| #189#189 |
Seed-2.0-Minimedium
|
7.5… |
Bytedance Seed |
$0.140
…
|
91.67s… |
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: 5 超时: 4 未遵循指令: 1 无答案: 1
响应时间(平均)91.67s
响应时间(最大)301.78s
响应时间(总计)1833.43s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 59.4%
- 输入令牌
- 313,368
- 输出令牌
- 12,289
- 推理令牌
- 259,270
- 响应时间(平均)
- 91.67s
- 响应时间(总计)
- 1833.43s
- 响应时间(最大)
- 301.78s
-
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)64.52s
响应时间(最大)64.52s
响应时间(总计)64.52s
-
反AI技巧
: 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。
超时: 1 答案错误: 1
响应时间(平均)74.75s
响应时间(最大)182.10s
响应时间(总计)298.98s
-
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。
超时: 1 答案错误: 1
响应时间(平均)220.48s
响应时间(最大)243.66s
响应时间(总计)440.97s
-
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)282.30s
响应时间(最大)301.78s
响应时间(总计)564.61s
-
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)24.27s
响应时间(最大)27.52s
响应时间(总计)48.54s
-
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。
超时: 2 答案错误: 1
响应时间(平均)103.41s
响应时间(最大)103.41s
响应时间(总计)103.41s
-
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)36.65s
响应时间(最大)36.65s
响应时间(总计)36.65s
-
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)17.47s
响应时间(最大)19.46s
响应时间(总计)34.93s
-
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)31.79s
响应时间(最大)50.78s
响应时间(总计)95.38s
-
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)88.68s
响应时间(最大)88.68s
响应时间(总计)88.68s
-
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)56.76s
响应时间(最大)56.76s
响应时间(总计)56.76s
|
| #188#188 |
GLM 5.1medium
|
7.5… |
Z.ai |
$1.546
↑
…
|
66.38s… |
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: 2 API 错误: 1 额外格式: 1 无答案: 1
响应时间(平均)66.38s
响应时间(最大)308.75s
响应时间(总计)1460.31s
…
|
- 总测试数
- 23
- 错误测试数
- 10
- 尝试通过率
- 66.7%
- 输入令牌
- 331,577
- 输出令牌
- 17,919
- 推理令牌
- 230,789
- 响应时间(平均)
- 66.38s
- 响应时间(总计)
- 1460.31s
- 响应时间(最大)
- 308.75s
-
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)225.59s
响应时间(最大)225.59s
响应时间(总计)225.59s
-
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)8.31s
响应时间(最大)14.20s
响应时间(总计)33.24s
-
编程
: 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 超时: 1 答案错误: 1
响应时间(平均)109.63s
响应时间(最大)172.60s
响应时间(总计)328.90s
-
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)175.93s
响应时间(最大)308.75s
响应时间(总计)351.86s
-
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)9.33s
响应时间(最大)9.40s
响应时间(总计)18.66s
-
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。
无答案: 1 超时: 1 答案错误: 1
响应时间(平均)113.95s
响应时间(最大)280.46s
响应时间(总计)341.86s
-
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)20.95s
响应时间(最大)20.95s
响应时间(总计)20.95s
-
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)7.47s
响应时间(最大)10.16s
响应时间(总计)14.94s
-
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)31.64s
响应时间(最大)46.04s
响应时间(总计)94.91s
-
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)29.40s
响应时间(最大)29.40s
响应时间(总计)29.40s
|
| #187#187 |
Space Bunny Alphahigh
|
7.5… |
Stealth |
$0.000
…
|
29.38s… |
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
响应时间(平均)29.38s
响应时间(最大)234.56s
响应时间(总计)675.79s
…
|
- 总测试数
- 23
- 错误测试数
- 10
- 尝试通过率
- 63.8%
- 输入令牌
- 302,228
- 输出令牌
- 181,271
- 推理令牌
- 0
- 响应时间(平均)
- 29.38s
- 响应时间(总计)
- 675.79s
- 响应时间(最大)
- 234.56s
-
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)73.43s
响应时间(最大)73.43s
响应时间(总计)73.43s
-
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)3.48s
响应时间(最大)7.38s
响应时间(总计)13.91s
-
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)8.29s
响应时间(最大)10.90s
响应时间(总计)24.86s
-
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。
答案错误: 1
响应时间(平均)19.30s
响应时间(最大)33.65s
响应时间(总计)38.60s
-
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)1.91s
响应时间(最大)2.40s
响应时间(总计)3.82s
-
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)85.05s
响应时间(最大)133.95s
响应时间(总计)255.16s
-
通用智能
: 4.2
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)4.75s
响应时间(最大)4.75s
响应时间(总计)4.75s
-
指令遵循
: 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: 1
响应时间(平均)2.04s
响应时间(最大)2.33s
响应时间(总计)4.08s
-
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。
答案错误: 1
响应时间(平均)6.43s
响应时间(最大)14.39s
响应时间(总计)19.28s
-
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)3.34s
响应时间(最大)3.34s
响应时间(总计)3.34s
-
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)234.56s
响应时间(最大)234.56s
响应时间(总计)234.56s
|
| #185#185 |
GPT-6 Lunalow
|
7.6… |
OpenAI |
$0.033
…
|
23.23s… |
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 API 错误: 2 未遵循指令: 1 无答案: 1
响应时间(平均)23.23s
响应时间(最大)89.37s
响应时间(总计)534.22s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 63.8%
- 输入令牌
- 195,928
- 输出令牌
- 5,728
- 推理令牌
- 19,152
- 响应时间(平均)
- 23.23s
- 响应时间(总计)
- 534.22s
- 响应时间(最大)
- 89.37s
-
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)51.03s
响应时间(最大)51.03s
响应时间(总计)51.03s
-
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。
API 错误: 1 答案错误: 1
响应时间(平均)11.00s
响应时间(最大)21.96s
响应时间(总计)44.00s
-
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。
答案错误: 2
响应时间(平均)15.39s
响应时间(最大)23.64s
响应时间(总计)46.16s
-
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)49.77s
响应时间(最大)89.37s
响应时间(总计)99.54s
-
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)9.94s
响应时间(最大)17.89s
响应时间(总计)19.89s
-
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)18.09s
响应时间(最大)27.87s
响应时间(总计)54.28s
-
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。
答案错误: 1
响应时间(平均)1.46s
响应时间(最大)1.46s
响应时间(总计)1.46s
-
指令遵循
: 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。
API 错误: 1
响应时间(平均)17.38s
响应时间(最大)17.50s
响应时间(总计)34.76s
-
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。
未遵循指令: 1
响应时间(平均)27.45s
响应时间(最大)30.30s
响应时间(总计)82.36s
-
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)71.65s
响应时间(最大)71.65s
响应时间(总计)71.65s
-
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)29.10s
响应时间(最大)29.10s
响应时间(总计)29.10s
|
| #186#186 |
Qwen3.8 27Blow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.
|
7.6… |
Qwen |
~$0.089
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: 0.8932 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.088310.
|
46.60s… |
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)46.60s
响应时间(最大)376.04s
响应时间(总计)1071.83s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 68.1%
- 输入令牌
- 315,290
- 输出令牌
- 1,607
- 推理令牌
- 207,536
- 响应时间(平均)
- 46.60s
- 响应时间(总计)
- 1071.83s
- 响应时间(最大)
- 376.04s
-
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)211.32s
响应时间(最大)211.32s
响应时间(总计)211.32s
-
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)3.02s
响应时间(最大)5.68s
响应时间(总计)12.07s
-
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)140.92s
响应时间(最大)376.04s
响应时间(总计)422.75s
-
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)90.63s
响应时间(最大)143.71s
响应时间(总计)181.27s
-
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)8.03s
响应时间(最大)9.09s
响应时间(总计)16.06s
-
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)60.78s
响应时间(最大)120.94s
响应时间(总计)182.34s
-
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)5.37s
响应时间(最大)5.37s
响应时间(总计)5.37s
-
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)2.43s
响应时间(最大)2.87s
响应时间(总计)4.86s
-
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)4.91s
响应时间(最大)8.81s
响应时间(总计)14.74s
-
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。
答案错误: 1
响应时间(平均)8.42s
响应时间(最大)8.42s
响应时间(总计)8.42s
-
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)12.64s
响应时间(最大)12.64s
响应时间(总计)12.64s
|
| #184#184 |
Qwen3.8 Flash Nextmedium候选模型的回答由本地硬件生成。OpenRouter 仅用于评测。 qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
|
7.6… |
Qwen |
~$0.047
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: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.
|
24.79s… |
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: 6 未遵循指令: 1 无答案: 1
响应时间(平均)24.79s
响应时间(最大)159.62s
响应时间(总计)570.26s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 75.4%
- 输入令牌
- 278,792
- 输出令牌
- 1,695
- 推理令牌
- 142,270
- 响应时间(平均)
- 24.79s
- 响应时间(总计)
- 570.26s
- 响应时间(最大)
- 159.62s
-
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)159.62s
响应时间(最大)159.62s
响应时间(总计)159.62s
-
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)1.81s
响应时间(最大)2.74s
响应时间(总计)7.24s
-
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)45.53s
响应时间(最大)98.91s
响应时间(总计)136.59s
-
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)76.72s
响应时间(最大)116.08s
响应时间(总计)153.43s
-
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)6.65s
响应时间(最大)7.50s
响应时间(总计)13.31s
-
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)17.29s
响应时间(最大)18.55s
响应时间(总计)51.86s
-
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)7.29s
响应时间(最大)7.29s
响应时间(总计)7.29s
-
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)2.04s
响应时间(最大)2.85s
响应时间(总计)4.09s
-
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)2.23s
响应时间(最大)2.98s
响应时间(总计)6.69s
-
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)5.75s
响应时间(最大)5.75s
响应时间(总计)5.75s
-
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。
答案错误: 1
响应时间(平均)24.39s
响应时间(最大)24.39s
响应时间(总计)24.39s
|
| #183#183 |
Muse Wonderxhigh
|
7.7… |
Meta |
$4.012
…
|
34.40s… |
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: 6 答案错误: 3
响应时间(平均)34.40s
响应时间(最大)236.64s
响应时间(总计)791.16s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 65.2%
- 输入令牌
- 93,060
- 输出令牌
- 10,305
- 推理令牌
- 171,683
- 响应时间(平均)
- 34.40s
- 响应时间(总计)
- 791.16s
- 响应时间(最大)
- 236.64s
-
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。
API 错误: 1
响应时间(平均)525ms
响应时间(最大)525ms
响应时间(总计)525ms
-
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。
API 错误: 1
响应时间(平均)6.04s
响应时间(最大)13.58s
响应时间(总计)24.14s
-
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)40.90s
响应时间(最大)52.61s
响应时间(总计)122.71s
-
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)51.45s
响应时间(最大)55.44s
响应时间(总计)102.90s
-
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)6.90s
响应时间(最大)9.31s
响应时间(总计)13.80s
-
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 API 错误: 1
响应时间(平均)150.71s
响应时间(最大)236.64s
响应时间(总计)452.14s
-
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)5.77s
响应时间(最大)5.77s
响应时间(总计)5.77s
-
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)2.64s
响应时间(最大)4.79s
响应时间(总计)5.27s
-
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。
API 错误: 2
响应时间(平均)3.53s
响应时间(最大)9.25s
响应时间(总计)10.58s
-
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)27.97s
响应时间(最大)27.97s
响应时间(总计)27.97s
-
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)25.37s
响应时间(最大)25.37s
响应时间(总计)25.37s
|
| #182#182 |
Muse Glimmer 30Bmedium
|
7.7… |
Meta |
$0.288
↓
…
|
33.97s… |
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: 9 未遵循指令: 1 无答案: 1
响应时间(平均)33.97s
响应时间(最大)181.08s
响应时间(总计)781.36s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 65.2%
- 输入令牌
- 269,497
- 输出令牌
- 34,935
- 推理令牌
- 145,752
- 响应时间(平均)
- 33.97s
- 响应时间(总计)
- 781.36s
- 响应时间(最大)
- 181.08s
-
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)107.36s
响应时间(最大)107.36s
响应时间(总计)107.36s
-
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)7.36s
响应时间(最大)12.64s
响应时间(总计)29.44s
-
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)33.67s
响应时间(最大)43.94s
响应时间(总计)101.00s
-
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)76.48s
响应时间(最大)106.02s
响应时间(总计)152.97s
-
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)7.20s
响应时间(最大)9.97s
响应时间(总计)14.40s
-
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)44.62s
响应时间(最大)102.94s
响应时间(总计)133.85s
-
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)5.16s
响应时间(最大)5.16s
响应时间(总计)5.16s
-
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)5.34s
响应时间(最大)6.25s
响应时间(总计)10.69s
-
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。
答案错误: 2
响应时间(平均)64.73s
响应时间(最大)181.08s
响应时间(总计)194.18s
-
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)5.64s
响应时间(最大)5.64s
响应时间(总计)5.64s
-
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。
答案错误: 1
响应时间(平均)26.69s
响应时间(最大)26.69s
响应时间(总计)26.69s
|
| #181#181 |
Qwen3.7 Flashlow
|
7.7… |
Qwen |
$0.071
↑
…
|
41.03s… |
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: 3 API 错误: 1
响应时间(平均)41.03s
响应时间(最大)394.54s
响应时间(总计)943.75s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 68.1%
- 输入令牌
- 318,058
- 输出令牌
- 16,035
- 推理令牌
- 315,072
- 响应时间(平均)
- 41.03s
- 响应时间(总计)
- 943.75s
- 响应时间(最大)
- 394.54s
-
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)106.71s
响应时间(最大)106.71s
响应时间(总计)106.71s
-
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)10.29s
响应时间(最大)17.58s
响应时间(总计)41.18s
-
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。
答案错误: 2
响应时间(平均)42.36s
响应时间(最大)61.83s
响应时间(总计)127.09s
-
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)217.77s
响应时间(最大)394.54s
响应时间(总计)435.53s
-
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)15.44s
响应时间(最大)17.97s
响应时间(总计)30.88s
-
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)37.60s
响应时间(最大)49.39s
响应时间(总计)112.81s
-
通用智能
: 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。
未遵循指令: 1
响应时间(平均)14.37s
响应时间(最大)14.37s
响应时间(总计)14.37s
-
指令遵循
: 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。
未遵循指令: 1
响应时间(平均)9.88s
响应时间(最大)11.25s
响应时间(总计)19.75s
-
谜题求解
: 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 答案错误: 1
响应时间(平均)9.79s
响应时间(最大)14.36s
响应时间(总计)29.36s
-
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)7.66s
响应时间(最大)7.66s
响应时间(总计)7.66s
-
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)18.42s
响应时间(最大)18.42s
响应时间(总计)18.42s
|
| #180#180 |
Qwen3.5 Plus 2026-04-20medium
|
7.7… |
Qwen |
$0.435
↓
…
|
54.06s… |
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 超时: 1
响应时间(平均)54.06s
响应时间(最大)203.01s
响应时间(总计)1189.36s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 65.2%
- 输入令牌
- 176,539
- 输出令牌
- 4,419
- 推理令牌
- 195,929
- 响应时间(平均)
- 54.06s
- 响应时间(总计)
- 1189.36s
- 响应时间(最大)
- 203.01s
-
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)203.01s
响应时间(最大)203.01s
响应时间(总计)203.01s
-
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)10.84s
响应时间(最大)15.11s
响应时间(总计)43.36s
-
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)125.25s
响应时间(最大)189.38s
响应时间(总计)375.76s
-
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。
超时: 1
响应时间(平均)92.41s
响应时间(最大)92.41s
响应时间(总计)92.41s
-
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)38.32s
响应时间(最大)41.70s
响应时间(总计)76.63s
-
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)57.36s
响应时间(最大)90.70s
响应时间(总计)172.08s
-
通用智能
: 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。
答案错误: 1
响应时间(平均)25.30s
响应时间(最大)25.30s
响应时间(总计)25.30s
-
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)20.25s
响应时间(最大)21.65s
响应时间(总计)40.50s
-
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)17.67s
响应时间(最大)24.83s
响应时间(总计)53.02s
-
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)14.72s
响应时间(最大)14.72s
响应时间(总计)14.72s
-
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)92.57s
响应时间(最大)92.57s
响应时间(总计)92.57s
|
| #179#179 |
Claude Haiku 5.5medium
|
7.7… |
Anthropic |
$0.063
…
|
7.71s… |
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: 5 额外格式: 2 未遵循指令: 2 无答案: 1
响应时间(平均)7.71s
响应时间(最大)47.70s
响应时间(总计)177.29s
…
|
- 总测试数
- 23
- 错误测试数
- 10
- 尝试通过率
- 71.0%
- 输入令牌
- 298,334
- 输出令牌
- 10,328
- 推理令牌
- 55,846
- 响应时间(平均)
- 7.71s
- 响应时间(总计)
- 177.29s
- 响应时间(最大)
- 47.70s
-
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)47.70s
响应时间(最大)47.70s
响应时间(总计)47.70s
-
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)2.36s
响应时间(最大)3.39s
响应时间(总计)9.44s
-
编程
: 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: 2
响应时间(平均)7.16s
响应时间(最大)8.94s
响应时间(总计)21.47s
-
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。
答案错误: 1
响应时间(平均)20.29s
响应时间(最大)26.07s
响应时间(总计)40.58s
-
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)3.43s
响应时间(最大)3.56s
响应时间(总计)6.87s
-
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。
额外格式: 2 答案错误: 1
响应时间(平均)7.96s
响应时间(最大)9.19s
响应时间(总计)23.89s
-
通用智能
: 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。
未遵循指令: 1
响应时间(平均)5.17s
响应时间(最大)5.17s
响应时间(总计)5.17s
-
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)3.01s
响应时间(最大)3.29s
响应时间(总计)6.02s
-
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。
未遵循指令: 1
响应时间(平均)2.67s
响应时间(最大)3.28s
响应时间(总计)8.01s
-
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)5.02s
响应时间(最大)5.02s
响应时间(总计)5.02s
-
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)3.12s
响应时间(最大)3.12s
响应时间(总计)3.12s
|
| #178#178 |
Nemotron 3.5 Super VLmedium
|
7.7… |
NVIDIA |
$0.437
…
|
84.94s… |
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: 4 无答案: 3 API 错误: 1 未遵循指令: 1
响应时间(平均)84.94s
响应时间(最大)527.47s
响应时间(总计)1953.70s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 72.5%
- 输入令牌
- 269,143
- 输出令牌
- 6,833
- 推理令牌
- 785,200
- 响应时间(平均)
- 84.94s
- 响应时间(总计)
- 1953.70s
- 响应时间(最大)
- 527.47s
-
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)113.57s
响应时间(最大)113.57s
响应时间(总计)113.57s
-
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)5.94s
响应时间(最大)13.09s
响应时间(总计)23.78s
-
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。
无答案: 2
响应时间(平均)278.59s
响应时间(最大)527.47s
响应时间(总计)835.78s
-
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)112.20s
响应时间(最大)162.41s
响应时间(总计)224.40s
-
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)6.69s
响应时间(最大)7.91s
响应时间(总计)13.38s
-
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 API 错误: 1
响应时间(平均)196.68s
响应时间(最大)270.29s
响应时间(总计)590.03s
-
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)12.72s
响应时间(最大)12.72s
响应时间(总计)12.72s
-
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)4.34s
响应时间(最大)4.66s
响应时间(总计)8.68s
-
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)11.82s
响应时间(最大)28.85s
响应时间(总计)35.47s
-
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)36.33s
响应时间(最大)36.33s
响应时间(总计)36.33s
-
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)59.55s
响应时间(最大)59.55s
响应时间(总计)59.55s
|
| #177#177 |
Muse Glimmer 30Bhigh
|
7.7… |
Meta |
$0.506
↓
…
|
69.87s… |
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: 7 未遵循指令: 3 无答案: 2
响应时间(平均)69.87s
响应时间(最大)451.90s
响应时间(总计)1607.12s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 66.7%
- 输入令牌
- 281,859
- 输出令牌
- 102,526
- 推理令牌
- 286,217
- 响应时间(平均)
- 69.87s
- 响应时间(总计)
- 1607.12s
- 响应时间(最大)
- 451.90s
-
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)139.73s
响应时间(最大)139.73s
响应时间(总计)139.73s
-
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)13.18s
响应时间(最大)27.66s
响应时间(总计)52.71s
-
编程
: 8.8
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)95.97s
响应时间(最大)127.91s
响应时间(总计)287.92s
-
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)115.38s
响应时间(最大)161.28s
响应时间(总计)230.76s
-
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)14.89s
响应时间(最大)16.84s
响应时间(总计)29.77s
-
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 无答案: 1
响应时间(平均)182.58s
响应时间(最大)451.90s
响应时间(总计)547.75s
-
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。
未遵循指令: 1
响应时间(平均)6.36s
响应时间(最大)6.36s
响应时间(总计)6.36s
-
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)8.62s
响应时间(最大)8.74s
响应时间(总计)17.23s
-
谜题求解
: 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 答案错误: 1
响应时间(平均)64.76s
响应时间(最大)173.50s
响应时间(总计)194.28s
-
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)6.41s
响应时间(最大)6.41s
响应时间(总计)6.41s
-
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)94.20s
响应时间(最大)94.20s
响应时间(总计)94.20s
|
| #176#176 |
GPT-6 Lunahigh
|
7.7… |
OpenAI |
$0.074
…
|
20.37s… |
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: 1 无效工具调用: 1
响应时间(平均)20.37s
响应时间(最大)106.93s
响应时间(总计)468.52s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 73.9%
- 输入令牌
- 229,986
- 输出令牌
- 6,037
- 推理令牌
- 95,550
- 响应时间(平均)
- 20.37s
- 响应时间(总计)
- 468.52s
- 响应时间(最大)
- 106.93s
-
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)82.78s
响应时间(最大)82.78s
响应时间(总计)82.78s
-
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)2.64s
响应时间(最大)3.26s
响应时间(总计)10.56s
-
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)24.69s
响应时间(最大)33.57s
响应时间(总计)74.07s
-
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)21.53s
响应时间(最大)28.77s
响应时间(总计)43.07s
-
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)24.50s
响应时间(最大)27.15s
响应时间(总计)48.99s
-
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)51.14s
响应时间(最大)106.93s
响应时间(总计)153.41s
-
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)17.40s
响应时间(最大)17.40s
响应时间(总计)17.40s
-
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)1.92s
响应时间(最大)2.04s
响应时间(总计)3.84s
-
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)7.51s
响应时间(最大)13.60s
响应时间(总计)22.53s
-
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)6.96s
响应时间(最大)6.96s
响应时间(总计)6.96s
-
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)4.90s
响应时间(最大)4.90s
响应时间(总计)4.90s
|
| #175#175 |
Muse Wonderhigh
|
7.7… |
Meta |
$3.426
…
|
22.96s… |
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: 6 答案错误: 2
响应时间(平均)22.96s
响应时间(最大)143.21s
响应时间(总计)528.08s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 66.7%
- 输入令牌
- 94,153
- 输出令牌
- 9,606
- 推理令牌
- 142,834
- 响应时间(平均)
- 22.96s
- 响应时间(总计)
- 528.08s
- 响应时间(最大)
- 143.21s
-
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)461ms
响应时间(最大)461ms
响应时间(总计)461ms
-
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。
API 错误: 1
响应时间(平均)5.93s
响应时间(最大)11.89s
响应时间(总计)23.71s
-
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)36.94s
响应时间(最大)49.30s
响应时间(总计)110.81s
-
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)34.90s
响应时间(最大)45.19s
响应时间(总计)69.81s
-
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)7.09s
响应时间(最大)8.39s
响应时间(总计)14.18s
-
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。
API 错误: 1 答案错误: 1
响应时间(平均)78.62s
响应时间(最大)143.21s
响应时间(总计)235.86s
-
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)5.52s
响应时间(最大)5.52s
响应时间(总计)5.52s
-
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)1.97s
响应时间(最大)3.43s
响应时间(总计)3.93s
-
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。
API 错误: 2
响应时间(平均)3.78s
响应时间(最大)10.03s
响应时间(总计)11.34s
-
工具调用
: 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)23.70s
响应时间(最大)23.70s
响应时间(总计)23.70s
-
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)28.77s
响应时间(最大)28.77s
响应时间(总计)28.77s
|
| #174#174 |
DeepSeek V4 Flash 0731medium
|
7.8… |
DeepSeek |
$0.460
↑
…
|
94.16s… |
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: 3 额外格式: 1 无效工具调用: 1 超时: 1
响应时间(平均)94.16s
响应时间(最大)303.26s
响应时间(总计)2165.72s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 72.5%
- 输入令牌
- 274,189
- 输出令牌
- 66,689
- 推理令牌
- 510,525
- 响应时间(平均)
- 94.16s
- 响应时间(总计)
- 2165.72s
- 响应时间(最大)
- 303.26s
-
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)303.26s
响应时间(最大)303.26s
响应时间(总计)303.26s
-
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)17.95s
响应时间(最大)46.36s
响应时间(总计)71.81s
-
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。
无答案: 2
响应时间(平均)198.78s
响应时间(最大)288.78s
响应时间(总计)596.34s
-
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)150.58s
响应时间(最大)270.49s
响应时间(总计)301.16s
-
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)5.21s
响应时间(最大)5.51s
响应时间(总计)10.43s
-
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)203.11s
响应时间(最大)208.43s
响应时间(总计)609.33s
-
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)12.16s
响应时间(最大)12.16s
响应时间(总计)12.16s
-
指令遵循
: 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。
额外格式: 1
响应时间(平均)2.42s
响应时间(最大)2.86s
响应时间(总计)4.84s
-
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。
无答案: 1
响应时间(平均)65.12s
响应时间(最大)182.97s
响应时间(总计)195.36s
-
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)4.41s
响应时间(最大)4.41s
响应时间(总计)4.41s
-
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。
超时: 1
响应时间(平均)56.64s
响应时间(最大)56.64s
响应时间(总计)56.64s
|
| #173#173 |
Grok 4.5low
|
7.8… |
X AI |
$1.345
…
|
18.14s… |
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
响应时间(平均)18.14s
响应时间(最大)205.28s
响应时间(总计)417.21s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 73.9%
- 输入令牌
- 308,068
- 输出令牌
- 9,218
- 推理令牌
- 112,197
- 响应时间(平均)
- 18.14s
- 响应时间(总计)
- 417.21s
- 响应时间(最大)
- 205.28s
-
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)61.53s
响应时间(最大)61.53s
响应时间(总计)61.53s
-
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)2.75s
响应时间(最大)3.42s
响应时间(总计)10.99s
-
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)13.72s
响应时间(最大)17.72s
响应时间(总计)41.16s
-
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。
答案错误: 1
响应时间(平均)12.75s
响应时间(最大)17.34s
响应时间(总计)25.50s
-
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)3.44s
响应时间(最大)3.78s
响应时间(总计)6.88s
-
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)77.09s
响应时间(最大)205.28s
响应时间(总计)231.27s
-
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)4.88s
响应时间(最大)4.88s
响应时间(总计)4.88s
-
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)2.80s
响应时间(最大)2.84s
响应时间(总计)5.59s
-
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)3.20s
响应时间(最大)5.51s
响应时间(总计)9.59s
-
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)5.83s
响应时间(最大)5.83s
响应时间(总计)5.83s
-
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)13.98s
响应时间(最大)13.98s
响应时间(总计)13.98s
|
| #172#172 |
Qwen3.7 Plusnone
|
7.8… |
Qwen |
$0.178
↓
…
|
17.80s… |
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: 9 未遵循指令: 1
响应时间(平均)17.80s
响应时间(最大)206.03s
响应时间(总计)409.51s
…
|
- 总测试数
- 23
- 错误测试数
- 10
- 尝试通过率
- 56.5%
- 输入令牌
- 250,495
- 输出令牌
- 76,261
- 推理令牌
- 0
- 响应时间(平均)
- 17.80s
- 响应时间(总计)
- 409.51s
- 响应时间(最大)
- 206.03s
-
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)143.11s
响应时间(最大)143.11s
响应时间(总计)143.11s
-
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)1.38s
响应时间(最大)2.69s
响应时间(总计)5.51s
-
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)2.15s
响应时间(最大)4.39s
响应时间(总计)6.44s
-
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)117.70s
响应时间(最大)206.03s
响应时间(总计)235.40s
-
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)1.57s
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)1.04s
响应时间(最大)1.33s
响应时间(总计)3.12s
-
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。
未遵循指令: 1
响应时间(平均)1.33s
响应时间(最大)1.33s
响应时间(总计)1.33s
-
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)929ms
响应时间(最大)1.05s
响应时间(总计)1.86s
-
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)1.71s
响应时间(最大)2.65s
响应时间(总计)5.13s
-
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)1.21s
响应时间(最大)1.21s
响应时间(总计)1.21s
|
| #171#171 |
Grok 4.6medium
|
7.8… |
X AI |
$2.270
…
|
74.77s… |
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: 1
响应时间(平均)74.77s
响应时间(最大)514.35s
响应时间(总计)1719.73s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 78.3%
- 输入令牌
- 336,351
- 输出令牌
- 6,180
- 推理令牌
- 260,017
- 响应时间(平均)
- 74.77s
- 响应时间(总计)
- 1719.73s
- 响应时间(最大)
- 514.35s
-
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)103.61s
响应时间(最大)103.61s
响应时间(总计)103.61s
-
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)10.84s
响应时间(最大)16.03s
响应时间(总计)43.37s
-
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)120.05s
响应时间(最大)183.47s
响应时间(总计)360.14s
-
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)62.66s
响应时间(最大)80.72s
响应时间(总计)125.33s
-
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)11.46s
响应时间(最大)12.31s
响应时间(总计)22.92s
-
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)304.33s
响应时间(最大)514.35s
响应时间(总计)912.98s
-
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)17.27s
响应时间(最大)17.27s
响应时间(总计)17.27s
-
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)12.75s
响应时间(最大)17.51s
响应时间(总计)25.51s
-
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)16.30s
响应时间(最大)22.22s
响应时间(总计)48.89s
-
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)12.83s
响应时间(最大)12.83s
响应时间(总计)12.83s
-
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)46.88s
响应时间(最大)46.88s
响应时间(总计)46.88s
|
| #170#170 |
Step 3.7 Flashmedium
|
7.8… |
Stepfun |
$0.571
…
|
26.57s… |
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 无效工具调用: 1 无答案: 1
响应时间(平均)26.57s
响应时间(最大)152.83s
响应时间(总计)611.09s
…
|
- 总测试数
- 23
- 错误测试数
- 10
- 尝试通过率
- 68.1%
- 输入令牌
- 319,524
- 输出令牌
- 440,835
- 推理令牌
- 0
- 响应时间(平均)
- 26.57s
- 响应时间(总计)
- 611.09s
- 响应时间(最大)
- 152.83s
-
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)93.88s
响应时间(最大)93.88s
响应时间(总计)93.88s
-
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。
未遵循指令: 1
响应时间(平均)9.65s
响应时间(最大)35.08s
响应时间(总计)38.62s
-
编程
: 8.8
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)27.42s
响应时间(最大)60.98s
响应时间(总计)82.26s
-
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)80.94s
响应时间(最大)152.83s
响应时间(总计)161.89s
-
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)2.75s
响应时间(最大)3.35s
响应时间(总计)5.49s
-
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)27.26s
响应时间(最大)34.06s
响应时间(总计)81.77s
-
通用智能
: 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: 1
响应时间(平均)6.85s
响应时间(最大)6.85s
响应时间(总计)6.85s
-
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)1.83s
响应时间(最大)2.21s
响应时间(总计)3.65s
-
谜题求解
: 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。
答案错误: 2
响应时间(平均)6.19s
响应时间(最大)12.51s
响应时间(总计)18.56s
-
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)4.16s
响应时间(最大)4.16s
响应时间(总计)4.16s
-
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)113.98s
响应时间(最大)113.98s
响应时间(总计)113.98s
|
| #169#169 |
GLM 5.3high
|
7.8… |
Z.ai |
$0.495
↓
…
|
28.38s… |
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 额外格式: 2 未遵循指令: 1
响应时间(平均)28.38s
响应时间(最大)159.91s
响应时间(总计)652.78s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 75.4%
- 输入令牌
- 219,811
- 输出令牌
- 8,811
- 推理令牌
- 59,671
- 响应时间(平均)
- 28.38s
- 响应时间(总计)
- 652.78s
- 响应时间(最大)
- 159.91s
-
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)40.72s
响应时间(最大)40.72s
响应时间(总计)40.72s
-
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)3.72s
响应时间(最大)4.84s
响应时间(总计)14.88s
-
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)18.89s
响应时间(最大)26.76s
响应时间(总计)56.66s
-
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)63.96s
响应时间(最大)97.74s
响应时间(总计)127.92s
-
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)3.55s
响应时间(最大)4.03s
响应时间(总计)7.10s
-
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。
额外格式: 2 答案错误: 1
响应时间(平均)112.33s
响应时间(最大)159.91s
响应时间(总计)337.00s
-
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)8.00s
响应时间(最大)8.00s
响应时间(总计)8.00s
-
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)3.62s
响应时间(最大)3.66s
响应时间(总计)7.24s
-
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)4.74s
响应时间(最大)5.81s
响应时间(总计)14.23s
-
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)17.05s
响应时间(最大)17.05s
响应时间(总计)17.05s
-
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)21.98s
响应时间(最大)21.98s
响应时间(总计)21.98s
|
| #168#168 |
Grok 4.5medium
|
7.8… |
X AI |
$2.996
↑
…
|
68.44s… |
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
响应时间(平均)68.44s
响应时间(最大)436.38s
响应时间(总计)1574.14s
…
|
- 总测试数
- 23
- 错误测试数
- 6
- 尝试通过率
- 79.7%
- 输入令牌
- 308,369
- 输出令牌
- 7,013
- 推理令牌
- 299,031
- 响应时间(平均)
- 68.44s
- 响应时间(总计)
- 1574.14s
- 响应时间(最大)
- 436.38s
-
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)65.24s
响应时间(最大)65.24s
响应时间(总计)65.24s
-
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)23.50s
响应时间(最大)47.78s
响应时间(总计)93.99s
-
编程
: 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。
答案错误: 1
响应时间(平均)155.69s
响应时间(最大)305.49s
响应时间(总计)467.06s
-
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)29.01s
响应时间(最大)42.36s
响应时间(总计)58.01s
-
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)6.29s
响应时间(最大)6.68s
响应时间(总计)12.58s
-
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)249.34s
响应时间(最大)436.38s
响应时间(总计)748.02s
-
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)12.84s
响应时间(最大)12.84s
响应时间(总计)12.84s
-
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)6.06s
响应时间(最大)7.94s
响应时间(总计)12.12s
-
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)7.75s
响应时间(最大)12.42s
响应时间(总计)23.26s
-
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)6.57s
响应时间(最大)6.57s
响应时间(总计)6.57s
-
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)74.44s
响应时间(最大)74.44s
响应时间(总计)74.44s
|
| #167#167 |
DeepSeek V4.1 Flash 1017high
|
7.8… |
DeepSeek |
$0.589
…
|
58.56s… |
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: 3 未遵循指令: 2
响应时间(平均)58.56s
响应时间(最大)440.77s
响应时间(总计)1346.87s
…
|
- 总测试数
- 23
- 错误测试数
- 10
- 尝试通过率
- 71.0%
- 输入令牌
- 279,873
- 输出令牌
- 7,049
- 推理令牌
- 904,285
- 响应时间(平均)
- 58.56s
- 响应时间(总计)
- 1346.87s
- 响应时间(最大)
- 440.77s
-
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)43.53s
响应时间(最大)43.53s
响应时间(总计)43.53s
-
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)2.10s
响应时间(最大)3.35s
响应时间(总计)8.39s
-
编程
: 4.5
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: 2 未遵循指令: 1
响应时间(平均)196.67s
响应时间(最大)241.99s
响应时间(总计)590.01s
-
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)37.28s
响应时间(最大)71.21s
响应时间(总计)74.56s
-
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)2.20s
响应时间(最大)2.32s
响应时间(总计)4.40s
-
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)186.02s
响应时间(最大)440.77s
响应时间(总计)558.07s
-
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)2.02s
响应时间(最大)2.02s
响应时间(总计)2.02s
-
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)1.12s
响应时间(最大)1.14s
响应时间(总计)2.25s
-
谜题求解
: 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 答案错误: 1
响应时间(平均)5.70s
响应时间(最大)13.84s
响应时间(总计)17.11s
-
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)2.28s
响应时间(最大)2.28s
响应时间(总计)2.28s
-
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)44.26s
响应时间(最大)44.26s
响应时间(总计)44.26s
|
| #166#166 |
Ling 3.1 Flashhigh
|
7.9… |
Inclusionai |
$0.000
…
|
87.39s… |
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: 4 答案错误: 2 额外格式: 1 无效工具调用: 1
响应时间(平均)87.39s
响应时间(最大)665.85s
响应时间(总计)2010.08s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 69.6%
- 输入令牌
- 324,691
- 输出令牌
- 181,251
- 推理令牌
- 506,441
- 响应时间(平均)
- 87.39s
- 响应时间(总计)
- 2010.08s
- 响应时间(最大)
- 665.85s
-
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)87.42s
响应时间(最大)87.42s
响应时间(总计)87.42s
-
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)4.44s
响应时间(最大)7.00s
响应时间(总计)17.76s
-
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。
额外格式: 1
响应时间(平均)83.41s
响应时间(最大)149.10s
响应时间(总计)250.23s
-
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)351.19s
响应时间(最大)665.85s
响应时间(总计)702.38s
-
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)17.38s
响应时间(最大)25.54s
响应时间(总计)34.77s
-
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。
无答案: 3
响应时间(平均)222.88s
响应时间(最大)293.88s
响应时间(总计)668.65s
-
通用智能
: 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)7.82s
响应时间(最大)7.82s
响应时间(总计)7.82s
-
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)4.31s
响应时间(最大)5.40s
响应时间(总计)8.61s
-
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)37.46s
响应时间(最大)103.89s
响应时间(总计)112.37s
-
工具调用
: 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)38.25s
响应时间(最大)38.25s
响应时间(总计)38.25s
-
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。
无答案: 1
响应时间(平均)81.83s
响应时间(最大)81.83s
响应时间(总计)81.83s
|
| #165#165 |
Muse Wondermax
|
7.9… |
Meta |
$4.766
…
|
44.39s… |
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: 4 答案错误: 2 未遵循指令: 1
响应时间(平均)44.39s
响应时间(最大)287.79s
响应时间(总计)1021.02s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 75.4%
- 输入令牌
- 93,126
- 输出令牌
- 10,497
- 推理令牌
- 209,138
- 响应时间(平均)
- 44.39s
- 响应时间(总计)
- 1021.02s
- 响应时间(最大)
- 287.79s
-
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)381ms
响应时间(最大)381ms
响应时间(总计)381ms
-
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)7.00s
响应时间(最大)11.34s
响应时间(总计)27.99s
-
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)58.38s
响应时间(最大)68.45s
响应时间(总计)175.15s
-
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)62.60s
响应时间(最大)78.52s
响应时间(总计)125.21s
-
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)7.40s
响应时间(最大)9.53s
响应时间(总计)14.80s
-
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: 2 答案错误: 1
响应时间(平均)189.55s
响应时间(最大)287.79s
响应时间(总计)568.65s
-
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)6.06s
响应时间(最大)6.06s
响应时间(总计)6.06s
-
指令遵循
: 7.5
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)13.24s
响应时间(最大)23.29s
响应时间(总计)26.47s
-
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。
API 错误: 1
响应时间(平均)8.97s
响应时间(最大)14.45s
响应时间(总计)26.92s
-
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)8.08s
响应时间(最大)8.08s
响应时间(总计)8.08s
-
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)41.30s
响应时间(最大)41.30s
响应时间(总计)41.30s
|