| #114#114 |
Claude Haiku 5.5max
|
8.5… |
Anthropic |
$0.509
…
|
61.71s… |
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 答案错误: 1
响应时间(平均)61.71s
响应时间(最大)288.94s
响应时间(总计)1419.40s
…
|
- 总测试数
- 23
- 错误测试数
- 4
- 尝试通过率
- 85.5%
- 输入令牌
- 487,516
- 输出令牌
- 10,212
- 推理令牌
- 909,487
- 响应时间(平均)
- 61.71s
- 响应时间(总计)
- 1419.40s
- 响应时间(最大)
- 288.94s
-
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)93.30s
响应时间(最大)93.30s
响应时间(总计)93.30s
-
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)5.52s
响应时间(最大)13.27s
响应时间(总计)22.09s
-
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)55.87s
响应时间(最大)88.63s
响应时间(总计)167.62s
-
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)148.38s
响应时间(最大)180.18s
响应时间(总计)296.76s
-
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)11.11s
响应时间(最大)12.77s
响应时间(总计)22.23s
-
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。
无答案: 2
响应时间(平均)228.16s
响应时间(最大)288.94s
响应时间(总计)684.47s
-
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)42.22s
响应时间(最大)42.22s
响应时间(总计)42.22s
-
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)6.22s
响应时间(最大)7.54s
响应时间(总计)12.44s
-
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)16.54s
响应时间(最大)33.66s
响应时间(总计)49.63s
-
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)9.86s
响应时间(最大)9.86s
响应时间(总计)9.86s
-
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。
无答案: 1
响应时间(平均)18.80s
响应时间(最大)18.80s
响应时间(总计)18.80s
|
| #113#113 |
Qwen3.7 Maxmedium
|
8.5… |
Qwen |
$1.689
↓
…
|
48.35s… |
只有当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: 1
响应时间(平均)48.35s
响应时间(最大)556.06s
响应时间(总计)1112.11s
…
|
- 总测试数
- 23
- 错误测试数
- 6
- 尝试通过率
- 85.5%
- 输入令牌
- 367,848
- 输出令牌
- 8,753
- 推理令牌
- 250,279
- 响应时间(平均)
- 48.35s
- 响应时间(总计)
- 1112.11s
- 响应时间(最大)
- 556.06s
-
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)137.00s
响应时间(最大)137.00s
响应时间(总计)137.00s
-
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)6.36s
响应时间(最大)8.75s
响应时间(总计)25.44s
-
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)35.31s
响应时间(最大)59.98s
响应时间(总计)105.93s
-
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)287.83s
响应时间(最大)556.06s
响应时间(总计)575.66s
-
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)8.80s
响应时间(最大)10.25s
响应时间(总计)17.60s
-
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)52.45s
响应时间(最大)102.71s
响应时间(总计)157.35s
-
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)11.70s
响应时间(最大)11.70s
响应时间(总计)11.70s
-
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)7.46s
响应时间(最大)10.17s
响应时间(总计)14.92s
-
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)8.84s
响应时间(最大)11.71s
响应时间(总计)26.51s
-
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)6.63s
响应时间(最大)6.63s
响应时间(总计)6.63s
-
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)33.37s
响应时间(最大)33.37s
响应时间(总计)33.37s
|
| #112#112 |
Claude Sonnet 5medium
|
8.5… |
Anthropic |
$1.438
…
|
15.01s… |
只有当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 未遵循指令: 1 无效工具调用: 1
响应时间(平均)15.01s
响应时间(最大)69.26s
响应时间(总计)345.16s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 76.8%
- 输入令牌
- 353,658
- 输出令牌
- 54,891
- 推理令牌
- 18,370
- 响应时间(平均)
- 15.01s
- 响应时间(总计)
- 345.16s
- 响应时间(最大)
- 69.26s
-
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)69.26s
响应时间(最大)69.26s
响应时间(总计)69.26s
-
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)3.80s
响应时间(最大)5.73s
响应时间(总计)15.21s
-
编程
: 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。
答案错误: 1
响应时间(平均)17.28s
响应时间(最大)31.73s
响应时间(总计)51.84s
-
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)51.86s
响应时间(最大)66.71s
响应时间(总计)103.73s
-
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)3.16s
响应时间(最大)3.47s
响应时间(总计)6.32s
-
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)20.54s
响应时间(最大)56.94s
响应时间(总计)61.61s
-
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)4.32s
响应时间(最大)4.32s
响应时间(总计)4.32s
-
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)3.10s
响应时间(最大)3.61s
响应时间(总计)6.20s
-
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)2.98s
响应时间(最大)3.20s
响应时间(总计)8.93s
-
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)10.70s
响应时间(最大)10.70s
响应时间(总计)10.70s
-
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)7.06s
响应时间(最大)7.06s
响应时间(总计)7.06s
|
| #111#111 |
Muse Spark 1.3low
|
8.5… |
Meta |
$0.911
…
|
17.73s… |
只有当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 API 错误: 1 未遵循指令: 1 无效工具调用: 1
响应时间(平均)17.73s
响应时间(最大)78.72s
响应时间(总计)407.75s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 82.6%
- 输入令牌
- 270,231
- 输出令牌
- 13,363
- 推理令牌
- 121,332
- 响应时间(平均)
- 17.73s
- 响应时间(总计)
- 407.75s
- 响应时间(最大)
- 78.72s
-
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)55.06s
响应时间(最大)55.06s
响应时间(总计)55.06s
-
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)3.92s
响应时间(最大)5.06s
响应时间(总计)15.66s
-
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。
API 错误: 1
响应时间(平均)20.86s
响应时间(最大)28.10s
响应时间(总计)62.58s
-
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)25.72s
响应时间(最大)38.73s
响应时间(总计)51.44s
-
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)3.62s
响应时间(最大)3.75s
响应时间(总计)7.23s
-
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)45.63s
响应时间(最大)78.72s
响应时间(总计)136.89s
-
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)4.02s
响应时间(最大)4.02s
响应时间(总计)4.02s
-
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)5.04s
响应时间(最大)5.70s
响应时间(总计)10.09s
-
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。
未遵循指令: 1
响应时间(平均)11.34s
响应时间(最大)25.48s
响应时间(总计)34.03s
-
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)7.39s
响应时间(最大)7.39s
响应时间(总计)7.39s
-
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)23.36s
响应时间(最大)23.36s
响应时间(总计)23.36s
|
| #110#110 |
Grok 4.6high
|
8.5… |
X AI |
$2.629
…
|
87.48s… |
只有当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: 1
响应时间(平均)87.48s
响应时间(最大)618.49s
响应时间(总计)2012.15s
…
|
- 总测试数
- 23
- 错误测试数
- 4
- 尝试通过率
- 82.6%
- 输入令牌
- 376,233
- 输出令牌
- 6,687
- 推理令牌
- 305,927
- 响应时间(平均)
- 87.48s
- 响应时间(总计)
- 2012.15s
- 响应时间(最大)
- 618.49s
-
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)160.89s
响应时间(最大)160.89s
响应时间(总计)160.89s
-
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)14.44s
响应时间(最大)29.43s
响应时间(总计)57.78s
-
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)102.20s
响应时间(最大)134.17s
响应时间(总计)306.59s
-
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)91.77s
响应时间(最大)121.80s
响应时间(总计)183.53s
-
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)16.08s
响应时间(最大)16.15s
响应时间(总计)32.17s
-
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)369.95s
响应时间(最大)618.49s
响应时间(总计)1109.84s
-
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)19.51s
响应时间(最大)19.51s
响应时间(总计)19.51s
-
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)13.82s
响应时间(最大)14.84s
响应时间(总计)27.65s
-
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)15.56s
响应时间(最大)20.27s
响应时间(总计)46.69s
-
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)13.30s
响应时间(最大)13.30s
响应时间(总计)13.30s
-
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)54.22s
响应时间(最大)54.22s
响应时间(总计)54.22s
|
| #109#109 |
Muse Embermedium
|
8.5… |
Meta |
$0.190
…
|
12.39s… |
只有当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 未遵循指令: 2 无答案: 1
响应时间(平均)12.39s
响应时间(最大)75.32s
响应时间(总计)285.08s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 75.4%
- 输入令牌
- 274,381
- 输出令牌
- 12,835
- 推理令牌
- 312,022
- 响应时间(平均)
- 12.39s
- 响应时间(总计)
- 285.08s
- 响应时间(最大)
- 75.32s
-
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)47.20s
响应时间(最大)47.20s
响应时间(总计)47.20s
-
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)2.38s
响应时间(最大)3.69s
响应时间(总计)9.52s
-
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)6.94s
响应时间(最大)10.37s
响应时间(总计)20.83s
-
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)9.77s
响应时间(最大)12.25s
响应时间(总计)19.54s
-
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)3.39s
响应时间(最大)3.79s
响应时间(总计)6.78s
-
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 无答案: 1
响应时间(平均)35.64s
响应时间(最大)75.32s
响应时间(总计)106.91s
-
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)3.37s
响应时间(最大)3.37s
响应时间(总计)3.37s
-
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)3.38s
响应时间(最大)5.33s
响应时间(总计)6.76s
-
谜题求解
: 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 答案错误: 1
响应时间(平均)16.70s
响应时间(最大)41.95s
响应时间(总计)50.10s
-
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)4.09s
响应时间(最大)4.09s
响应时间(总计)4.09s
-
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)9.98s
响应时间(最大)9.98s
响应时间(总计)9.98s
|
| #108#108 |
Particle-1medium
|
8.6… |
Particle AI |
$0.217
…
|
32.30s… |
只有当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 未遵循指令: 2 无答案: 2
响应时间(平均)32.30s
响应时间(最大)276.96s
响应时间(总计)742.97s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 73.9%
- 输入令牌
- 263,837
- 输出令牌
- 7,443
- 推理令牌
- 399,022
- 响应时间(平均)
- 32.30s
- 响应时间(总计)
- 742.97s
- 响应时间(最大)
- 276.96s
-
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)47.94s
响应时间(最大)47.94s
响应时间(总计)47.94s
-
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)2.43s
响应时间(最大)3.27s
响应时间(总计)9.70s
-
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。
无答案: 1
响应时间(平均)64.92s
响应时间(最大)136.73s
响应时间(总计)194.76s
-
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)21.06s
响应时间(最大)35.74s
响应时间(总计)42.11s
-
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)2.19s
响应时间(最大)2.77s
响应时间(总计)4.39s
-
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: 2 无答案: 1
响应时间(平均)134.14s
响应时间(最大)276.96s
响应时间(总计)402.43s
-
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)3.21s
响应时间(最大)3.21s
响应时间(总计)3.21s
-
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)1.49s
响应时间(最大)1.51s
响应时间(总计)2.97s
-
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。
未遵循指令: 1 答案错误: 1
响应时间(平均)5.18s
响应时间(最大)9.29s
响应时间(总计)15.54s
-
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)4.06s
响应时间(最大)4.06s
响应时间(总计)4.06s
-
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)15.86s
响应时间(最大)15.86s
响应时间(总计)15.86s
|
| #107#107 |
Qwen3.8 Max (0902)low
|
8.6… |
Qwen |
$1.131
…
|
29.07s… |
只有当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 无效工具调用: 1
响应时间(平均)29.07s
响应时间(最大)207.79s
响应时间(总计)668.66s
…
|
- 总测试数
- 23
- 错误测试数
- 5
- 尝试通过率
- 85.5%
- 输入令牌
- 298,682
- 输出令牌
- 8,374
- 推理令牌
- 80,549
- 响应时间(平均)
- 29.07s
- 响应时间(总计)
- 668.66s
- 响应时间(最大)
- 207.79s
-
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)136.04s
响应时间(最大)136.04s
响应时间(总计)136.04s
-
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)4.72s
响应时间(最大)7.30s
响应时间(总计)18.89s
-
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)37.42s
响应时间(最大)61.54s
响应时间(总计)112.27s
-
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)113.88s
响应时间(最大)207.79s
响应时间(总计)227.77s
-
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)9.94s
响应时间(最大)10.24s
响应时间(总计)19.88s
-
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)34.93s
响应时间(最大)46.54s
响应时间(总计)104.79s
-
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)8.91s
响应时间(最大)8.91s
响应时间(总计)8.91s
-
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)4.32s
响应时间(最大)5.28s
响应时间(总计)8.63s
-
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)4.49s
响应时间(最大)6.25s
响应时间(总计)13.46s
-
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)4.73s
响应时间(最大)4.73s
响应时间(总计)4.73s
-
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)13.28s
响应时间(最大)13.28s
响应时间(总计)13.28s
|
| #106#106 |
Claude Haiku 5.5low
|
8.6… |
Anthropic |
$0.061
…
|
7.51s… |
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: 3 未遵循指令: 2 额外格式: 1 无答案: 1
响应时间(平均)7.51s
响应时间(最大)44.43s
响应时间(总计)172.74s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 76.8%
- 输入令牌
- 296,301
- 输出令牌
- 10,672
- 推理令牌
- 50,978
- 响应时间(平均)
- 7.51s
- 响应时间(总计)
- 172.74s
- 响应时间(最大)
- 44.43s
-
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)44.43s
响应时间(最大)44.43s
响应时间(总计)44.43s
-
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)2.16s
响应时间(最大)3.03s
响应时间(总计)8.62s
-
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。
未遵循指令: 1
响应时间(平均)7.30s
响应时间(最大)8.92s
响应时间(总计)21.89s
-
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)23.94s
响应时间(最大)27.39s
响应时间(总计)47.88s
-
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)3.45s
响应时间(最大)3.70s
响应时间(总计)6.89s
-
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。
额外格式: 1 答案错误: 1
响应时间(平均)7.35s
响应时间(最大)7.77s
响应时间(总计)22.06s
-
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)1.38s
响应时间(最大)1.38s
响应时间(总计)1.38s
-
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)2.20s
响应时间(最大)3.24s
响应时间(总计)4.40s
-
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)2.76s
响应时间(最大)3.28s
响应时间(总计)8.28s
-
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)4.19s
响应时间(最大)4.19s
响应时间(总计)4.19s
-
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)2.70s
响应时间(最大)2.70s
响应时间(总计)2.70s
|
| #105#105 |
Qwen4 Maxhigh
|
8.6… |
Qwen |
$1.363
…
|
52.90s… |
只有当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: 1
响应时间(平均)52.90s
响应时间(最大)437.98s
响应时间(总计)1216.62s
…
|
- 总测试数
- 23
- 错误测试数
- 4
- 尝试通过率
- 85.5%
- 输入令牌
- 350,854
- 输出令牌
- 8,427
- 推理令牌
- 177,417
- 响应时间(平均)
- 52.90s
- 响应时间(总计)
- 1216.62s
- 响应时间(最大)
- 437.98s
-
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)228.78s
响应时间(最大)228.78s
响应时间(总计)228.78s
-
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)3.42s
响应时间(最大)4.83s
响应时间(总计)13.67s
-
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)15.68s
响应时间(最大)16.60s
响应时间(总计)47.05s
-
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)46.52s
响应时间(最大)80.07s
响应时间(总计)93.03s
-
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)3.88s
响应时间(最大)5.03s
响应时间(总计)7.77s
-
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)239.42s
响应时间(最大)437.98s
响应时间(总计)718.25s
-
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)4.78s
响应时间(最大)4.78s
响应时间(总计)4.78s
-
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)3.02s
响应时间(最大)3.54s
响应时间(总计)6.04s
-
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)3.51s
响应时间(最大)4.52s
响应时间(总计)10.53s
-
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)6.99s
响应时间(最大)6.99s
响应时间(总计)6.99s
-
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)79.73s
响应时间(最大)79.73s
响应时间(总计)79.73s
|
| #104#104 |
Claude Sonnet 5.5high
|
8.6… |
Anthropic |
$1.175
…
|
10.79s… |
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: 5 额外格式: 1 无效工具调用: 1
响应时间(平均)10.79s
响应时间(最大)51.53s
响应时间(总计)248.22s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 81.2%
- 输入令牌
- 345,687
- 输出令牌
- 13,550
- 推理令牌
- 34,743
- 响应时间(平均)
- 10.79s
- 响应时间(总计)
- 248.22s
- 响应时间(最大)
- 51.53s
-
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)51.53s
响应时间(最大)51.53s
响应时间(总计)51.53s
-
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)3.69s
响应时间(最大)5.27s
响应时间(总计)14.74s
-
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)9.85s
响应时间(最大)11.12s
响应时间(总计)29.55s
-
综合
: 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。
无效工具调用: 1
响应时间(平均)24.57s
响应时间(最大)25.71s
响应时间(总计)49.15s
-
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)3.86s
响应时间(最大)6.13s
响应时间(总计)7.72s
-
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)17.52s
响应时间(最大)20.97s
响应时间(总计)52.55s
-
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)6.93s
响应时间(最大)6.93s
响应时间(总计)6.93s
-
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)5.13s
响应时间(最大)5.35s
响应时间(总计)10.26s
-
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)3.54s
响应时间(最大)4.64s
响应时间(总计)10.63s
-
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)5.22s
响应时间(最大)5.22s
响应时间(总计)5.22s
-
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)9.93s
响应时间(最大)9.93s
响应时间(总计)9.93s
|
| #101#101 |
Muse Spark 1.1low
|
8.6… |
Meta |
$0.885
…
|
13.21s… |
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: 5 未遵循指令: 3 无效工具调用: 1
响应时间(平均)13.21s
响应时间(最大)54.15s
响应时间(总计)303.92s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 72.5%
- 输入令牌
- 291,368
- 输出令牌
- 13,469
- 推理令牌
- 108,952
- 响应时间(平均)
- 13.21s
- 响应时间(总计)
- 303.92s
- 响应时间(最大)
- 54.15s
-
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)42.23s
响应时间(最大)42.23s
响应时间(总计)42.23s
-
反AI技巧
: 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: 2
响应时间(平均)4.36s
响应时间(最大)8.92s
响应时间(总计)17.45s
-
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)10.34s
响应时间(最大)12.60s
响应时间(总计)31.02s
-
综合
: 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。
无效工具调用: 1
响应时间(平均)29.45s
响应时间(最大)39.63s
响应时间(总计)58.89s
-
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)3.22s
响应时间(最大)3.93s
响应时间(总计)6.45s
-
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 未遵循指令: 1
响应时间(平均)32.99s
响应时间(最大)54.15s
响应时间(总计)98.96s
-
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)4.12s
响应时间(最大)4.12s
响应时间(总计)4.12s
-
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)5.42s
响应时间(最大)6.23s
响应时间(总计)10.85s
-
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)6.60s
响应时间(最大)11.77s
响应时间(总计)19.81s
-
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)5.98s
响应时间(最大)5.98s
响应时间(总计)5.98s
-
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)8.17s
响应时间(最大)8.17s
响应时间(总计)8.17s
|
| #102#102 |
Claude Sonnet 5.5xhigh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。
|
8.6… |
Anthropic |
$1.516
…
|
14.98s… |
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: 3 额外格式: 1 未遵循指令: 1 无效工具调用: 1 无答案: 1
响应时间(平均)14.98s
响应时间(最大)54.92s
响应时间(总计)344.60s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 79.7%
- 输入令牌
- 342,579
- 输出令牌
- 12,848
- 推理令牌
- 70,193
- 响应时间(平均)
- 14.98s
- 响应时间(总计)
- 344.60s
- 响应时间(最大)
- 54.92s
-
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)54.92s
响应时间(最大)54.92s
响应时间(总计)54.92s
-
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)4.21s
响应时间(最大)5.12s
响应时间(总计)16.83s
-
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)11.90s
响应时间(最大)15.48s
响应时间(总计)35.70s
-
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)30.37s
响应时间(最大)37.90s
响应时间(总计)60.75s
-
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)4.96s
响应时间(最大)6.16s
响应时间(总计)9.92s
-
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)35.33s
响应时间(最大)54.91s
响应时间(总计)106.00s
-
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)9.10s
响应时间(最大)9.10s
响应时间(总计)9.10s
-
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)4.58s
响应时间(最大)4.79s
响应时间(总计)9.15s
-
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)4.88s
响应时间(最大)5.32s
响应时间(总计)14.63s
-
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)10.29s
响应时间(最大)10.29s
响应时间(总计)10.29s
-
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)17.31s
响应时间(最大)17.31s
响应时间(总计)17.31s
|
| #103#103 |
Claude Fable 5.2low
|
8.6… |
Anthropic |
$3.471
…
|
9.28s… |
只有当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)9.28s
响应时间(最大)49.92s
响应时间(总计)213.39s
…
|
- 总测试数
- 23
- 错误测试数
- 4
- 尝试通过率
- 84.1%
- 输入令牌
- 300,393
- 输出令牌
- 11,011
- 推理令牌
- 15,668
- 响应时间(平均)
- 9.28s
- 响应时间(总计)
- 213.39s
- 响应时间(最大)
- 49.92s
-
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)49.92s
响应时间(最大)49.92s
响应时间(总计)49.92s
-
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)2.98s
响应时间(最大)3.78s
响应时间(总计)11.93s
-
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。
额外格式: 1 未遵循指令: 1
响应时间(平均)6.83s
响应时间(最大)8.24s
响应时间(总计)20.50s
-
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)19.45s
响应时间(最大)27.24s
响应时间(总计)38.90s
-
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)4.00s
响应时间(最大)4.14s
响应时间(总计)8.00s
-
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)14.20s
响应时间(最大)17.76s
响应时间(总计)42.59s
-
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)4.39s
响应时间(最大)4.39s
响应时间(总计)4.39s
-
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)3.35s
响应时间(最大)3.59s
响应时间(总计)6.69s
-
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)3.87s
响应时间(最大)4.70s
响应时间(总计)11.60s
-
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)11.96s
响应时间(最大)11.96s
响应时间(总计)11.96s
-
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)6.89s
响应时间(最大)6.89s
响应时间(总计)6.89s
|
| #100#100 |
GPT-6.1 Terranone
|
8.6… |
OpenAI |
$0.184
…
|
4.08s… |
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: 5
响应时间(平均)4.08s
响应时间(最大)40.32s
响应时间(总计)93.75s
…
|
- 总测试数
- 23
- 错误测试数
- 5
- 尝试通过率
- 84.1%
- 输入令牌
- 159,129
- 输出令牌
- 4,906
- 推理令牌
- 0
- 响应时间(平均)
- 4.08s
- 响应时间(总计)
- 93.75s
- 响应时间(最大)
- 40.32s
-
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)40.32s
响应时间(最大)40.32s
响应时间(总计)40.32s
-
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)1.45s
响应时间(最大)1.65s
响应时间(总计)5.79s
-
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)1.86s
响应时间(最大)2.63s
响应时间(总计)5.57s
-
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)9.01s
响应时间(最大)12.96s
响应时间(总计)18.02s
-
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)1.85s
响应时间(最大)1.97s
响应时间(总计)3.71s
-
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)1.53s
响应时间(最大)1.90s
响应时间(总计)4.58s
-
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)1.39s
响应时间(最大)1.39s
响应时间(总计)1.39s
-
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)1.43s
响应时间(最大)1.45s
响应时间(总计)2.87s
-
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)1.51s
响应时间(最大)1.90s
响应时间(总计)4.54s
-
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)4.91s
响应时间(最大)4.91s
响应时间(总计)4.91s
-
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)2.06s
响应时间(最大)2.06s
响应时间(总计)2.06s
|
| #99#99 |
DeepSeek V4.1 Flashmax
|
8.6… |
DeepSeek |
$1.204
↑
…
|
61.58s… |
只有当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)61.58s
响应时间(最大)335.08s
响应时间(总计)1416.24s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 69.6%
- 输入令牌
- 414,054
- 输出令牌
- 7,635
- 推理令牌
- 900,536
- 响应时间(平均)
- 61.58s
- 响应时间(总计)
- 1416.24s
- 响应时间(最大)
- 335.08s
-
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)66.63s
响应时间(最大)66.63s
响应时间(总计)66.63s
-
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)4.35s
响应时间(最大)11.86s
响应时间(总计)17.41s
-
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)62.50s
响应时间(最大)80.58s
响应时间(总计)187.50s
-
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)160.31s
响应时间(最大)164.09s
响应时间(总计)320.63s
-
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)4.56s
响应时间(最大)8.91s
响应时间(总计)9.12s
-
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)198.41s
响应时间(最大)335.08s
响应时间(总计)595.23s
-
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)4.00s
响应时间(最大)4.00s
响应时间(总计)4.00s
-
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)7.64s
响应时间(最大)11.30s
响应时间(总计)15.29s
-
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)30.82s
响应时间(最大)73.06s
响应时间(总计)92.46s
-
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)9.49s
响应时间(最大)9.49s
响应时间(总计)9.49s
-
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)98.48s
响应时间(最大)98.48s
响应时间(总计)98.48s
|
| #98#98 |
ERNIE-Light-DT-1.0high
|
8.6… |
Baidu |
$1.027
…
|
25.66s… |
只有当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)25.66s
响应时间(最大)200.80s
响应时间(总计)590.18s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 75.4%
- 输入令牌
- 230,563
- 输出令牌
- 6,576
- 推理令牌
- 187,898
- 响应时间(平均)
- 25.66s
- 响应时间(总计)
- 590.18s
- 响应时间(最大)
- 200.80s
-
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)52.84s
响应时间(最大)52.84s
响应时间(总计)52.84s
-
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)1.89s
响应时间(最大)2.10s
响应时间(总计)7.55s
-
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)14.96s
响应时间(最大)23.42s
响应时间(总计)44.89s
-
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)27.93s
响应时间(最大)48.23s
响应时间(总计)55.85s
-
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)1.72s
响应时间(最大)1.80s
响应时间(总计)3.43s
-
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。
额外格式: 1 无答案: 1 答案错误: 1
响应时间(平均)134.82s
响应时间(最大)200.80s
响应时间(总计)404.47s
-
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)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)2.04s
响应时间(最大)2.05s
响应时间(总计)4.08s
-
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)2.16s
响应时间(最大)3.08s
响应时间(总计)6.49s
-
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)4.33s
响应时间(最大)4.33s
响应时间(总计)4.33s
-
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。
答案错误: 1
响应时间(平均)4.23s
响应时间(最大)4.23s
响应时间(总计)4.23s
|
| #96#96 |
Muse Emberlow
|
8.6… |
Meta |
$0.114
…
|
8.22s… |
只有当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)8.22s
响应时间(最大)49.79s
响应时间(总计)189.12s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 72.5%
- 输入令牌
- 288,136
- 输出令牌
- 13,507
- 推理令牌
- 155,719
- 响应时间(平均)
- 8.22s
- 响应时间(总计)
- 189.12s
- 响应时间(最大)
- 49.79s
-
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)49.79s
响应时间(最大)49.79s
响应时间(总计)49.79s
-
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)2.86s
响应时间(最大)4.29s
响应时间(总计)11.43s
-
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)5.21s
响应时间(最大)7.13s
响应时间(总计)15.62s
-
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)15.23s
响应时间(最大)25.12s
响应时间(总计)30.45s
-
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)2.15s
响应时间(最大)2.51s
响应时间(总计)4.30s
-
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)8.96s
响应时间(最大)10.79s
响应时间(总计)26.89s
-
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)2.68s
响应时间(最大)2.68s
响应时间(总计)2.68s
-
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。
未遵循指令: 1
响应时间(平均)2.87s
响应时间(最大)4.54s
响应时间(总计)5.75s
-
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)4.80s
响应时间(最大)9.28s
响应时间(总计)14.41s
-
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)3.29s
响应时间(最大)3.29s
响应时间(总计)3.29s
-
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)24.54s
响应时间(最大)24.54s
响应时间(总计)24.54s
|
| #97#97 |
Muse Embermax
|
8.6… |
Meta |
$0.346
…
|
19.05s… |
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: 4 无答案: 2 未遵循指令: 1 无效工具调用: 1
响应时间(平均)19.05s
响应时间(最大)79.28s
响应时间(总计)438.15s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 72.5%
- 输入令牌
- 265,489
- 输出令牌
- 12,179
- 推理令牌
- 625,640
- 响应时间(平均)
- 19.05s
- 响应时间(总计)
- 438.15s
- 响应时间(最大)
- 79.28s
-
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)44.84s
响应时间(最大)44.84s
响应时间(总计)44.84s
-
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)3.20s
响应时间(最大)5.23s
响应时间(总计)12.79s
-
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)12.46s
响应时间(最大)15.19s
响应时间(总计)37.37s
-
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)20.27s
响应时间(最大)32.51s
响应时间(总计)40.54s
-
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)5.07s
响应时间(最大)6.95s
响应时间(总计)10.14s
-
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 无答案: 1
响应时间(平均)54.31s
响应时间(最大)79.28s
响应时间(总计)162.92s
-
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)3.35s
响应时间(最大)3.35s
响应时间(总计)3.35s
-
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。
未遵循指令: 1
响应时间(平均)3.85s
响应时间(最大)5.90s
响应时间(总计)7.69s
-
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。
无答案: 1 答案错误: 1
响应时间(平均)29.41s
响应时间(最大)78.68s
响应时间(总计)88.23s
-
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)4.57s
响应时间(最大)4.57s
响应时间(总计)4.57s
-
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)25.72s
响应时间(最大)25.72s
响应时间(总计)25.72s
|
| #95#95 |
Claude Fable 5.2high
|
8.7… |
Anthropic |
$5.083
…
|
14.73s… |
只有当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)14.73s
响应时间(最大)84.72s
响应时间(总计)338.82s
…
|
- 总测试数
- 23
- 错误测试数
- 4
- 尝试通过率
- 87.0%
- 输入令牌
- 319,219
- 输出令牌
- 10,244
- 推理令牌
- 52,982
- 响应时间(平均)
- 14.73s
- 响应时间(总计)
- 338.82s
- 响应时间(最大)
- 84.72s
-
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)56.30s
响应时间(最大)56.30s
响应时间(总计)56.30s
-
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)3.77s
响应时间(最大)4.99s
响应时间(总计)15.09s
-
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)8.21s
响应时间(最大)9.20s
响应时间(总计)24.62s
-
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)29.95s
响应时间(最大)44.03s
响应时间(总计)59.91s
-
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)4.68s
响应时间(最大)5.36s
响应时间(总计)9.37s
-
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)41.00s
响应时间(最大)84.72s
响应时间(总计)123.00s
-
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)5.07s
响应时间(最大)5.07s
响应时间(总计)5.07s
-
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)5.04s
响应时间(最大)5.61s
响应时间(总计)10.08s
-
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)3.81s
响应时间(最大)4.90s
响应时间(总计)11.44s
-
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)16.71s
响应时间(最大)16.71s
响应时间(总计)16.71s
-
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)7.23s
响应时间(最大)7.23s
响应时间(总计)7.23s
|
| #94#94 |
Qwen4 Maxlow
|
8.7… |
Qwen |
$1.064
…
|
56.68s… |
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 答案错误: 1
响应时间(平均)56.68s
响应时间(最大)564.77s
响应时间(总计)1303.63s
…
|
- 总测试数
- 23
- 错误测试数
- 3
- 尝试通过率
- 87.0%
- 输入令牌
- 276,790
- 输出令牌
- 8,266
- 推理令牌
- 135,803
- 响应时间(平均)
- 56.68s
- 响应时间(总计)
- 1303.63s
- 响应时间(最大)
- 564.77s
-
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。
无效工具调用: 1
响应时间(平均)165.83s
响应时间(最大)165.83s
响应时间(总计)165.83s
-
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)3.45s
响应时间(最大)5.75s
响应时间(总计)13.80s
-
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)15.29s
响应时间(最大)16.89s
响应时间(总计)45.86s
-
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)38.34s
响应时间(最大)64.85s
响应时间(总计)76.67s
-
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)3.77s
响应时间(最大)4.33s
响应时间(总计)7.53s
-
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)314.59s
响应时间(最大)564.77s
响应时间(总计)943.78s
-
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)4.32s
响应时间(最大)4.32s
响应时间(总计)4.32s
-
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)3.07s
响应时间(最大)3.50s
响应时间(总计)6.13s
-
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)3.80s
响应时间(最大)4.53s
响应时间(总计)11.41s
-
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)6.72s
响应时间(最大)6.72s
响应时间(总计)6.72s
-
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。
无答案: 1
响应时间(平均)21.58s
响应时间(最大)21.58s
响应时间(总计)21.58s
|
| #93#93 |
GPT-6 Sollow
|
8.7… |
OpenAI |
$0.477
…
|
8.72s… |
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: 5
响应时间(平均)8.72s
响应时间(最大)48.43s
响应时间(总计)200.61s
…
|
- 总测试数
- 23
- 错误测试数
- 5
- 尝试通过率
- 87.0%
- 输入令牌
- 172,359
- 输出令牌
- 5,026
- 推理令牌
- 8,185
- 响应时间(平均)
- 8.72s
- 响应时间(总计)
- 200.61s
- 响应时间(最大)
- 48.43s
-
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)48.43s
响应时间(最大)48.43s
响应时间(总计)48.43s
-
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)2.43s
响应时间(最大)3.18s
响应时间(总计)9.74s
-
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)8.74s
响应时间(最大)16.82s
响应时间(总计)26.23s
-
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)8.13s
响应时间(最大)9.76s
响应时间(总计)16.26s
-
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)13.63s
响应时间(最大)14.86s
响应时间(总计)27.26s
-
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)11.45s
响应时间(最大)16.44s
响应时间(总计)34.36s
-
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)17.91s
响应时间(最大)17.91s
响应时间(总计)17.91s
-
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)2.37s
响应时间(最大)2.57s
响应时间(总计)4.75s
-
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)2.66s
响应时间(最大)3.06s
响应时间(总计)7.97s
-
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)4.03s
响应时间(最大)4.03s
响应时间(总计)4.03s
-
常识问答
: 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)3.67s
响应时间(最大)3.67s
响应时间(总计)3.67s
|
| #92#92 |
Seed 2.1 Turbomedium
|
8.7… |
Bytedance Seed |
$2.042
…
|
189.13s… |
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 未遵循指令: 1 无答案: 1
响应时间(平均)189.13s
响应时间(最大)885.33s
响应时间(总计)4349.92s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 79.7%
- 输入令牌
- 234,572
- 输出令牌
- 8,019
- 推理令牌
- 761,563
- 响应时间(平均)
- 189.13s
- 响应时间(总计)
- 4349.92s
- 响应时间(最大)
- 885.33s
-
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)90.94s
响应时间(最大)90.94s
响应时间(总计)90.94s
-
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)28.25s
响应时间(最大)38.70s
响应时间(总计)113.00s
-
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。
无答案: 1
响应时间(平均)354.87s
响应时间(最大)449.66s
响应时间(总计)1064.62s
-
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)400.28s
响应时间(最大)406.56s
响应时间(总计)800.55s
-
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)37.82s
响应时间(最大)50.79s
响应时间(总计)75.65s
-
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)656.04s
响应时间(最大)885.33s
响应时间(总计)1968.13s
-
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)40.59s
响应时间(最大)40.59s
响应时间(总计)40.59s
-
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)7.48s
响应时间(最大)9.84s
响应时间(总计)14.96s
-
谜题求解
: 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)21.01s
响应时间(最大)31.49s
响应时间(总计)63.03s
-
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)27.46s
响应时间(最大)27.46s
响应时间(总计)27.46s
-
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)91.00s
响应时间(最大)91.00s
响应时间(总计)91.00s
|
| #91#91 |
MiMo-V2.6-Promedium
|
8.7… |
Xiaomi |
$0.586
…
|
148.11s… |
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: 3 答案错误: 3 未遵循指令: 1 无答案: 1 超时: 1
响应时间(平均)148.11s
响应时间(最大)904.91s
响应时间(总计)3406.53s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 78.3%
- 输入令牌
- 298,476
- 输出令牌
- 7,762
- 推理令牌
- 515,918
- 响应时间(平均)
- 148.11s
- 响应时间(总计)
- 3406.53s
- 响应时间(最大)
- 904.91s
-
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)161.45s
响应时间(最大)161.45s
响应时间(总计)161.45s
-
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。
额外格式: 1 答案错误: 1
响应时间(平均)2.76s
响应时间(最大)4.92s
响应时间(总计)11.02s
-
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)150.44s
响应时间(最大)390.15s
响应时间(总计)451.33s
-
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)50.80s
响应时间(最大)77.07s
响应时间(总计)101.61s
-
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)2.71s
响应时间(最大)3.20s
响应时间(总计)5.41s
-
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: 1 超时: 1 答案错误: 1
响应时间(平均)619.70s
响应时间(最大)904.91s
响应时间(总计)1859.09s
-
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)5.70s
响应时间(最大)5.70s
响应时间(总计)5.70s
-
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)1.79s
响应时间(最大)1.80s
响应时间(总计)3.59s
-
谜题求解
: 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)92.20s
响应时间(最大)266.38s
响应时间(总计)276.61s
-
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)3.60s
响应时间(最大)3.60s
响应时间(总计)3.60s
-
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)527.13s
响应时间(最大)527.13s
响应时间(总计)527.13s
|
| #90#90 |
Qwen3.8 27Bhigh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.
|
8.7… |
Qwen |
~$0.298
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: 3.0102 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.297613.
|
166.34s… |
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 无答案: 2 答案错误: 2
响应时间(平均)166.34s
响应时间(最大)640.85s
响应时间(总计)3825.81s
…
|
- 总测试数
- 23
- 错误测试数
- 6
- 尝试通过率
- 78.3%
- 输入令牌
- 348,967
- 输出令牌
- 1,005
- 推理令牌
- 676,075
- 响应时间(平均)
- 166.34s
- 响应时间(总计)
- 3825.81s
- 响应时间(最大)
- 640.85s
-
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)132.27s
响应时间(最大)132.27s
响应时间(总计)132.27s
-
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)8.10s
响应时间(最大)21.48s
响应时间(总计)32.40s
-
编程
: 8.1
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)248.62s
响应时间(最大)458.25s
响应时间(总计)745.85s
-
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)185.57s
响应时间(最大)333.21s
响应时间(总计)371.15s
-
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)34.85s
响应时间(最大)57.71s
响应时间(总计)69.71s
-
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。
无答案: 1 答案错误: 1
响应时间(平均)526.74s
响应时间(最大)640.85s
响应时间(总计)1580.21s
-
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)8.45s
响应时间(最大)8.45s
响应时间(总计)8.45s
-
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)8.24s
响应时间(最大)10.18s
响应时间(总计)16.49s
-
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)199.90s
响应时间(最大)569.33s
响应时间(总计)599.69s
-
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)5.62s
响应时间(最大)5.62s
响应时间(总计)5.62s
-
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)263.98s
响应时间(最大)263.98s
响应时间(总计)263.98s
|