最大)443.32s
响应时间(总计)800.23s
-
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。
API 错误: 1
响应时间(平均)144.87s
响应时间(最大)236.85s
响应时间(总计)289.75s
-
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)24.28s
响应时间(最大)34.05s
响应时间(总计)48.55s
-
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)419.73s
响应时间(最大)675.30s
响应时间(总计)1259.19s
-
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)36.45s
响应时间(最大)36.45s
响应时间(总计)36.45s
-
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)11.26s
响应时间(最大)19.26s
响应时间(总计)22.53s
-
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。
API 错误: 1
响应时间(平均)15.91s
响应时间(最大)17.11s
响应时间(总计)47.73s
-
工具调用
: 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。
API 错误: 1
响应时间(平均)35.09s
响应时间(最大)35.09s
响应时间(总计)35.09s
-
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)52.23s
响应时间(最大)52.23s
响应时间(总计)52.23s
|
| #190#190 |
Mistral Large 4high
|
7.5… |
Mistral |
$1.391
…
|
263.69s… |
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 无答案: 2 超时: 1
响应时间(平均)263.69s
响应时间(最大)1727.29s
响应时间(总计)6064.89s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 65.2%
- 输入令牌
- 230,895
- 输出令牌
- 161,281
- 推理令牌
- 510,655
- 响应时间(平均)
- 263.69s
- 响应时间(总计)
- 6064.89s
- 响应时间(最大)
- 1727.29s
-
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)85.76s
响应时间(最大)85.76s
响应时间(总计)85.76s
-
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)14.97s
响应时间(最大)39.34s
响应时间(总计)59.87s
-
编程
: 3.3
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 无答案: 1 超时: 1
响应时间(平均)1277.83s
响应时间(最大)1727.29s
响应时间(总计)3833.49s
-
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)391.89s
响应时间(最大)707.01s
响应时间(总计)783.78s
-
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)34.99s
响应时间(最大)36.31s
响应时间(总计)69.98s
-
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)289.43s
响应时间(最大)392.05s
响应时间(总计)868.29s
-
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)41.23s
响应时间(最大)41.23s
响应时间(总计)41.23s
-
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)21.99s
响应时间(最大)36.55s
响应时间(总计)43.97s
-
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。
答案错误: 2
响应时间(平均)55.18s
响应时间(最大)76.48s
响应时间(总计)165.54s
-
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)24.21s
响应时间(最大)24.21s
响应时间(总计)24.21s
-
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)88.77s
响应时间(最大)88.77s
响应时间(总计)88.77s
|