| #89#89 |
GPT-5.2medium
|
8.7… |
OpenAI |
$1.558
↑
…
|
31.29s… |
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: 3 答案错误: 3 无答案: 1 超时: 1
响应时间(平均)31.29s
响应时间(最大)116.86s
响应时间(总计)531.98s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 73.9%
- 输入令牌
- 235,207
- 输出令牌
- 11,065
- 推理令牌
- 69,473
- 响应时间(平均)
- 31.29s
- 响应时间(总计)
- 531.98s
- 响应时间(最大)
- 116.86s
-
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)75.85s
响应时间(最大)75.85s
响应时间(总计)75.85s
-
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。
未遵循指令: 1 答案错误: 1
响应时间(平均)7.81s
响应时间(最大)14.34s
响应时间(总计)15.62s
-
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)22.73s
响应时间(最大)31.19s
响应时间(总计)68.20s
-
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)58.50s
响应时间(最大)102.93s
响应时间(总计)116.99s
-
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)3.15s
响应时间(最大)3.15s
响应时间(总计)3.15s
-
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。
超时: 1 答案错误: 1
响应时间(平均)97.33s
响应时间(最大)116.86s
响应时间(总计)194.65s
-
通用智能
: 3.7
只有当某个测试的所有运行都通过时,才计为完全通过。
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)3.12s
响应时间(最大)3.12s
响应时间(总计)3.12s
-
谜题求解
: 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)5.80s
响应时间(最大)6.45s
响应时间(总计)11.61s
-
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。
无答案: 1
响应时间(平均)10.30s
响应时间(最大)10.30s
响应时间(总计)10.30s
-
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。
答案错误: 1
响应时间(平均)28.18s
响应时间(最大)28.18s
响应时间(总计)28.18s
|
| #88#88 |
Particle-1xhigh
|
8.7… |
Particle AI |
$0.219
…
|
33.94s… |
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: 5 无答案: 2 未遵循指令: 1
响应时间(平均)33.94s
响应时间(最大)311.98s
响应时间(总计)780.68s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 75.4%
- 输入令牌
- 303,005
- 输出令牌
- 8,956
- 推理令牌
- 397,564
- 响应时间(平均)
- 33.94s
- 响应时间(总计)
- 780.68s
- 响应时间(最大)
- 311.98s
-
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)53.12s
响应时间(最大)53.12s
响应时间(总计)53.12s
-
反AI技巧
: 8.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.97s
响应时间(最大)3.57s
响应时间(总计)7.86s
-
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)65.84s
响应时间(最大)147.17s
响应时间(总计)197.53s
-
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)21.19s
响应时间(最大)36.41s
响应时间(总计)42.37s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.80s
响应时间(最大)2.10s
响应时间(总计)3.60s
-
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)146.82s
响应时间(最大)311.98s
响应时间(总计)440.45s
-
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)1.80s
响应时间(最大)1.80s
响应时间(总计)1.80s
-
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)1.86s
响应时间(最大)2.26s
响应时间(总计)3.72s
-
谜题求解
: 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)3.51s
响应时间(最大)3.69s
响应时间(总计)10.54s
-
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)4.74s
响应时间(最大)4.74s
响应时间(总计)4.74s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)14.96s
响应时间(最大)14.96s
响应时间(总计)14.96s
|
| #87#87 |
Muse Spark 1.2low
|
8.7… |
Meta |
$0.881
…
|
11.81s… |
只有当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: 3
响应时间(平均)11.81s
响应时间(最大)56.77s
响应时间(总计)271.60s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 78.3%
- 输入令牌
- 254,914
- 输出令牌
- 10,303
- 推理令牌
- 121,928
- 响应时间(平均)
- 11.81s
- 响应时间(总计)
- 271.60s
- 响应时间(最大)
- 56.77s
-
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)56.77s
响应时间(最大)56.77s
响应时间(总计)56.77s
-
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。
未遵循指令: 1
响应时间(平均)3.26s
响应时间(最大)4.96s
响应时间(总计)13.03s
-
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)10.09s
响应时间(最大)13.60s
响应时间(总计)30.28s
-
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)17.03s
响应时间(最大)19.52s
响应时间(总计)34.06s
-
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)4.22s
响应时间(最大)5.57s
响应时间(总计)8.44s
-
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)28.53s
响应时间(最大)47.80s
响应时间(总计)85.59s
-
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)8.46s
响应时间(最大)8.46s
响应时间(总计)8.46s
-
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)2.95s
响应时间(最大)3.69s
响应时间(总计)5.89s
-
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)5.17s
响应时间(最大)7.82s
响应时间(总计)15.52s
-
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)3.58s
响应时间(最大)3.58s
响应时间(总计)3.58s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)10.00s
响应时间(最大)10.00s
响应时间(总计)10.00s
|
| #86#86 |
Kimi K3.1 Promax
|
8.7… |
Moonshot AI |
$3.578
…
|
152.72s… |
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: 2 无效工具调用: 1 无答案: 1
响应时间(平均)152.72s
响应时间(最大)960.13s
响应时间(总计)3512.51s
…
|
- 总测试数
- 23
- 错误测试数
- 6
- 尝试通过率
- 84.1%
- 输入令牌
- 285,488
- 输出令牌
- 9,091
- 推理令牌
- 291,531
- 响应时间(平均)
- 152.72s
- 响应时间(总计)
- 3512.51s
- 响应时间(最大)
- 960.13s
-
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)110.07s
响应时间(最大)110.07s
响应时间(总计)110.07s
-
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)9.24s
响应时间(最大)15.85s
响应时间(总计)36.96s
-
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)71.94s
响应时间(最大)107.07s
响应时间(总计)215.82s
-
综合
: 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。
无效工具调用: 1 答案错误: 1
响应时间(平均)177.43s
响应时间(最大)229.67s
响应时间(总计)354.87s
-
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)6.81s
响应时间(最大)7.33s
响应时间(总计)13.61s
-
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。
超时: 2
响应时间(平均)789.18s
响应时间(最大)960.13s
响应时间(总计)2367.54s
-
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)20.89s
响应时间(最大)20.89s
响应时间(总计)20.89s
-
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)9.06s
响应时间(最大)11.31s
响应时间(总计)18.11s
-
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)37.30s
响应时间(最大)91.62s
响应时间(总计)111.90s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)17.26s
响应时间(最大)17.26s
响应时间(总计)17.26s
-
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)245.48s
响应时间(最大)245.48s
响应时间(总计)245.48s
|
| #85#85 |
DeepSeek V4.1 Flashmedium
|
8.7… |
DeepSeek |
$0.591
↑
…
|
32.88s… |
只有当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 API 错误: 1 未遵循指令: 1
响应时间(平均)32.88s
响应时间(最大)276.31s
响应时间(总计)756.34s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 73.9%
- 输入令牌
- 280,643
- 输出令牌
- 7,342
- 推理令牌
- 437,323
- 响应时间(平均)
- 32.88s
- 响应时间(总计)
- 756.34s
- 响应时间(最大)
- 276.31s
-
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)47.59s
响应时间(最大)47.59s
响应时间(总计)47.59s
-
反AI技巧
: 8.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)3.07s
响应时间(最大)5.65s
响应时间(总计)12.28s
-
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)34.45s
响应时间(最大)52.40s
响应时间(总计)103.34s
-
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)22.21s
响应时间(最大)30.71s
响应时间(总计)44.43s
-
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)3.77s
响应时间(最大)7.32s
响应时间(总计)7.54s
-
领域专项
: 2.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)153.01s
响应时间(最大)276.31s
响应时间(总计)459.04s
-
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)3.13s
响应时间(最大)3.13s
响应时间(总计)3.13s
-
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)9.69s
响应时间(最大)16.74s
响应时间(总计)19.38s
-
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)8.01s
响应时间(最大)15.21s
响应时间(总计)24.04s
-
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)15.33s
响应时间(最大)15.33s
响应时间(总计)15.33s
-
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)20.25s
响应时间(最大)20.25s
响应时间(总计)20.25s
|
| #84#84 |
DeepSeek V4.1 Flashhigh
|
8.7… |
DeepSeek |
$0.617
↑
…
|
33.27s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 5 API 错误: 1 未遵循指令: 1
响应时间(平均)33.27s
响应时间(最大)205.53s
响应时间(总计)765.12s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 75.4%
- 输入令牌
- 282,490
- 输出令牌
- 8,621
- 推理令牌
- 455,535
- 响应时间(平均)
- 33.27s
- 响应时间(总计)
- 765.12s
- 响应时间(最大)
- 205.53s
-
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)43.97s
响应时间(最大)43.97s
响应时间(总计)43.97s
-
反AI技巧
: 8.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)3.42s
响应时间(最大)7.12s
响应时间(总计)13.66s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)49.19s
响应时间(最大)89.20s
响应时间(总计)147.57s
-
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)27.63s
响应时间(最大)39.63s
响应时间(总计)55.26s
-
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)4.19s
响应时间(最大)8.15s
响应时间(总计)8.37s
-
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)127.30s
响应时间(最大)205.53s
响应时间(总计)381.89s
-
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)4.16s
响应时间(最大)4.16s
响应时间(总计)4.16s
-
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)7.06s
响应时间(最大)11.51s
响应时间(总计)14.12s
-
谜题求解
: 6.4
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)14.27s
响应时间(最大)33.25s
响应时间(总计)42.80s
-
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)15.28s
响应时间(最大)15.28s
响应时间(总计)15.28s
-
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)38.05s
响应时间(最大)38.05s
响应时间(总计)38.05s
|
| #82#82 |
Muse Emberxhigh
|
8.8… |
Meta |
$0.232
…
|
13.90s… |
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: 5 未遵循指令: 1 无答案: 1
响应时间(平均)13.90s
响应时间(最大)79.38s
响应时间(总计)319.61s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 76.8%
- 输入令牌
- 274,208
- 输出令牌
- 11,740
- 推理令牌
- 397,372
- 响应时间(平均)
- 13.90s
- 响应时间(总计)
- 319.61s
- 响应时间(最大)
- 79.38s
-
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)47.42s
响应时间(最大)47.42s
响应时间(总计)47.42s
-
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)2.05s
响应时间(最大)3.33s
响应时间(总计)8.19s
-
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)10.41s
响应时间(最大)13.59s
响应时间(总计)31.23s
-
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)13.24s
响应时间(最大)20.41s
响应时间(总计)26.47s
-
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)3.59s
响应时间(最大)5.45s
响应时间(总计)7.18s
-
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。
答案错误: 2
响应时间(平均)23.77s
响应时间(最大)37.24s
响应时间(总计)71.31s
-
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)2.88s
响应时间(最大)2.88s
响应时间(总计)2.88s
-
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)4.17s
响应时间(最大)5.79s
响应时间(总计)8.34s
-
谜题求解
: 5.9
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1 答案错误: 1
响应时间(平均)29.02s
响应时间(最大)79.38s
响应时间(总计)87.07s
-
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)3.93s
响应时间(最大)3.93s
响应时间(总计)3.93s
-
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)25.61s
响应时间(最大)25.61s
响应时间(总计)25.61s
|
| #83#83 |
Muse Spark Openmedium
|
8.8… |
Meta |
$1.260
…
|
77.44s… |
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: 3 未遵循指令: 2 额外格式: 1 无答案: 1 超时: 1
响应时间(平均)77.44s
响应时间(最大)643.19s
响应时间(总计)1781.16s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 78.3%
- 输入令牌
- 256,646
- 输出令牌
- 10,490
- 推理令牌
- 210,325
- 响应时间(平均)
- 77.44s
- 响应时间(总计)
- 1781.16s
- 响应时间(最大)
- 643.19s
-
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)43.27s
响应时间(最大)43.27s
响应时间(总计)43.27s
-
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。
超时: 1 答案错误: 1
响应时间(平均)175.36s
响应时间(最大)643.19s
响应时间(总计)701.44s
-
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)18.01s
响应时间(最大)41.41s
响应时间(总计)54.04s
-
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)72.16s
响应时间(最大)110.81s
响应时间(总计)144.32s
-
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)10.67s
响应时间(最大)19.97s
响应时间(总计)21.35s
-
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)216.17s
响应时间(最大)359.46s
响应时间(总计)648.50s
-
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)4.90s
响应时间(最大)4.90s
响应时间(总计)4.90s
-
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)18.42s
响应时间(最大)22.75s
响应时间(总计)36.84s
-
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。
未遵循指令: 1
响应时间(平均)29.40s
响应时间(最大)62.30s
响应时间(总计)88.19s
-
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)8.45s
响应时间(最大)8.45s
响应时间(总计)8.45s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1
响应时间(平均)29.87s
响应时间(最大)29.87s
响应时间(总计)29.87s
|
| #81#81 |
GPT-5.4medium
|
8.8… |
OpenAI |
$2.213
↑
…
|
24.81s… |
只有当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
响应时间(平均)24.81s
响应时间(最大)100.41s
响应时间(总计)570.60s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 78.3%
- 输入令牌
- 223,210
- 输出令牌
- 7,312
- 推理令牌
- 89,190
- 响应时间(平均)
- 24.81s
- 响应时间(总计)
- 570.60s
- 响应时间(最大)
- 100.41s
-
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)67.82s
响应时间(最大)67.82s
响应时间(总计)67.82s
-
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)4.11s
响应时间(最大)6.42s
响应时间(总计)16.42s
-
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)44.36s
响应时间(最大)96.94s
响应时间(总计)133.08s
-
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)29.77s
响应时间(最大)38.97s
响应时间(总计)59.55s
-
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)5.32s
响应时间(最大)5.40s
响应时间(总计)10.64s
-
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)72.44s
响应时间(最大)100.41s
响应时间(总计)217.32s
-
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)4.92s
响应时间(最大)4.92s
响应时间(总计)4.92s
-
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)3.11s
响应时间(最大)3.68s
响应时间(总计)6.22s
-
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)9.14s
响应时间(最大)18.14s
响应时间(总计)27.41s
-
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)13.28s
响应时间(最大)13.28s
响应时间(总计)13.28s
-
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)13.95s
响应时间(最大)13.95s
响应时间(总计)13.95s
|
| #80#80 |
Qwen3.8 MAXlow
|
8.8… |
Qwen |
$1.089
↑
…
|
25.09s… |
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: 5 未遵循指令: 1
响应时间(平均)25.09s
响应时间(最大)155.75s
响应时间(总计)577.14s
…
|
- 总测试数
- 23
- 错误测试数
- 6
- 尝试通过率
- 81.2%
- 输入令牌
- 262,495
- 输出令牌
- 7,787
- 推理令牌
- 86,149
- 响应时间(平均)
- 25.09s
- 响应时间(总计)
- 577.14s
- 响应时间(最大)
- 155.75s
-
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)96.77s
响应时间(最大)96.77s
响应时间(总计)96.77s
-
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)3.93s
响应时间(最大)6.37s
响应时间(总计)15.72s
-
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)28.69s
响应时间(最大)45.84s
响应时间(总计)86.06s
-
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)98.19s
响应时间(最大)155.75s
响应时间(总计)196.37s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)7.87s
响应时间(最大)8.07s
响应时间(总计)15.75s
-
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)40.12s
响应时间(最大)51.38s
响应时间(总计)120.35s
-
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)5.29s
响应时间(最大)5.29s
响应时间(总计)5.29s
-
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)4.01s
响应时间(最大)4.69s
响应时间(总计)8.03s
-
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)4.11s
响应时间(最大)5.18s
响应时间(总计)12.32s
-
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)8.06s
响应时间(最大)8.06s
响应时间(总计)8.06s
-
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)12.43s
响应时间(最大)12.43s
响应时间(总计)12.43s
|
| #79#79 |
Kimi K3.1 Prolow
|
8.8… |
Moonshot AI |
$1.836
…
|
47.50s… |
只有当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)47.50s
响应时间(最大)506.95s
响应时间(总计)1092.61s
…
|
- 总测试数
- 23
- 错误测试数
- 6
- 尝试通过率
- 81.2%
- 输入令牌
- 221,802
- 输出令牌
- 12,498
- 推理令牌
- 126,660
- 响应时间(平均)
- 47.50s
- 响应时间(总计)
- 1092.61s
- 响应时间(最大)
- 506.95s
-
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)69.28s
响应时间(最大)69.28s
响应时间(总计)69.28s
-
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)5.90s
响应时间(最大)8.40s
响应时间(总计)23.59s
-
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)18.91s
响应时间(最大)27.24s
响应时间(总计)56.73s
-
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)52.27s
响应时间(最大)85.93s
响应时间(总计)104.53s
-
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)5.31s
响应时间(最大)5.38s
响应时间(总计)10.61s
-
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)243.49s
响应时间(最大)506.95s
响应时间(总计)730.48s
-
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)7.96s
响应时间(最大)7.96s
响应时间(总计)7.96s
-
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)5.84s
响应时间(最大)6.71s
响应时间(总计)11.67s
-
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。
答案错误: 1
响应时间(平均)7.29s
响应时间(最大)9.35s
响应时间(总计)21.87s
-
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)11.24s
响应时间(最大)11.24s
响应时间(总计)11.24s
-
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)44.64s
响应时间(最大)44.64s
响应时间(总计)44.64s
|
| #78#78 |
Pareto 26.9default
|
8.9… |
Unbiased |
$1.864
…
|
28.26s… |
只有当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)28.26s
响应时间(最大)151.76s
响应时间(总计)649.90s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 79.7%
- 输入令牌
- 218,199
- 输出令牌
- 175,696
- 推理令牌
- 0
- 响应时间(平均)
- 28.26s
- 响应时间(总计)
- 649.90s
- 响应时间(最大)
- 151.76s
-
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)54.17s
响应时间(最大)54.17s
响应时间(总计)54.17s
-
反AI技巧
: 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。
答案错误: 2
响应时间(平均)6.44s
响应时间(最大)11.13s
响应时间(总计)25.75s
-
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)49.15s
响应时间(最大)73.90s
响应时间(总计)147.45s
-
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)81.38s
响应时间(最大)151.76s
响应时间(总计)162.76s
-
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)2.63s
响应时间(最大)2.69s
响应时间(总计)5.25s
-
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)60.97s
响应时间(最大)111.23s
响应时间(总计)182.92s
-
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)6.55s
响应时间(最大)6.55s
响应时间(总计)6.55s
-
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)3.82s
响应时间(最大)5.25s
响应时间(总计)7.64s
-
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)8.40s
响应时间(最大)13.85s
响应时间(总计)25.21s
-
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)3.63s
响应时间(最大)3.63s
响应时间(总计)3.63s
-
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)28.57s
响应时间(最大)28.57s
响应时间(总计)28.57s
|
| #76#76 |
Muse Emberminimal
|
8.9… |
Meta |
$0.047
…
|
5.30s… |
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: 1
响应时间(平均)5.30s
响应时间(最大)48.15s
响应时间(总计)121.82s
…
|
- 总测试数
- 23
- 错误测试数
- 6
- 尝试通过率
- 76.8%
- 输入令牌
- 265,844
- 输出令牌
- 10,584
- 推理令牌
- 29,993
- 响应时间(平均)
- 5.30s
- 响应时间(总计)
- 121.82s
- 响应时间(最大)
- 48.15s
-
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)48.15s
响应时间(最大)48.15s
响应时间(总计)48.15s
-
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)2.03s
响应时间(最大)3.08s
响应时间(总计)8.11s
-
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)2.66s
响应时间(最大)3.06s
响应时间(总计)7.97s
-
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。
答案错误: 1
响应时间(平均)9.58s
响应时间(最大)14.52s
响应时间(总计)19.15s
-
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)1.57s
响应时间(最大)1.68s
响应时间(总计)3.15s
-
领域专项
: 5.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)3.96s
响应时间(最大)4.30s
响应时间(总计)11.89s
-
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)1.65s
响应时间(最大)1.65s
响应时间(总计)1.65s
-
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)2.10s
响应时间(最大)2.70s
响应时间(总计)4.21s
-
谜题求解
: 5.3
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)3.33s
响应时间(最大)5.39s
响应时间(总计)9.99s
-
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)4.67s
响应时间(最大)4.67s
响应时间(总计)4.67s
-
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)2.88s
响应时间(最大)2.88s
响应时间(总计)2.88s
|
| #77#77 |
Claude Fable 5medium
|
8.9… |
Anthropic |
$5.089
…
|
16.84s… |
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 无效工具调用: 1 答案错误: 1
响应时间(平均)16.84s
响应时间(最大)80.80s
响应时间(总计)387.26s
…
|
- 总测试数
- 23
- 错误测试数
- 5
- 尝试通过率
- 79.7%
- 输入令牌
- 272,411
- 输出令牌
- 35,497
- 推理令牌
- 11,788
- 响应时间(平均)
- 16.84s
- 响应时间(总计)
- 387.26s
- 响应时间(最大)
- 80.80s
-
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)57.11s
响应时间(最大)57.11s
响应时间(总计)57.11s
-
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)6.57s
响应时间(总计)24.81s
-
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)15.59s
响应时间(最大)22.20s
响应时间(总计)46.76s
-
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。
无效工具调用: 1
响应时间(平均)27.47s
响应时间(最大)33.70s
响应时间(总计)54.94s
-
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)7.18s
响应时间(最大)7.44s
响应时间(总计)14.35s
-
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)37.32s
响应时间(最大)80.80s
响应时间(总计)111.95s
-
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)7.42s
响应时间(最大)7.42s
响应时间(总计)7.42s
-
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)5.90s
响应时间(最大)5.96s
响应时间(总计)11.79s
-
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。
无答案: 1
响应时间(平均)5.18s
响应时间(最大)5.58s
响应时间(总计)15.53s
-
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)16.96s
响应时间(最大)16.96s
响应时间(总计)16.96s
-
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。
无答案: 1
响应时间(平均)25.64s
响应时间(最大)25.64s
响应时间(总计)25.64s
|
| #75#75 |
Muse Spark 1.1medium
|
8.9… |
Meta |
$1.665
…
|
27.02s… |
只有当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 无效工具调用: 1
响应时间(平均)27.02s
响应时间(最大)165.38s
响应时间(总计)621.38s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 73.9%
- 输入令牌
- 305,707
- 输出令牌
- 10,240
- 推理令牌
- 291,479
- 响应时间(平均)
- 27.02s
- 响应时间(总计)
- 621.38s
- 响应时间(最大)
- 165.38s
-
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)43.91s
响应时间(最大)43.91s
响应时间(总计)43.91s
-
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)5.72s
响应时间(最大)13.09s
响应时间(总计)22.87s
-
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)15.66s
响应时间(最大)19.49s
响应时间(总计)46.98s
-
综合
: 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。
无效工具调用: 1
响应时间(平均)42.62s
响应时间(最大)58.91s
响应时间(总计)85.24s
-
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)5.75s
响应时间(总计)9.92s
-
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)80.83s
响应时间(最大)165.38s
响应时间(总计)242.50s
-
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)4.41s
响应时间(最大)4.41s
响应时间(总计)4.41s
-
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)6.31s
响应时间(最大)7.84s
响应时间(总计)12.62s
-
谜题求解
: 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)42.49s
响应时间(最大)111.97s
响应时间(总计)127.48s
-
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)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。
答案错误: 1
响应时间(平均)18.45s
响应时间(最大)18.45s
响应时间(总计)18.45s
|
| #74#74 |
Muse Spark 1.2medium
|
8.9… |
Meta |
$1.590
…
|
21.28s… |
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: 3 答案错误: 3 额外格式: 1 无效工具调用: 1
响应时间(平均)21.28s
响应时间(最大)142.49s
响应时间(总计)489.46s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 75.4%
- 输入令牌
- 292,604
- 输出令牌
- 9,569
- 推理令牌
- 278,408
- 响应时间(平均)
- 21.28s
- 响应时间(总计)
- 489.46s
- 响应时间(最大)
- 142.49s
-
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)56.74s
响应时间(最大)56.74s
响应时间(总计)56.74s
-
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 未遵循指令: 1
响应时间(平均)5.38s
响应时间(最大)10.13s
响应时间(总计)21.51s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)17.49s
响应时间(最大)20.83s
响应时间(总计)52.46s
-
综合
: 8.5
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)24.89s
响应时间(最大)34.10s
响应时间(总计)49.78s
-
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)6.42s
响应时间(最大)7.81s
响应时间(总计)12.83s
-
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)77.22s
响应时间(最大)142.49s
响应时间(总计)231.67s
-
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)10.67s
响应时间(最大)10.67s
响应时间(总计)10.67s
-
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)4.40s
响应时间(最大)5.65s
响应时间(总计)8.79s
-
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)9.45s
响应时间(最大)18.47s
响应时间(总计)28.34s
-
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)3.89s
响应时间(最大)3.89s
响应时间(总计)3.89s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)12.79s
响应时间(最大)12.79s
响应时间(总计)12.79s
|
| #73#73 |
Muse Spark 1.2high
|
8.9… |
Meta |
$2.018
…
|
28.15s… |
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: 4 未遵循指令: 3 无效工具调用: 1
响应时间(平均)28.15s
响应时间(最大)192.00s
响应时间(总计)647.40s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 75.4%
- 输入令牌
- 277,967
- 输出令牌
- 9,240
- 推理令牌
- 383,606
- 响应时间(平均)
- 28.15s
- 响应时间(总计)
- 647.40s
- 响应时间(最大)
- 192.00s
-
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)62.51s
响应时间(最大)62.51s
响应时间(总计)62.51s
-
反AI技巧
: 7.1
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 2
响应时间(平均)6.00s
响应时间(最大)10.62s
响应时间(总计)23.99s
-
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)22.24s
响应时间(最大)28.05s
响应时间(总计)66.72s
-
综合
: 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。
无效工具调用: 1
响应时间(平均)39.89s
响应时间(最大)52.46s
响应时间(总计)79.78s
-
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)6.93s
响应时间(最大)8.10s
响应时间(总计)13.85s
-
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)108.85s
响应时间(最大)192.00s
响应时间(总计)326.56s
-
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)13.93s
响应时间(最大)13.93s
响应时间(总计)13.93s
-
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)5.43s
响应时间(最大)6.96s
响应时间(总计)10.86s
-
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)10.07s
响应时间(最大)18.77s
响应时间(总计)30.22s
-
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)14.99s
响应时间(最大)14.99s
响应时间(总计)14.99s
|
| #72#72 |
Muse Spark Openlow
|
8.9… |
Meta |
$0.600
…
|
21.62s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 4 未遵循指令: 2 无效工具调用: 1
响应时间(平均)21.62s
响应时间(最大)119.16s
响应时间(总计)497.25s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 76.8%
- 输入令牌
- 278,684
- 输出令牌
- 10,151
- 推理令牌
- 48,907
- 响应时间(平均)
- 21.62s
- 响应时间(总计)
- 497.25s
- 响应时间(最大)
- 119.16s
-
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)55.04s
响应时间(最大)55.04s
响应时间(总计)55.04s
-
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。
未遵循指令: 1
响应时间(平均)10.50s
响应时间(最大)21.33s
响应时间(总计)41.98s
-
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)9.97s
响应时间(最大)13.66s
响应时间(总计)29.92s
-
综合
: 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。
无效工具调用: 1
响应时间(平均)32.84s
响应时间(最大)54.83s
响应时间(总计)65.68s
-
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)4.53s
响应时间(最大)6.89s
响应时间(总计)9.05s
-
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)75.55s
响应时间(最大)119.16s
响应时间(总计)226.64s
-
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)5.85s
响应时间(最大)5.85s
响应时间(总计)5.85s
-
指令遵循
: 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)10.26s
响应时间(最大)11.36s
响应时间(总计)20.51s
-
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)7.99s
响应时间(最大)9.79s
响应时间(总计)23.98s
-
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)4.37s
响应时间(最大)4.37s
响应时间(总计)4.37s
-
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)14.23s
响应时间(最大)14.23s
响应时间(总计)14.23s
|
| #71#71 |
GLM 5.3 Flashmax
|
9.0… |
Z.ai |
$0.089
…
|
54.04s… |
只有当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 无效工具调用: 1 无答案: 1
响应时间(平均)54.04s
响应时间(最大)333.47s
响应时间(总计)1242.97s
…
|
- 总测试数
- 23
- 错误测试数
- 6
- 尝试通过率
- 82.6%
- 输入令牌
- 255,743
- 输出令牌
- 8,684
- 推理令牌
- 207,435
- 响应时间(平均)
- 54.04s
- 响应时间(总计)
- 1242.97s
- 响应时间(最大)
- 333.47s
-
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)96.73s
响应时间(最大)96.73s
响应时间(总计)96.73s
-
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)4.15s
响应时间(最大)8.80s
响应时间(总计)16.58s
-
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)43.37s
响应时间(最大)50.63s
响应时间(总计)130.12s
-
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)138.66s
响应时间(最大)224.68s
响应时间(总计)277.31s
-
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)6.10s
响应时间(最大)6.18s
响应时间(总计)12.19s
-
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 额外格式: 1
响应时间(平均)203.29s
响应时间(最大)333.47s
响应时间(总计)609.88s
-
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)10.02s
响应时间(最大)10.02s
响应时间(总计)10.02s
-
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)3.65s
响应时间(最大)3.72s
响应时间(总计)7.31s
-
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)5.61s
响应时间(最大)7.20s
响应时间(总计)16.82s
-
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)19.24s
响应时间(最大)19.24s
响应时间(总计)19.24s
-
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)46.77s
响应时间(最大)46.77s
响应时间(总计)46.77s
|
| #70#70 |
Gemini 3.6 Flashlow
|
9.0… |
Google |
$0.363
↓
…
|
6.82s… |
只有当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)6.82s
响应时间(最大)48.53s
响应时间(总计)156.81s
…
|
- 总测试数
- 23
- 错误测试数
- 4
- 尝试通过率
- 89.9%
- 输入令牌
- 197,570
- 输出令牌
- 6,364
- 推理令牌
- 50,704
- 响应时间(平均)
- 6.82s
- 响应时间(总计)
- 156.81s
- 响应时间(最大)
- 48.53s
-
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)48.53s
响应时间(最大)48.53s
响应时间(总计)48.53s
-
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)1.85s
响应时间(最大)2.14s
响应时间(总计)7.39s
-
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)6.95s
响应时间(最大)7.71s
响应时间(总计)20.84s
-
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。
答案错误: 1
响应时间(平均)19.82s
响应时间(最大)30.83s
响应时间(总计)39.64s
-
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)1.66s
响应时间(最大)1.71s
响应时间(总计)3.33s
-
领域专项
: 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)4.65s
响应时间(最大)5.23s
响应时间(总计)13.95s
-
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)3.02s
响应时间(最大)3.02s
响应时间(总计)3.02s
-
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)2.82s
响应时间(最大)3.06s
响应时间(总计)5.64s
-
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)2.38s
响应时间(最大)2.65s
响应时间(总计)7.15s
-
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)4.40s
响应时间(最大)4.40s
响应时间(总计)4.40s
-
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)2.94s
响应时间(最大)2.94s
响应时间(总计)2.94s
|
| #68#68 |
Gemini 4 Carbonlow
|
9.0… |
Google |
$0.391
…
|
11.01s… |
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: 3 无效工具调用: 1
响应时间(平均)11.01s
响应时间(最大)78.43s
响应时间(总计)253.17s
…
|
- 总测试数
- 23
- 错误测试数
- 4
- 尝试通过率
- 88.4%
- 输入令牌
- 153,838
- 输出令牌
- 6,041
- 推理令牌
- 2,242
- 响应时间(平均)
- 11.01s
- 响应时间(总计)
- 253.17s
- 响应时间(最大)
- 78.43s
-
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)78.43s
响应时间(最大)78.43s
响应时间(总计)78.43s
-
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)5.04s
响应时间(最大)7.91s
响应时间(总计)20.15s
-
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)7.82s
响应时间(最大)10.13s
响应时间(总计)23.45s
-
综合
: 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。
无效工具调用: 1
响应时间(平均)29.35s
响应时间(最大)43.41s
响应时间(总计)58.71s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)5.57s
响应时间(最大)6.46s
响应时间(总计)11.13s
-
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)4.79s
响应时间(最大)7.79s
响应时间(总计)14.36s
-
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)4.27s
响应时间(最大)4.27s
响应时间(总计)4.27s
-
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)4.84s
响应时间(最大)5.89s
响应时间(总计)9.68s
-
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)5.12s
响应时间(最大)6.31s
响应时间(总计)15.36s
-
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)12.64s
响应时间(最大)12.64s
响应时间(总计)12.64s
-
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)4.99s
响应时间(最大)4.99s
响应时间(总计)4.99s
|
| #69#69 |
Claude Opus 5low
|
9.0… |
Anthropic |
$2.350
…
|
9.87s… |
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: 4
响应时间(平均)9.87s
响应时间(最大)73.15s
响应时间(总计)226.95s
…
|
- 总测试数
- 23
- 错误测试数
- 4
- 尝试通过率
- 84.1%
- 输入令牌
- 352,845
- 输出令牌
- 16,553
- 推理令牌
- 7,007
- 响应时间(平均)
- 9.87s
- 响应时间(总计)
- 226.95s
- 响应时间(最大)
- 73.15s
-
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)73.15s
响应时间(最大)73.15s
响应时间(总计)73.15s
-
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)4.32s
响应时间(最大)6.83s
响应时间(总计)17.28s
-
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)6.70s
响应时间(最大)7.45s
响应时间(总计)20.10s
-
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)21.05s
响应时间(最大)30.67s
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)3.69s
响应时间(最大)3.85s
响应时间(总计)7.38s
-
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)8.91s
响应时间(最大)12.08s
响应时间(总计)26.73s
-
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)3.76s
响应时间(最大)3.76s
响应时间(总计)3.76s
-
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)4.13s
响应时间(最大)4.27s
响应时间(总计)8.26s
-
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)4.23s
响应时间(最大)5.55s
响应时间(总计)12.69s
-
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)9.03s
响应时间(最大)9.03s
响应时间(总计)9.03s
-
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)6.48s
响应时间(最大)6.48s
响应时间(总计)6.48s
|
| #67#67 |
Gemini 4 Argonmedium
|
9.0… |
Google |
$0.674
…
|
6.63s… |
只有当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)6.63s
响应时间(最大)62.49s
响应时间(总计)152.50s
…
|
- 总测试数
- 23
- 错误测试数
- 4
- 尝试通过率
- 84.1%
- 输入令牌
- 215,326
- 输出令牌
- 6,668
- 推理令牌
- 17,615
- 响应时间(平均)
- 6.63s
- 响应时间(总计)
- 152.50s
- 响应时间(最大)
- 62.49s
-
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)62.49s
响应时间(最大)62.49s
响应时间(总计)62.49s
-
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)2.29s
响应时间(最大)2.70s
响应时间(总计)9.17s
-
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)4.86s
响应时间(最大)8.35s
响应时间(总计)14.59s
-
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。
答案错误: 1
响应时间(平均)15.06s
响应时间(最大)22.25s
响应时间(总计)30.12s
-
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)2.39s
响应时间(最大)2.57s
响应时间(总计)4.77s
-
领域专项
: 5.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)2.44s
响应时间(最大)3.71s
响应时间(总计)7.33s
-
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)2.40s
响应时间(最大)2.40s
响应时间(总计)2.40s
-
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)2.71s
响应时间(最大)2.99s
响应时间(总计)5.42s
-
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)2.10s
响应时间(最大)2.19s
响应时间(总计)6.29s
-
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)8.01s
响应时间(最大)8.01s
响应时间(总计)8.01s
-
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)1.91s
响应时间(最大)1.91s
响应时间(总计)1.91s
|
| #66#66 |
Gemini 3.5 Flash Litehigh
|
9.0… |
Google |
$0.624
…
|
11.92s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 5
响应时间(平均)11.92s
响应时间(最大)53.09s
响应时间(总计)274.14s
…
|
- 总测试数
- 23
- 错误测试数
- 5
- 尝试通过率
- 84.1%
- 输入令牌
- 244,529
- 输出令牌
- 6,784
- 推理令牌
- 213,142
- 响应时间(平均)
- 11.92s
- 响应时间(总计)
- 274.14s
- 响应时间(最大)
- 53.09s
-
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)53.09s
响应时间(最大)53.09s
响应时间(总计)53.09s
-
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)2.96s
响应时间(最大)5.00s
响应时间(总计)11.83s
-
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)16.58s
响应时间(最大)28.69s
响应时间(总计)49.74s
-
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)27.90s
响应时间(最大)34.63s
响应时间(总计)55.80s
-
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)3.17s
响应时间(最大)3.27s
响应时间(总计)6.35s
-
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)23.14s
响应时间(最大)36.22s
响应时间(总计)69.43s
-
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)3.10s
响应时间(最大)3.10s
响应时间(总计)3.10s
-
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)2.16s
响应时间(最大)2.17s
响应时间(总计)4.31s
-
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)2.09s
响应时间(最大)2.91s
响应时间(总计)6.26s
-
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)4.55s
响应时间(最大)4.55s
响应时间(总计)4.55s
-
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)9.68s
响应时间(最大)9.68s
响应时间(总计)9.68s
|
| #65#65 |
ERNIE-Light-DT-1.0max
|
9.0… |
Baidu |
$4.353
…
|
103.37s… |
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 无效工具调用: 1
响应时间(平均)103.37s
响应时间(最大)473.48s
响应时间(总计)2377.50s
…
|
- 总测试数
- 23
- 错误测试数
- 5
- 尝试通过率
- 81.2%
- 输入令牌
- 350,977
- 输出令牌
- 6,155
- 推理令牌
- 997,807
- 响应时间(平均)
- 103.37s
- 响应时间(总计)
- 2377.50s
- 响应时间(最大)
- 473.48s
-
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)66.71s
响应时间(最大)66.71s
响应时间(总计)66.71s
-
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)2.68s
响应时间(最大)4.08s
响应时间(总计)10.73s
-
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)97.26s
响应时间(最大)114.04s
响应时间(总计)291.77s
-
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)182.42s
响应时间(最大)349.50s
响应时间(总计)364.83s
-
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)5.19s
响应时间(最大)6.57s
响应时间(总计)10.39s
-
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)460.57s
响应时间(最大)473.48s
响应时间(总计)1381.70s
-
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)4.03s
响应时间(最大)4.03s
响应时间(总计)4.03s
-
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)2.47s
响应时间(最大)2.79s
响应时间(总计)4.95s
-
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)2.95s
响应时间(最大)3.32s
响应时间(总计)8.86s
-
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)6.43s
响应时间(最大)6.43s
响应时间(总计)6.43s
-
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)227.09s
响应时间(最大)227.09s
响应时间(总计)227.09s
|