| #339#339 |
Claude Sonnet 5none
|
5.9… |
Anthropic |
$1.095
…
|
8.60s… |
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: 9 额外格式: 4 无答案: 2 未遵循指令: 1
响应时间(平均)8.60s
响应时间(最大)64.73s
响应时间(总计)197.73s
…
|
- 总测试数
- 23
- 错误测试数
- 16
- 尝试通过率
- 40.6%
- 输入令牌
- 393,560
- 输出令牌
- 30,466
- 推理令牌
- 311
- 响应时间(平均)
- 8.60s
- 响应时间(总计)
- 197.73s
- 响应时间(最大)
- 64.73s
-
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)64.73s
响应时间(最大)64.73s
响应时间(总计)64.73s
-
反AI技巧
: 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。
额外格式: 2 答案错误: 1
响应时间(平均)3.60s
响应时间(最大)7.10s
响应时间(总计)14.39s
-
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。
答案错误: 3
响应时间(平均)3.67s
响应时间(最大)5.83s
响应时间(总计)11.02s
-
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)31.43s
响应时间(最大)33.39s
响应时间(总计)62.86s
-
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)3.01s
响应时间(最大)3.29s
响应时间(总计)6.02s
-
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)3.32s
响应时间(最大)4.75s
响应时间(总计)9.96s
-
通用智能
: 4.7
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)2.81s
响应时间(最大)2.81s
响应时间(总计)2.81s
-
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。
额外格式: 1
响应时间(平均)2.58s
响应时间(最大)2.89s
响应时间(总计)5.17s
-
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。
额外格式: 1 答案错误: 1
响应时间(平均)3.22s
响应时间(最大)3.65s
响应时间(总计)9.67s
-
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)6.80s
响应时间(最大)6.80s
响应时间(总计)6.80s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1
响应时间(平均)4.31s
响应时间(最大)4.31s
响应时间(总计)4.31s
|
| #338#338 |
Qwen3.6 Flashnone
|
5.9… |
Qwen |
$0.139
↓
…
|
7.63s… |
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: 13 无效工具调用: 2 未遵循指令: 1
响应时间(平均)7.63s
响应时间(最大)93.47s
响应时间(总计)175.42s
…
|
- 总测试数
- 23
- 错误测试数
- 16
- 尝试通过率
- 33.3%
- 输入令牌
- 388,929
- 输出令牌
- 57,714
- 推理令牌
- 0
- 响应时间(平均)
- 7.63s
- 响应时间(总计)
- 175.42s
- 响应时间(最大)
- 93.47s
-
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)93.47s
响应时间(最大)93.47s
响应时间(总计)93.47s
-
反AI技巧
: 3.1
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 4
响应时间(平均)1.63s
响应时间(最大)4.60s
响应时间(总计)6.51s
-
编程
: 5.4
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)1.79s
响应时间(最大)2.46s
响应时间(总计)5.36s
-
综合
: 3.8
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 2
响应时间(平均)26.50s
响应时间(最大)48.79s
响应时间(总计)53.01s
-
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)2.13s
响应时间(最大)3.35s
响应时间(总计)4.26s
-
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)963ms
响应时间(最大)1.89s
响应时间(总计)2.89s
-
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)947ms
响应时间(最大)947ms
响应时间(总计)947ms
-
指令遵循
: 6.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.10s
响应时间(最大)1.36s
响应时间(总计)2.19s
-
谜题求解
: 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 未遵循指令: 1
响应时间(平均)1.21s
响应时间(最大)1.80s
响应时间(总计)3.64s
-
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)2.49s
响应时间(最大)2.49s
响应时间(总计)2.49s
-
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)649ms
响应时间(最大)649ms
响应时间(总计)649ms
|
| #337#337 |
Gemini 3.1 Flash Litenone
|
5.9… |
Google |
$0.069
…
|
3.58s… |
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: 12 未遵循指令: 1 无答案: 1
响应时间(平均)3.58s
响应时间(最大)43.82s
响应时间(总计)82.24s
…
|
- 总测试数
- 23
- 错误测试数
- 14
- 尝试通过率
- 47.8%
- 输入令牌
- 202,069
- 输出令牌
- 11,961
- 推理令牌
- 0
- 响应时间(平均)
- 3.58s
- 响应时间(总计)
- 82.24s
- 响应时间(最大)
- 43.82s
-
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)43.82s
响应时间(最大)43.82s
响应时间(总计)43.82s
-
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)1.07s
响应时间(最大)1.91s
响应时间(总计)4.27s
-
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)938ms
响应时间(最大)1.59s
响应时间(总计)2.81s
-
综合
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1 答案错误: 1
响应时间(平均)9.49s
响应时间(最大)16.25s
响应时间(总计)18.98s
-
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)843ms
响应时间(最大)907ms
响应时间(总计)1.69s
-
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)701ms
响应时间(最大)814ms
响应时间(总计)2.10s
-
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)992ms
响应时间(最大)992ms
响应时间(总计)992ms
-
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)859ms
响应时间(最大)975ms
响应时间(总计)1.72s
-
谜题求解
: 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。
未遵循指令: 1 答案错误: 1
响应时间(平均)720ms
响应时间(最大)826ms
响应时间(总计)2.16s
-
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)2.97s
响应时间(最大)2.97s
响应时间(总计)2.97s
-
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)733ms
响应时间(最大)733ms
响应时间(总计)733ms
|
| #336#336 |
gpt-oss-120bmedium
|
5.9… |
OpenAI |
$0.030
↓
…
|
31.58s… |
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: 10 未遵循指令: 3 无效工具调用: 1
响应时间(平均)31.58s
响应时间(最大)203.90s
响应时间(总计)536.78s
…
|
- 总测试数
- 23
- 错误测试数
- 14
- 尝试通过率
- 47.8%
- 输入令牌
- 285,293
- 输出令牌
- 29,565
- 推理令牌
- 89,266
- 响应时间(平均)
- 31.58s
- 响应时间(总计)
- 536.78s
- 响应时间(最大)
- 203.90s
-
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)203.90s
响应时间(最大)203.90s
响应时间(总计)203.90s
-
反AI技巧
: 6.7
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)10.21s
响应时间(最大)19.76s
响应时间(总计)20.43s
-
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。
答案错误: 2
响应时间(平均)38.37s
响应时间(最大)68.16s
响应时间(总计)115.10s
-
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)23.96s
响应时间(最大)31.18s
响应时间(总计)47.91s
-
数据解析与提取
: 6.4
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.98s
响应时间(最大)1.98s
响应时间(总计)1.98s
-
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)27.55s
响应时间(最大)50.92s
响应时间(总计)55.10s
-
通用智能
: 4.3
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)7.90s
响应时间(最大)7.90s
响应时间(总计)7.90s
-
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)7.63s
响应时间(最大)7.63s
响应时间(总计)7.63s
-
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)21.71s
响应时间(最大)32.40s
响应时间(总计)43.41s
-
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)6.91s
响应时间(最大)6.91s
响应时间(总计)6.91s
-
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)26.51s
响应时间(最大)26.51s
响应时间(总计)26.51s
|
| #335#335 |
Gemini 3.1 Flash Liteminimal
|
5.9… |
Google |
$0.080
…
|
3.95s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 9 未遵循指令: 3 无答案: 1
响应时间(平均)3.95s
响应时间(最大)50.03s
响应时间(总计)90.76s
…
|
- 总测试数
- 23
- 错误测试数
- 13
- 尝试通过率
- 49.3%
- 输入令牌
- 238,785
- 输出令牌
- 12,875
- 推理令牌
- 0
- 响应时间(平均)
- 3.95s
- 响应时间(总计)
- 90.76s
- 响应时间(最大)
- 50.03s
-
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)50.03s
响应时间(最大)50.03s
响应时间(总计)50.03s
-
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)1.10s
响应时间(最大)1.65s
响应时间(总计)4.42s
-
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)831ms
响应时间(最大)1.31s
响应时间(总计)2.49s
-
综合
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1 答案错误: 1
响应时间(平均)7.75s
响应时间(最大)12.97s
响应时间(总计)15.50s
-
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)1.04s
响应时间(最大)1.32s
响应时间(总计)2.07s
-
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)972ms
响应时间(最大)1.16s
响应时间(总计)2.92s
-
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)791ms
响应时间(最大)791ms
响应时间(总计)791ms
-
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)932ms
响应时间(最大)1.00s
响应时间(总计)1.86s
-
谜题求解
: 6.0
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 2
响应时间(平均)2.15s
响应时间(最大)4.49s
响应时间(总计)6.45s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)3.51s
响应时间(最大)3.51s
响应时间(总计)3.51s
-
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)724ms
响应时间(最大)724ms
响应时间(总计)724ms
|
| #333#333 |
Inkling Smallmedium
|
6.0… |
Thinkingmachines |
$0.113
↓
…
|
6.03s… |
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: 6 未遵循指令: 4 无效工具调用: 2 API 错误: 1
响应时间(平均)6.03s
响应时间(最大)17.26s
响应时间(总计)138.65s
…
|
- 总测试数
- 23
- 错误测试数
- 13
- 尝试通过率
- 50.7%
- 输入令牌
- 100,255
- 输出令牌
- 6,422
- 推理令牌
- 49,847
- 响应时间(平均)
- 6.03s
- 响应时间(总计)
- 138.65s
- 响应时间(最大)
- 17.26s
-
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)49ms
响应时间(最大)49ms
响应时间(总计)49ms
-
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)4.09s
响应时间(最大)10.33s
响应时间(总计)16.35s
-
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)10.49s
响应时间(最大)17.26s
响应时间(总计)31.48s
-
综合
: 3.8
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 2
响应时间(平均)8.89s
响应时间(最大)12.00s
响应时间(总计)17.78s
-
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)3.95s
响应时间(最大)5.78s
响应时间(总计)7.89s
-
领域专项
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)7.65s
响应时间(最大)14.20s
响应时间(总计)22.94s
-
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)2.58s
响应时间(最大)2.58s
响应时间(总计)2.58s
-
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)3.78s
响应时间(最大)3.98s
响应时间(总计)7.56s
-
谜题求解
: 5.8
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)5.24s
响应时间(最大)10.12s
响应时间(总计)15.71s
-
工具调用
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)2.12s
响应时间(最大)2.12s
响应时间(总计)2.12s
-
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)14.19s
响应时间(最大)14.19s
响应时间(总计)14.19s
|
| #334#334 |
Seed-2.0-Litenone
|
6.0… |
Bytedance Seed |
$0.114
…
|
7.49s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 14 无答案: 1
响应时间(平均)7.49s
响应时间(最大)75.99s
响应时间(总计)172.19s
…
|
- 总测试数
- 23
- 错误测试数
- 15
- 尝试通过率
- 39.1%
- 输入令牌
- 314,113
- 输出令牌
- 17,558
- 推理令牌
- 0
- 响应时间(平均)
- 7.49s
- 响应时间(总计)
- 172.19s
- 响应时间(最大)
- 75.99s
-
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)75.99s
响应时间(最大)75.99s
响应时间(总计)75.99s
-
反AI技巧
: 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: 4
响应时间(平均)2.43s
响应时间(最大)6.70s
响应时间(总计)9.73s
-
编程
: 5.6
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)2.83s
响应时间(最大)4.61s
响应时间(总计)8.49s
-
综合
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1 答案错误: 1
响应时间(平均)25.58s
响应时间(最大)44.58s
响应时间(总计)51.17s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)1.82s
响应时间(最大)1.97s
响应时间(总计)3.63s
-
领域专项
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)1.12s
响应时间(最大)1.53s
响应时间(总计)3.36s
-
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)3.45s
响应时间(最大)3.45s
响应时间(总计)3.45s
-
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)1.06s
响应时间(最大)1.09s
响应时间(总计)2.12s
-
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)2.78s
响应时间(最大)5.20s
响应时间(总计)8.34s
-
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)3.94s
响应时间(最大)3.94s
响应时间(总计)3.94s
-
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)1.96s
响应时间(最大)1.96s
响应时间(总计)1.96s
|
| #332#332 |
MiMo-V2.6-Pronone
|
6.0… |
Xiaomi |
$0.193
…
|
9.66s… |
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: 10 额外格式: 2 未遵循指令: 1 无效工具调用: 1
响应时间(平均)9.66s
响应时间(最大)106.86s
响应时间(总计)222.07s
…
|
- 总测试数
- 23
- 错误测试数
- 14
- 尝试通过率
- 43.5%
- 输入令牌
- 278,866
- 输出令牌
- 82,069
- 推理令牌
- 0
- 响应时间(平均)
- 9.66s
- 响应时间(总计)
- 222.07s
- 响应时间(最大)
- 106.86s
-
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)66.15s
响应时间(最大)66.15s
响应时间(总计)66.15s
-
反AI技巧
: 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: 4
响应时间(平均)1.87s
响应时间(最大)5.31s
响应时间(总计)7.50s
-
编程
: 5.6
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 2
响应时间(平均)3.69s
响应时间(最大)5.45s
响应时间(总计)11.08s
-
综合
: 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
响应时间(平均)7.78s
响应时间(最大)12.50s
响应时间(总计)15.56s
-
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)1.05s
响应时间(最大)1.22s
响应时间(总计)2.11s
-
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)791ms
响应时间(最大)860ms
响应时间(总计)2.37s
-
通用智能
: 5.1
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)1.40s
响应时间(最大)1.40s
响应时间(总计)1.40s
-
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)803ms
响应时间(最大)870ms
响应时间(总计)1.61s
-
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。
答案错误: 1
响应时间(平均)1.67s
响应时间(最大)2.31s
响应时间(总计)5.01s
-
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)2.44s
响应时间(最大)2.44s
响应时间(总计)2.44s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)106.86s
响应时间(最大)106.86s
响应时间(总计)106.86s
|
| #330#330 |
Particle-1none
|
6.0… |
Particle AI |
$0.059
…
|
8.61s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 13 未遵循指令: 2 额外格式: 1
响应时间(平均)8.61s
响应时间(最大)107.90s
响应时间(总计)198.13s
…
|
- 总测试数
- 23
- 错误测试数
- 16
- 尝试通过率
- 34.8%
- 输入令牌
- 284,369
- 输出令牌
- 87,599
- 推理令牌
- 0
- 响应时间(平均)
- 8.61s
- 响应时间(总计)
- 198.13s
- 响应时间(最大)
- 107.90s
-
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)49.30s
响应时间(最大)49.30s
响应时间(总计)49.30s
-
反AI技巧
: 3.8
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 4
响应时间(平均)1.86s
响应时间(最大)3.26s
响应时间(总计)7.45s
-
编程
: 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 额外格式: 1
响应时间(平均)36.78s
响应时间(最大)107.90s
响应时间(总计)110.35s
-
综合
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)7.48s
响应时间(最大)12.38s
响应时间(总计)14.96s
-
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)1.00s
响应时间(最大)1.02s
响应时间(总计)2.00s
-
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)759ms
响应时间(最大)1.01s
响应时间(总计)2.28s
-
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)1.25s
响应时间(最大)1.25s
响应时间(总计)1.25s
-
指令遵循
: 6.5
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.21s
响应时间(最大)1.31s
响应时间(总计)2.41s
-
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)1.15s
响应时间(最大)1.34s
响应时间(总计)3.46s
-
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)3.68s
响应时间(最大)3.68s
响应时间(总计)3.68s
-
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)994ms
响应时间(最大)994ms
响应时间(总计)994ms
|
| #331#331 |
GLM 5.3 FlashXlow
|
6.0… |
Z.ai |
$0.157
…
|
9.69s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 10 无效工具调用: 1 无答案: 1
响应时间(平均)9.69s
响应时间(最大)77.99s
响应时间(总计)222.83s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 63.8%
- 输入令牌
- 277,028
- 输出令牌
- 11,965
- 推理令牌
- 31,238
- 响应时间(平均)
- 9.69s
- 响应时间(总计)
- 222.83s
- 响应时间(最大)
- 77.99s
-
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)77.99s
响应时间(最大)77.99s
响应时间(总计)77.99s
-
反AI技巧
: 8.2
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.56s
响应时间(最大)2.05s
响应时间(总计)6.26s
-
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)5.45s
响应时间(最大)6.31s
响应时间(总计)16.36s
-
综合
: 2.8
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1 答案错误: 1
响应时间(平均)42.40s
响应时间(最大)73.01s
响应时间(总计)84.79s
-
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)1.59s
响应时间(最大)1.63s
响应时间(总计)3.17s
-
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)3.87s
响应时间(最大)4.85s
响应时间(总计)11.62s
-
通用智能
: 4.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)2.07s
响应时间(最大)2.07s
响应时间(总计)2.07s
-
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)1.34s
响应时间(最大)1.42s
响应时间(总计)2.69s
-
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)1.89s
响应时间(最大)2.38s
响应时间(总计)5.68s
-
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)9.52s
响应时间(最大)9.52s
响应时间(总计)9.52s
-
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)2.69s
响应时间(最大)2.69s
响应时间(总计)2.69s
|
| #329#329 |
Claude Sonnet 4.6none已归档模型:该模型将不再更新,也不会在新测试中继续测试。
|
6.0… |
Anthropic |
$0.661
…
|
7.67s… |
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 额外格式: 4 未遵循指令: 1
响应时间(平均)7.67s
响应时间(最大)51.18s
响应时间(总计)122.78s
…
|
- 总测试数
- 22
- 错误测试数
- 10
- 尝试通过率
- 55.1%
- 输入令牌
- 123,273
- 输出令牌
- 19,362
- 推理令牌
- 0
- 响应时间(平均)
- 7.67s
- 响应时间(总计)
- 122.78s
- 响应时间(最大)
- 51.18s
-
智能体任务
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
反AI技巧
: 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。
额外格式: 2 答案错误: 1
响应时间(平均)2.94s
响应时间(最大)4.83s
响应时间(总计)5.88s
-
编程
: 5.5
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 1 答案错误: 1
响应时间(平均)5.19s
响应时间(最大)9.79s
响应时间(总计)15.56s
-
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)37.51s
响应时间(最大)51.18s
响应时间(总计)75.03s
-
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)3.43s
响应时间(最大)3.43s
响应时间(总计)3.43s
-
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)2.27s
响应时间(最大)3.54s
响应时间(总计)4.54s
-
通用智能
: 6.1
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)2.56s
响应时间(最大)2.56s
响应时间(总计)2.56s
-
指令遵循
: 6.5
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.96s
响应时间(最大)1.96s
响应时间(总计)1.96s
-
谜题求解
: 7.7
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 1
响应时间(平均)2.53s
响应时间(最大)2.54s
响应时间(总计)5.06s
-
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)4.11s
响应时间(最大)4.11s
响应时间(总计)4.11s
-
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)4.67s
响应时间(最大)4.67s
响应时间(总计)4.67s
|
| #328#328 |
Apodex 1.1 Minimedium
|
6.0… |
Apodex |
$0.000
…
|
32.68s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 9 未遵循指令: 2 无答案: 1
响应时间(平均)32.68s
响应时间(最大)115.57s
响应时间(总计)751.72s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 68.1%
- 输入令牌
- 293,112
- 输出令牌
- 152,376
- 推理令牌
- 357,890
- 响应时间(平均)
- 32.68s
- 响应时间(总计)
- 751.72s
- 响应时间(最大)
- 115.57s
-
智能体任务
: 3.4
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)85.34s
响应时间(最大)85.34s
响应时间(总计)85.34s
-
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)8.24s
响应时间(最大)19.73s
响应时间(总计)32.95s
-
编程
: 4.3
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: 3
响应时间(平均)51.01s
响应时间(最大)82.35s
响应时间(总计)153.02s
-
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)66.43s
响应时间(最大)115.57s
响应时间(总计)132.87s
-
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)14.99s
响应时间(最大)19.83s
响应时间(总计)29.99s
-
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)63.74s
响应时间(最大)105.49s
响应时间(总计)191.21s
-
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)16.13s
响应时间(最大)16.13s
响应时间(总计)16.13s
-
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)8.56s
响应时间(最大)12.29s
响应时间(总计)17.12s
-
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)15.19s
响应时间(最大)25.27s
响应时间(总计)45.56s
-
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)4.62s
响应时间(最大)4.62s
响应时间(总计)4.62s
-
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)42.92s
响应时间(最大)42.92s
响应时间(总计)42.92s
|
| #327#327 |
KAT-Coder-Pro V2.5default
|
6.1… |
Kwaipilot |
$0.742
↑
…
|
24.96s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 10 API 错误: 1 无效工具调用: 1
响应时间(平均)24.96s
响应时间(最大)335.41s
响应时间(总计)574.12s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 68.1%
- 输入令牌
- 98,508
- 输出令牌
- 8,088
- 推理令牌
- 131,484
- 响应时间(平均)
- 24.96s
- 响应时间(总计)
- 574.12s
- 响应时间(最大)
- 335.41s
-
智能体任务
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1
响应时间(平均)1.90s
响应时间(最大)1.90s
响应时间(总计)1.90s
-
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)4.58s
响应时间(最大)7.94s
响应时间(总计)18.33s
-
编程
: 6.1
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)22.52s
响应时间(最大)30.63s
响应时间(总计)67.55s
-
综合
: 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。
无效工具调用: 1 答案错误: 1
响应时间(平均)183.08s
响应时间(最大)335.41s
响应时间(总计)366.16s
-
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)5.07s
响应时间(最大)5.35s
响应时间(总计)10.15s
-
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)24.90s
响应时间(最大)53.57s
响应时间(总计)74.71s
-
通用智能
: 4.8
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)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)2.61s
响应时间(最大)2.82s
响应时间(总计)5.23s
-
谜题求解
: 8.2
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)3.03s
响应时间(最大)4.12s
响应时间(总计)9.10s
-
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)5.93s
响应时间(最大)5.93s
响应时间(总计)5.93s
-
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)9.91s
响应时间(最大)9.91s
响应时间(总计)9.91s
|
| #326#326 |
Granite 4.2 8Bmedium
|
6.1… |
IBM Granite |
$0.029
…
|
50.47s… |
只有当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 超时: 4 未遵循指令: 1 无答案: 1
响应时间(平均)50.47s
响应时间(最大)557.96s
响应时间(总计)1160.91s
…
|
- 总测试数
- 23
- 错误测试数
- 15
- 尝试通过率
- 37.7%
- 输入令牌
- 259,708
- 输出令牌
- 16,567
- 推理令牌
- 33,580
- 响应时间(平均)
- 50.47s
- 响应时间(总计)
- 1160.91s
- 响应时间(最大)
- 557.96s
-
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)149.50s
响应时间(最大)149.50s
响应时间(总计)149.50s
-
反AI技巧
: 8.4
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)10.34s
响应时间(最大)35.62s
响应时间(总计)41.36s
-
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)12.09s
响应时间(最大)21.31s
响应时间(总计)36.27s
-
综合
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1 超时: 1
响应时间(平均)291.12s
响应时间(最大)557.96s
响应时间(总计)582.25s
-
数据解析与提取
: 6.5
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.43s
响应时间(最大)2.31s
响应时间(总计)2.87s
-
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)13.96s
响应时间(最大)40.61s
响应时间(总计)41.88s
-
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)605ms
响应时间(最大)605ms
响应时间(总计)605ms
-
指令遵循
: 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。
超时: 1 答案错误: 1
响应时间(平均)36.86s
响应时间(最大)72.47s
响应时间(总计)73.73s
-
谜题求解
: 3.1
只有当某个测试的所有运行都通过时,才计为完全通过。
超时: 2 答案错误: 1
响应时间(平均)75.99s
响应时间(最大)116.19s
响应时间(总计)227.96s
-
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)2.24s
响应时间(最大)2.24s
响应时间(总计)2.24s
|
| #325#325 |
Step 5 Previewmedium
|
6.1… |
Stepfun |
$4.136
…
|
136.10s… |
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: 6 答案错误: 3 未遵循指令: 2 API 错误: 1 无效工具调用: 1
响应时间(平均)136.10s
响应时间(最大)438.09s
响应时间(总计)3130.27s
…
|
- 总测试数
- 23
- 错误测试数
- 13
- 尝试通过率
- 53.6%
- 输入令牌
- 261,842
- 输出令牌
- 1,434,621
- 推理令牌
- 0
- 响应时间(平均)
- 136.10s
- 响应时间(总计)
- 3130.27s
- 响应时间(最大)
- 438.09s
-
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)95.77s
响应时间(最大)95.77s
响应时间(总计)95.77s
-
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。
API 错误: 1 答案错误: 1
响应时间(平均)12.58s
响应时间(最大)36.18s
响应时间(总计)50.32s
-
编程
: 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: 2 未遵循指令: 1
响应时间(平均)363.90s
响应时间(最大)369.01s
响应时间(总计)1091.69s
-
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)124.99s
响应时间(最大)231.73s
响应时间(总计)249.98s
-
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)4.10s
响应时间(最大)5.14s
响应时间(总计)8.20s
-
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。
无答案: 3
响应时间(平均)323.23s
响应时间(最大)438.09s
响应时间(总计)969.70s
-
通用智能
: 3.4
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)34.82s
响应时间(最大)34.82s
响应时间(总计)34.82s
-
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)4.23s
响应时间(最大)4.40s
响应时间(总计)8.46s
-
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)59.88s
响应时间(最大)173.78s
响应时间(总计)179.64s
-
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)3.84s
响应时间(最大)3.84s
响应时间(总计)3.84s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1
响应时间(平均)437.86s
响应时间(最大)437.86s
响应时间(总计)437.86s
|
| #324#324 |
Qwen3.5 Plus 2026-04-20none
|
6.1… |
Qwen |
$0.216
↓
…
|
18.49s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 12 未遵循指令: 2 无效工具调用: 1
响应时间(平均)18.49s
响应时间(最大)206.05s
响应时间(总计)425.33s
…
|
- 总测试数
- 23
- 错误测试数
- 15
- 尝试通过率
- 44.9%
- 输入令牌
- 299,984
- 输出令牌
- 69,664
- 推理令牌
- 0
- 响应时间(平均)
- 18.49s
- 响应时间(总计)
- 425.33s
- 响应时间(最大)
- 206.05s
-
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)137.10s
响应时间(最大)137.10s
响应时间(总计)137.10s
-
反AI技巧
: 4.8
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)1.88s
响应时间(最大)4.81s
响应时间(总计)7.53s
-
编程
: 3.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2 未遵循指令: 1
响应时间(平均)1.69s
响应时间(最大)3.20s
响应时间(总计)5.06s
-
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)109.69s
响应时间(最大)206.05s
响应时间(总计)219.37s
-
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)2.82s
响应时间(最大)3.86s
响应时间(总计)5.65s
-
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)1.06s
响应时间(最大)1.71s
响应时间(总计)3.19s
-
通用智能
: 4.8
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)1.41s
响应时间(最大)1.41s
响应时间(总计)1.41s
-
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)1.17s
响应时间(最大)1.33s
响应时间(总计)2.35s
-
谜题求解
: 6.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)1.97s
响应时间(最大)3.43s
响应时间(总计)5.91s
-
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)4.42s
响应时间(最大)4.42s
响应时间(总计)4.42s
-
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。
答案错误: 1
响应时间(平均)33.34s
响应时间(最大)33.34s
响应时间(总计)33.34s
|
| #322#322 |
Apodex 1.1 Minilow
|
6.1… |
Apodex |
$0.000
…
|
33.68s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 9 无效工具调用: 2 未遵循指令: 1
响应时间(平均)33.68s
响应时间(最大)163.05s
响应时间(总计)774.73s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 63.8%
- 输入令牌
- 321,894
- 输出令牌
- 139,334
- 推理令牌
- 369,481
- 响应时间(平均)
- 33.68s
- 响应时间(总计)
- 774.73s
- 响应时间(最大)
- 163.05s
-
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)104.17s
响应时间(最大)104.17s
响应时间(总计)104.17s
-
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)9.10s
响应时间(最大)16.08s
响应时间(总计)36.41s
-
编程
: 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: 3
响应时间(平均)48.81s
响应时间(最大)82.28s
响应时间(总计)146.43s
-
综合
: 2.9
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 2
响应时间(平均)95.23s
响应时间(最大)163.05s
响应时间(总计)190.45s
-
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)13.02s
响应时间(最大)14.00s
响应时间(总计)26.05s
-
领域专项
: 3.6
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)50.19s
响应时间(最大)55.30s
响应时间(总计)150.57s
-
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)18.02s
响应时间(最大)18.02s
响应时间(总计)18.02s
-
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)7.71s
响应时间(最大)10.23s
响应时间(总计)15.42s
-
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)9.60s
响应时间(最大)16.54s
响应时间(总计)28.79s
-
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)3.75s
响应时间(最大)3.75s
响应时间(总计)3.75s
-
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)54.67s
响应时间(最大)54.67s
响应时间(总计)54.67s
|
| #323#323 |
Inklingnone
|
6.1… |
Thinkingmachines |
$0.292
↓
…
|
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: 13 额外格式: 1 未遵循指令: 1 无效工具调用: 1
响应时间(平均)5.30s
响应时间(最大)48.02s
响应时间(总计)121.91s
…
|
- 总测试数
- 23
- 错误测试数
- 16
- 尝试通过率
- 31.9%
- 输入令牌
- 236,599
- 输出令牌
- 11,561
- 推理令牌
- 4,975
- 响应时间(平均)
- 5.30s
- 响应时间(总计)
- 121.91s
- 响应时间(最大)
- 48.02s
-
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)45.64s
响应时间(最大)45.64s
响应时间(总计)45.64s
-
反AI技巧
: 4.8
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3
响应时间(平均)1.43s
响应时间(最大)2.89s
响应时间(总计)5.72s
-
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。
答案错误: 3
响应时间(平均)1.01s
响应时间(最大)2.25s
响应时间(总计)3.02s
-
综合
: 2.9
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1 答案错误: 1
响应时间(平均)25.74s
响应时间(最大)48.02s
响应时间(总计)51.48s
-
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)1.14s
响应时间(最大)1.33s
响应时间(总计)2.27s
-
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)1.18s
响应时间(最大)2.66s
响应时间(总计)3.54s
-
通用智能
: 5.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)859ms
响应时间(最大)859ms
响应时间(总计)859ms
-
指令遵循
: 6.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)1.72s
响应时间(最大)2.59s
响应时间(总计)3.43s
-
谜题求解
: 5.6
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 1 答案错误: 1
响应时间(平均)931ms
响应时间(最大)1.40s
响应时间(总计)2.79s
-
工具调用
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)2.50s
响应时间(最大)2.50s
响应时间(总计)2.50s
-
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)670ms
响应时间(最大)670ms
响应时间(总计)670ms
|
| #321#321 |
Trinity Large Thinkingmedium
|
6.1… |
Arcee AI |
$0.862
…
|
84.01s… |
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: 9 未遵循指令: 4 无效工具调用: 2
响应时间(平均)84.01s
响应时间(最大)525.14s
响应时间(总计)1932.24s
…
|
- 总测试数
- 23
- 错误测试数
- 15
- 尝试通过率
- 49.3%
- 输入令牌
- 319,352
- 输出令牌
- 158,447
- 推理令牌
- 875,524
- 响应时间(平均)
- 84.01s
- 响应时间(总计)
- 1932.24s
- 响应时间(最大)
- 525.14s
-
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)52.50s
响应时间(最大)52.50s
响应时间(总计)52.50s
-
反AI技巧
: 6.8
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)5.11s
响应时间(最大)7.44s
响应时间(总计)20.43s
-
编程
: 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)179.02s
响应时间(最大)204.02s
响应时间(总计)537.06s
-
综合
: 2.9
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 2
响应时间(平均)382.70s
响应时间(最大)525.14s
响应时间(总计)765.39s
-
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)16.38s
响应时间(最大)25.39s
响应时间(总计)32.75s
-
领域专项
: 5.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)124.17s
响应时间(最大)185.24s
响应时间(总计)372.50s
-
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)32.22s
响应时间(最大)32.22s
响应时间(总计)32.22s
-
指令遵循
: 4.4
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间(平均)3.99s
响应时间(最大)4.44s
响应时间(总计)7.98s
-
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: 2 答案错误: 1
响应时间(平均)2.90s
响应时间(最大)4.88s
响应时间(总计)8.71s
-
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)5.26s
响应时间(最大)5.26s
响应时间(总计)5.26s
-
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。
答案错误: 1
响应时间(平均)97.44s
响应时间(最大)97.44s
响应时间(总计)97.44s
|
| #320#320 |
Beam 1.0 501B A23Bhigh
|
6.1… |
Reflection |
$0.674
…
|
9.03s… |
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 API 错误: 3 未遵循指令: 2
响应时间(平均)9.03s
响应时间(最大)36.04s
响应时间(总计)207.67s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 59.4%
- 输入令牌
- 232,218
- 输出令牌
- 4,944
- 推理令牌
- 142,263
- 响应时间(平均)
- 9.03s
- 响应时间(总计)
- 207.67s
- 响应时间(最大)
- 36.04s
-
智能体任务
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)33.55s
响应时间(最大)33.55s
响应时间(总计)33.55s
-
反AI技巧
: 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。
未遵循指令: 1
响应时间(平均)1.36s
响应时间(最大)2.48s
响应时间(总计)5.43s
-
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)21.05s
响应时间(最大)36.04s
响应时间(总计)63.15s
-
综合
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 2
响应时间(平均)2.68s
响应时间(最大)3.80s
响应时间(总计)5.36s
-
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)2.18s
响应时间(总计)3.32s
-
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)20.70s
响应时间(最大)32.05s
响应时间(总计)62.11s
-
通用智能
: 5.1
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)1.94s
响应时间(最大)1.94s
响应时间(总计)1.94s
-
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)1.27s
响应时间(最大)1.60s
响应时间(总计)2.55s
-
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)4.02s
响应时间(最大)6.66s
响应时间(总计)12.06s
-
工具调用
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 1
响应时间(平均)1.82s
响应时间(最大)1.82s
响应时间(总计)1.82s
-
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)16.40s
响应时间(最大)16.40s
响应时间(总计)16.40s
|
| #319#319 |
Gemini 3.5 Flashnone
|
6.1… |
Google |
$1.752
…
|
14.13s… |
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: 4 无效工具调用: 1
响应时间(平均)14.13s
响应时间(最大)85.26s
响应时间(总计)268.55s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 68.1%
- 输入令牌
- 246,061
- 输出令牌
- 3,828
- 推理令牌
- 149,767
- 响应时间(平均)
- 14.13s
- 响应时间(总计)
- 268.55s
- 响应时间(最大)
- 85.26s
-
智能体任务
: 2.8
只有当某个测试的所有运行都通过时,才计为完全通过。
无效工具调用: 1
响应时间(平均)85.26s
响应时间(最大)85.26s
响应时间(总计)85.26s
-
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)2.53s
响应时间(最大)3.43s
响应时间(总计)10.12s
-
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)34.69s
响应时间(最大)64.36s
响应时间(总计)104.06s
-
综合
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 2
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
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)8.10s
响应时间(最大)8.10s
响应时间(总计)8.10s
-
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)12.18s
响应时间(最大)14.00s
响应时间(总计)36.54s
-
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)3.46s
响应时间(最大)3.46s
响应时间(总计)3.46s
-
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)3.38s
响应时间(最大)3.40s
响应时间(总计)6.76s
-
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)3.13s
响应时间(最大)3.33s
响应时间(总计)9.39s
-
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
: 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)4.87s
响应时间(最大)4.87s
响应时间(总计)4.87s
|
| #318#318 |
Claude Fable 5.1low
|
6.2… |
Anthropic |
$3.395
…
|
11.40s… |
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: 4 答案错误: 4 未遵循指令: 3 API 错误: 1
响应时间(平均)11.40s
响应时间(最大)34.77s
响应时间(总计)262.14s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 55.1%
- 输入令牌
- 209,116
- 输出令牌
- 10,031
- 推理令牌
- 16,042
- 响应时间(平均)
- 11.40s
- 响应时间(总计)
- 262.14s
- 响应时间(最大)
- 34.77s
-
智能体任务
: 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。
API 错误: 1
响应时间(平均)34.77s
响应时间(最大)34.77s
响应时间(总计)34.77s
-
反AI技巧
: 6.5
只有当某个测试的所有运行都通过时,才计为完全通过。
额外格式: 2
响应时间(平均)4.54s
响应时间(最大)4.91s
响应时间(总计)18.16s
-
编程
: 3.4
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 2 额外格式: 1
响应时间(平均)6.75s
响应时间(最大)7.70s
响应时间(总计)20.24s
-
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)29.40s
响应时间(最大)33.10s
响应时间(总计)58.80s
-
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)4.71s
响应时间(最大)4.86s
响应时间(总计)9.43s
-
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)19.30s
响应时间(最大)19.72s
响应时间(总计)57.90s
-
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)5.62s
响应时间(最大)5.62s
响应时间(总计)5.62s
-
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。
额外格式: 1
响应时间(平均)5.24s
响应时间(最大)5.70s
响应时间(总计)10.49s
-
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)4.78s
响应时间(最大)5.07s
响应时间(总计)14.33s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)13.22s
响应时间(最大)13.22s
响应时间(总计)13.22s
-
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)19.18s
响应时间(最大)19.18s
响应时间(总计)19.18s
|
| #317#317 |
Gemini 3.1 Flash Lite Previewnone
|
6.2… |
Google |
$0.090
…
|
3.60s… |
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: 8 未遵循指令: 2 无答案: 1
响应时间(平均)3.60s
响应时间(最大)48.59s
响应时间(总计)82.91s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 55.1%
- 输入令牌
- 261,962
- 输出令牌
- 12,799
- 推理令牌
- 2,961
- 响应时间(平均)
- 3.60s
- 响应时间(总计)
- 82.91s
- 响应时间(最大)
- 48.59s
-
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)48.59s
响应时间(最大)48.59s
响应时间(总计)48.59s
-
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。
未遵循指令: 1 答案错误: 1
响应时间(平均)1.04s
响应时间(最大)1.47s
响应时间(总计)4.17s
-
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)967ms
响应时间(最大)1.47s
响应时间(总计)2.90s
-
综合
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
无答案: 1 答案错误: 1
响应时间(平均)6.23s
响应时间(最大)9.27s
响应时间(总计)12.46s
-
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)1.22s
响应时间(最大)1.33s
响应时间(总计)2.44s
-
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)811ms
响应时间(最大)1.12s
响应时间(总计)2.43s
-
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)741ms
响应时间(最大)741ms
响应时间(总计)741ms
-
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)1.13s
响应时间(最大)1.14s
响应时间(总计)2.27s
-
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)900ms
响应时间(最大)962ms
响应时间(总计)2.70s
-
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)3.39s
响应时间(最大)3.39s
响应时间(总计)3.39s
-
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)814ms
响应时间(最大)814ms
响应时间(总计)814ms
|
| #316#316 |
DeepSeek V4 Flash 0731none
|
6.2… |
DeepSeek |
$0.053
↑
…
|
27.42s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 13 未遵循指令: 2 无效工具调用: 2 额外格式: 1
响应时间(平均)27.42s
响应时间(最大)387.15s
响应时间(总计)630.70s
…
|
- 总测试数
- 23
- 错误测试数
- 18
- 尝试通过率
- 30.4%
- 输入令牌
- 349,876
- 输出令牌
- 39,789
- 推理令牌
- 0
- 响应时间(平均)
- 27.42s
- 响应时间(总计)
- 630.70s
- 响应时间(最大)
- 387.15s
-
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)174.89s
响应时间(最大)174.89s
响应时间(总计)174.89s
-
反AI技巧
: 3.4
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 3 未遵循指令: 1
响应时间(平均)4.19s
响应时间(最大)6.04s
响应时间(总计)16.76s
-
编程
: 4.3
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: 3
响应时间(平均)1.72s
响应时间(最大)3.55s
响应时间(总计)5.16s
-
综合
: 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。
无效工具调用: 2
响应时间(平均)202.44s
响应时间(最大)387.15s
响应时间(总计)404.87s
-
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)2.37s
响应时间(最大)2.66s
响应时间(总计)4.75s
-
领域专项
: 5.3
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)1.17s
响应时间(最大)1.66s
响应时间(总计)3.50s
-
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)3.22s
响应时间(最大)3.22s
响应时间(总计)3.22s
-
指令遵循
: 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 答案错误: 1
响应时间(平均)1.42s
响应时间(最大)1.62s
响应时间(总计)2.84s
-
谜题求解
: 3.2
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2 额外格式: 1
响应时间(平均)2.74s
响应时间(最大)3.54s
响应时间(总计)8.23s
-
工具调用
: 9.5
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)4.61s
响应时间(最大)4.61s
响应时间(总计)4.61s
-
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)1.85s
响应时间(最大)1.85s
响应时间(总计)1.85s
|
| #315#315 |
GLM 5 Turbomedium已归档模型:该模型将不再更新,也不会在新测试中继续测试。
|
6.2… |
Z.ai |
$0.323
↑
…
|
23.00s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 4 未遵循指令: 1 无答案: 1 超时: 1
响应时间(平均)23.00s
响应时间(最大)194.23s
响应时间(总计)482.97s
…
|
- 总测试数
- 21
- 错误测试数
- 7
- 尝试通过率
- 68.1%
- 输入令牌
- 35,593
- 输出令牌
- 12,245
- 推理令牌
- 62,277
- 响应时间(平均)
- 23.00s
- 响应时间(总计)
- 482.97s
- 响应时间(最大)
- 194.23s
-
智能体任务
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
反AI技巧
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)4.82s
响应时间(最大)7.69s
响应时间(总计)19.26s
-
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)45.90s
响应时间(最大)95.57s
响应时间(总计)137.71s
-
综合
: 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。
没有失败答案。
响应时间(平均)13.88s
响应时间(最大)13.88s
响应时间(总计)13.88s
-
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)6.19s
响应时间(最大)6.42s
响应时间(总计)12.38s
-
领域专项
: 2.9
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2 超时: 1
响应时间(平均)71.07s
响应时间(最大)194.23s
响应时间(总计)213.22s
-
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)10.05s
响应时间(最大)10.05s
响应时间(总计)10.05s
-
指令遵循
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)5.38s
响应时间(最大)5.70s
响应时间(总计)10.77s
-
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)5.23s
响应时间(最大)7.26s
响应时间(总计)15.69s
-
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)9.84s
响应时间(最大)9.84s
响应时间(总计)9.84s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)40.17s
响应时间(最大)40.17s
响应时间(总计)40.17s
|