| #305#305 |
LFM2-24B-A2Bnone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。
|
2.2… |
Liquid |
$0.001
…
|
782ms… |
只有当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 API 错误: 4 未遵循指令: 1
响应时间（平均）782ms
响应时间（最大）3.15s
响应时间（总计）10.94s
…
|
- 总测试数
- 16
- 错误测试数
- 14
- 尝试通过率
- 12.1%
- 输入令牌
- 10,771
- 输出令牌
- 1,173
- 推理令牌
- 0
- 响应时间（平均）
- 782ms
- 响应时间（总计）
- 10.94s
- 响应时间（最大）
- 3.15s
-
反AI技巧
: 2.5
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）471ms
响应时间（最大）872ms
响应时间（总计）1.41s
-
编程
: 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
-
综合
: 1.5
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）0ms
响应时间（最大）0ms
响应时间（总计）0ms
-
数据解析与提取
: 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）714ms
响应时间（最大）987ms
响应时间（总计）1.43s
-
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。
API 错误: 1 答案错误: 1
响应时间（平均）287ms
响应时间（最大）334ms
响应时间（总计）860ms
-
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）395ms
响应时间（最大）395ms
响应时间（总计）395ms
-
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）752ms
响应时间（最大）1.22s
响应时间（总计）1.50s
-
谜题求解
: 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: 2 API 错误: 1
响应时间（平均）1.78s
响应时间（最大）3.15s
响应时间（总计）5.34s
-
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
: 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
|
| #303#303 |
Nemotron 3 Nano Omni 30b A3b Reasoningnone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。
|
3.2… |
NVIDIA |
$0.000
…
|
728ms… |
只有当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 API 错误: 6 未遵循指令: 2
响应时间（平均）728ms
响应时间（最大）2.21s
响应时间（总计）9.47s
…
|
- 总测试数
- 19
- 错误测试数
- 17
- 尝试通过率
- 15.2%
- 输入令牌
- 11,661
- 输出令牌
- 1,302
- 推理令牌
- 0
- 响应时间（平均）
- 728ms
- 响应时间（总计）
- 9.47s
- 响应时间（最大）
- 2.21s
-
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: 2 API 错误: 1
响应时间（平均）584ms
响应时间（最大）772ms
响应时间（总计）1.75s
-
编程
: 3.3
只有当某个测试的所有运行都通过时，才计为完全通过。
没有失败答案。
响应时间（平均）1.27s
响应时间（最大）1.27s
响应时间（总计）1.27s
-
综合
: 1.5
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）0ms
响应时间（最大）0ms
响应时间（总计）0ms
-
数据解析与提取
: 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: 2
响应时间（平均）1.42s
响应时间（最大）2.21s
响应时间（总计）2.84s
-
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）489ms
响应时间（最大）513ms
响应时间（总计）1.47s
-
通用智能
: 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
-
指令遵循
: 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 答案错误: 1
响应时间（平均）541ms
响应时间（最大）542ms
响应时间（总计）1.08s
-
谜题求解
: 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 未遵循指令: 1 答案错误: 1
响应时间（平均）532ms
响应时间（最大）580ms
响应时间（总计）1.06s
-
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）0ms
响应时间（最大）0ms
响应时间（总计）0ms
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时，才计为完全通过。
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
|
| #279#279 |
Laguna S 2.1none
|
4.5… |
Poolside |
$0.022
↓
…
|
11.67s… |
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: 18 未遵循指令: 1 无答案: 1
响应时间（平均）11.67s
响应时间（最大）200.52s
响应时间（总计）256.71s
…
|
- 总测试数
- 22
- 错误测试数
- 20
- 尝试通过率
- 15.2%
- 输入令牌
- 125,604
- 输出令牌
- 57,634
- 推理令牌
- 0
- 响应时间（平均）
- 11.67s
- 响应时间（总计）
- 256.71s
- 响应时间（最大）
- 200.52s
-
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）835ms
响应时间（最大）2.42s
响应时间（总计）3.34s
-
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。
答案错误: 3
响应时间（平均）550ms
响应时间（最大）903ms
响应时间（总计）1.65s
-
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。
无答案: 1 答案错误: 1
响应时间（平均）21.62s
响应时间（最大）41.14s
响应时间（总计）43.24s
-
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）537ms
响应时间（最大）579ms
响应时间（总计）1.07s
-
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）337ms
响应时间（最大）386ms
响应时间（总计）1.01s
-
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）815ms
响应时间（最大）815ms
响应时间（总计）815ms
-
指令遵循
: 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 答案错误: 1
响应时间（平均）566ms
响应时间（最大）653ms
响应时间（总计）1.13s
-
谜题求解
: 3.1
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 3
响应时间（平均）828ms
响应时间（最大）945ms
响应时间（总计）2.48s
-
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。
答案错误: 1
响应时间（平均）1.45s
响应时间（最大）1.45s
响应时间（总计）1.45s
-
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。
答案错误: 1
响应时间（平均）200.52s
响应时间（最大）200.52s
响应时间（总计）200.52s
|
| #291#291 |
Ling 3.0 Tinynone
|
4.0… |
Inclusionai |
$0.000
…
|
14.02s… |
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: 13 未遵循指令: 4 API 错误: 1 额外格式: 1 无效工具调用: 1
响应时间（平均）14.02s
响应时间（最大）240.61s
响应时间（总计）294.46s
…
|
- 总测试数
- 22
- 错误测试数
- 20
- 尝试通过率
- 9.1%
- 输入令牌
- 184,579
- 输出令牌
- 110,071
- 推理令牌
- 0
- 响应时间（平均）
- 14.02s
- 响应时间（总计）
- 294.46s
- 响应时间（最大）
- 240.61s
-
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: 2 额外格式: 1
响应时间（平均）5.14s
响应时间（最大）14.88s
响应时间（总计）20.55s
-
编程
: 4.2
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 3
响应时间（平均）1.19s
响应时间（最大）1.84s
响应时间（总计）3.56s
-
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。
无效工具调用: 1 答案错误: 1
响应时间（平均）124.21s
响应时间（最大）240.61s
响应时间（总计）248.43s
-
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。
未遵循指令: 1
响应时间（平均）1.14s
响应时间（最大）1.34s
响应时间（总计）2.27s
-
领域专项
: 3.0
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 2 API 错误: 1
响应时间（平均）880ms
响应时间（最大）917ms
响应时间（总计）1.76s
-
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）1.07s
响应时间（最大）1.07s
响应时间（总计）1.07s
-
指令遵循
: 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。
未遵循指令: 1 答案错误: 1
响应时间（平均）2.44s
响应时间（最大）3.84s
响应时间（总计）4.87s
-
谜题求解
: 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）2.64s
响应时间（最大）5.23s
响应时间（总计）7.91s
-
工具调用
: 3.0
只有当某个测试的所有运行都通过时，才计为完全通过。
未遵循指令: 1
响应时间（平均）3.05s
响应时间（最大）3.05s
响应时间（总计）3.05s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 1
响应时间（平均）988ms
响应时间（最大）988ms
响应时间（总计）988ms
|
| #292#292 |
Granite 4.1 8Bnone
|
4.0… |
IBM Granite |
$0.007
…
|
1.44s… |
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: 13 未遵循指令: 4 无效工具调用: 2 额外格式: 1
响应时间（平均）1.44s
响应时间（最大）16.67s
响应时间（总计）31.75s
…
|
- 总测试数
- 22
- 错误测试数
- 20
- 尝试通过率
- 9.1%
- 输入令牌
- 113,836
- 输出令牌
- 5,996
- 推理令牌
- 0
- 响应时间（平均）
- 1.44s
- 响应时间（总计）
- 31.75s
- 响应时间（最大）
- 16.67s
-
反AI技巧
: 4.9
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 2 未遵循指令: 1
响应时间（平均）844ms
响应时间（最大）1.91s
响应时间（总计）3.38s
-
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。
额外格式: 1 未遵循指令: 1 答案错误: 1
响应时间（平均）775ms
响应时间（最大）1.07s
响应时间（总计）2.33s
-
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。
无效工具调用: 2
响应时间（平均）9.28s
响应时间（最大）16.67s
响应时间（总计）18.55s
-
数据解析与提取
: 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）575ms
响应时间（最大）583ms
响应时间（总计）1.15s
-
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）287ms
响应时间（最大）348ms
响应时间（总计）860ms
-
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）499ms
响应时间（最大）499ms
响应时间（总计）499ms
-
指令遵循
: 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。
未遵循指令: 1 答案错误: 1
响应时间（平均）344ms
响应时间（最大）358ms
响应时间（总计）687ms
-
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 未遵循指令: 1
响应时间（平均）608ms
响应时间（最大）960ms
响应时间（总计）1.82s
-
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）2.17s
响应时间（最大）2.17s
响应时间（总计）2.17s
-
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）306ms
响应时间（最大）306ms
响应时间（总计）306ms
|