| #407#407 |
Grok 4.20none54/69 次尝试 (目标：每项测试重复 3 次)
|
3.4… |
X AI |
$0.057
↓
…
|
1.11s… |
只有当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: 1 无效工具调用: 1
响应时间（平均）1.11s
响应时间（最大）6.04s
响应时间（总计）19.96s
…
|
- 总测试数
- 18
- 错误测试数
- 12
- 尝试通过率
- 26.1%
- 输入令牌
- 41,313
- 输出令牌
- 1,923
- 推理令牌
- 0
- 响应时间（平均）
- 1.11s
- 响应时间（总计）
- 19.96s
- 响应时间（最大）
- 6.04s
-
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。
答案错误: 3
响应时间（平均）501ms
响应时间（最大）839ms
响应时间（总计）2.01s
-
编程
: 1.1
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）1.22s
响应时间（最大）1.22s
响应时间（总计）1.22s
-
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。
无效工具调用: 1
响应时间（平均）6.04s
响应时间（最大）6.04s
响应时间（总计）6.04s
-
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）522ms
响应时间（最大）537ms
响应时间（总计）1.04s
-
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 额外格式: 1
响应时间（平均）687ms
响应时间（最大）821ms
响应时间（总计）2.06s
-
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）659ms
响应时间（最大）659ms
响应时间（总计）659ms
-
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）445ms
响应时间（最大）505ms
响应时间（总计）889ms
-
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）473ms
响应时间（最大）502ms
响应时间（总计）1.42s
-
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）4.63s
响应时间（最大）4.63s
响应时间（总计）4.63s
-
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
|
| #426#426 |
Drex v1.5default36/69 次尝试. 选项由适配器提供。支持 12/23 项测试。其他测试不受支持，并非失败。分数按完整测试集计算。
|
2.4… |
Nace AI |
$0.002
…
|
986ms… |
只有当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
响应时间（平均）986ms
响应时间（最大）1.38s
响应时间（总计）11.84s
…
|
- 总测试数
- 12
- 错误测试数
- 8
- 尝试通过率
- 17.4%
- 输入令牌
- 42,804
- 输出令牌
- 27,468
- 推理令牌
- 0
- 响应时间（平均）
- 986ms
- 响应时间（总计）
- 11.84s
- 响应时间（最大）
- 1.38s
-
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
: 4.0
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）871ms
响应时间（最大）1.23s
响应时间（总计）2.61s
-
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: 1
响应时间（平均）794ms
响应时间（最大）930ms
响应时间（总计）1.59s
-
综合
: 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
-
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）1.10s
响应时间（最大）1.19s
响应时间（总计）2.20s
-
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）1.09s
响应时间（最大）1.38s
响应时间（总计）3.26s
-
通用智能
: 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
-
指令遵循
: 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。
答案错误: 1
响应时间（平均）1.33s
响应时间（最大）1.33s
响应时间（总计）1.33s
-
谜题求解
: 1.0
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）850ms
响应时间（最大）850ms
响应时间（总计）850ms
-
工具调用
: 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
-
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
|
| #438#438 |
Microsoft-Decision-1default36/69 次尝试. 选项由适配器提供。支持 12/23 项测试。其他测试不受支持，并非失败。分数按完整测试集计算。
|
1.4… |
Microsoft |
$0.002
…
|
982ms… |
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 11
响应时间（平均）982ms
响应时间（最大）1.41s
响应时间（总计）11.78s
…
|
- 总测试数
- 12
- 错误测试数
- 11
- 尝试通过率
- 7.3%
- 输入令牌
- 41,466
- 输出令牌
- 69
- 推理令牌
- 0
- 响应时间（平均）
- 982ms
- 响应时间（总计）
- 11.78s
- 响应时间（最大）
- 1.41s
-
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
: 4.4
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）992ms
响应时间（最大）1.41s
响应时间（总计）2.98s
-
编程
: 2.2
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）857ms
响应时间（最大）898ms
响应时间（总计）1.71s
-
综合
: 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
-
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）1.16s
响应时间（最大）1.21s
响应时间（总计）2.33s
-
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）1.03s
响应时间（最大）1.10s
响应时间（总计）3.10s
-
通用智能
: 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
-
指令遵循
: 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。
答案错误: 1
响应时间（平均）997ms
响应时间（最大）997ms
响应时间（总计）997ms
-
谜题求解
: 1.7
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）669ms
响应时间（最大）669ms
响应时间（总计）669ms
-
工具调用
: 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
-
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
|
| #431#431 |
Clef Omnidefault36/69 次尝试. 选项由适配器提供。支持 12/23 项测试。其他测试不受支持，并非失败。分数按完整测试集计算。
|
1.9… |
Cloudflare |
$0.011
…
|
880ms… |
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 9 未遵循指令: 1
响应时间（平均）880ms
响应时间（最大）1.31s
响应时间（总计）10.56s
…
|
- 总测试数
- 12
- 错误测试数
- 10
- 尝试通过率
- 8.7%
- 输入令牌
- 70,125
- 输出令牌
- 0
- 推理令牌
- 0
- 响应时间（平均）
- 880ms
- 响应时间（总计）
- 10.56s
- 响应时间（最大）
- 1.31s
-
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
: 4.0
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）861ms
响应时间（最大）1.12s
响应时间（总计）2.58s
-
编程
: 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。
未遵循指令: 1 答案错误: 1
响应时间（平均）614ms
响应时间（最大）749ms
响应时间（总计）1.23s
-
综合
: 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
-
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）1.06s
响应时间（最大）1.18s
响应时间（总计）2.11s
-
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）1.05s
响应时间（最大）1.31s
响应时间（总计）3.16s
-
通用智能
: 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
-
指令遵循
: 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。
答案错误: 1
响应时间（平均）904ms
响应时间（最大）904ms
响应时间（总计）904ms
-
谜题求解
: 1.7
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）572ms
响应时间（最大）572ms
响应时间（总计）572ms
-
工具调用
: 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
-
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
|
| #416#416 |
Laguna Xs.2default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。
|
3.1… |
Poolside |
$0.004
↕
…
|
806ms… |
只有当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 API 错误: 4 未遵循指令: 1 无效工具调用: 1
响应时间（平均）806ms
响应时间（最大）2.01s
响应时间（总计）12.09s
…
|
- 总测试数
- 19
- 错误测试数
- 14
- 尝试通过率
- 21.7%
- 输入令牌
- 33,675
- 输出令牌
- 2,826
- 推理令牌
- 0
- 响应时间（平均）
- 806ms
- 响应时间（总计）
- 12.09s
- 响应时间（最大）
- 2.01s
-
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
: 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 未遵循指令: 1
响应时间（平均）534ms
响应时间（最大）906ms
响应时间（总计）1.60s
-
编程
: 0.8
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）1.96s
响应时间（最大）1.96s
响应时间（总计）1.96s
-
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。
答案错误: 1
响应时间（平均）2.01s
响应时间（最大）2.01s
响应时间（总计）2.01s
-
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）646ms
响应时间（最大）658ms
响应时间（总计）1.29s
-
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）371ms
响应时间（最大）419ms
响应时间（总计）1.11s
-
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
: 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）439ms
响应时间（最大）448ms
响应时间（总计）878ms
-
谜题求解
: 5.3
只有当某个测试的所有运行都通过时，才计为完全通过。
API 错误: 1 答案错误: 1
响应时间（平均）650ms
响应时间（最大）843ms
响应时间（总计）1.30s
-
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。
无效工具调用: 1
响应时间（平均）1.93s
响应时间（最大）1.93s
响应时间（总计）1.93s
-
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。
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
|
| #436#436 |
LFM2-24B-A2Bdefault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。
|
1.8… |
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
- 11.6%
- 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
-
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
: 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
|
| #422#422 |
Nemotron 3 Nano Omni 30b A3b Reasoningdefault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。
|
2.6… |
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
- 14.5%
- 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
-
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。
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
|
| #423#423 |
Jev 1.13default36/69 次尝试. 选项由适配器提供。支持 12/23 项测试。其他测试不受支持，并非失败。分数按完整测试集计算。
|
2.6… |
Typesafe |
$0.003
…
|
698ms… |
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 6
响应时间（平均）698ms
响应时间（最大）1.08s
响应时间（总计）8.38s
…
|
- 总测试数
- 12
- 错误测试数
- 6
- 尝试通过率
- 26.1%
- 输入令牌
- 67,092
- 输出令牌
- 18,927
- 推理令牌
- 0
- 响应时间（平均）
- 698ms
- 响应时间（总计）
- 8.38s
- 响应时间（最大）
- 1.08s
-
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
: 4.0
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）853ms
响应时间（最大）1.08s
响应时间（总计）2.56s
-
编程
: 2.2
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）598ms
响应时间（最大）658ms
响应时间（总计）1.20s
-
综合
: 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
-
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）799ms
响应时间（最大）844ms
响应时间（总计）1.60s
-
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）632ms
响应时间（最大）681ms
响应时间（总计）1.90s
-
通用智能
: 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
-
指令遵循
: 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。
答案错误: 1
响应时间（平均）557ms
响应时间（最大）557ms
响应时间（总计）557ms
-
谜题求解
: 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）573ms
响应时间（最大）573ms
响应时间（总计）573ms
-
工具调用
: 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
-
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
|
| #421#421 |
d1-ultradefault36/69 次尝试. 选项由适配器提供。支持 12/23 项测试。其他测试不受支持，并非失败。分数按完整测试集计算。
|
2.7… |
Liquid |
$0.003
…
|
531ms… |
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 7 未遵循指令: 1
响应时间（平均）531ms
响应时间（最大）697ms
响应时间（总计）6.38s
…
|
- 总测试数
- 12
- 错误测试数
- 8
- 尝试通过率
- 20.3%
- 输入令牌
- 55,956
- 输出令牌
- 0
- 推理令牌
- 0
- 响应时间（平均）
- 531ms
- 响应时间（总计）
- 6.38s
- 响应时间（最大）
- 697ms
-
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
: 4.0
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）432ms
响应时间（最大）618ms
响应时间（总计）1.30s
-
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: 1
响应时间（平均）561ms
响应时间（最大）586ms
响应时间（总计）1.12s
-
综合
: 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
-
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）587ms
响应时间（最大）697ms
响应时间（总计）1.17s
-
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）576ms
响应时间（最大）672ms
响应时间（总计）1.73s
-
通用智能
: 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
-
指令遵循
: 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。
答案错误: 1
响应时间（平均）571ms
响应时间（最大）571ms
响应时间（总计）571ms
-
谜题求解
: 1.7
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）485ms
响应时间（最大）485ms
响应时间（总计）485ms
-
工具调用
: 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
-
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
|
| #424#424 |
Decider V1.2default36/69 次尝试. 选项由适配器提供。支持 12/23 项测试。其他测试不受支持，并非失败。分数按完整测试集计算。
|
2.6… |
Perplexity |
$0.001
…
|
517ms… |
只有当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）517ms
响应时间（最大）776ms
响应时间（总计）6.20s
…
|
- 总测试数
- 12
- 错误测试数
- 7
- 尝试通过率
- 24.6%
- 输入令牌
- 48,363
- 输出令牌
- 67
- 推理令牌
- 0
- 响应时间（平均）
- 517ms
- 响应时间（总计）
- 6.20s
- 响应时间（最大）
- 776ms
-
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
: 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: 1
响应时间（平均）491ms
响应时间（最大）496ms
响应时间（总计）1.47s
-
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: 1
响应时间（平均）572ms
响应时间（最大）575ms
响应时间（总计）1.14s
-
综合
: 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
-
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）482ms
响应时间（最大）521ms
响应时间（总计）964ms
-
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）541ms
响应时间（最大）776ms
响应时间（总计）1.62s
-
通用智能
: 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
-
指令遵循
: 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。
答案错误: 1
响应时间（平均）508ms
响应时间（最大）508ms
响应时间（总计）508ms
-
谜题求解
: 1.7
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）490ms
响应时间（最大）490ms
响应时间（总计）490ms
-
工具调用
: 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
-
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
|
| #434#434 |
D1default36/69 次尝试. 选项由适配器提供。支持 12/23 项测试。其他测试不受支持，并非失败。分数按完整测试集计算。
|
1.9… |
Liquid |
$0.003
…
|
508ms… |
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 10
响应时间（平均）508ms
响应时间（最大）820ms
响应时间（总计）6.10s
…
|
- 总测试数
- 12
- 错误测试数
- 10
- 尝试通过率
- 11.6%
- 输入令牌
- 55,956
- 输出令牌
- 0
- 推理令牌
- 0
- 响应时间（平均）
- 508ms
- 响应时间（总计）
- 6.10s
- 响应时间（最大）
- 820ms
-
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
: 4.0
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）431ms
响应时间（最大）505ms
响应时间（总计）1.29s
-
编程
: 2.2
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）456ms
响应时间（最大）577ms
响应时间（总计）911ms
-
综合
: 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
-
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）418ms
响应时间（最大）518ms
响应时间（总计）836ms
-
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）555ms
响应时间（最大）589ms
响应时间（总计）1.66s
-
通用智能
: 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
-
指令遵循
: 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。
答案错误: 1
响应时间（平均）820ms
响应时间（最大）820ms
响应时间（总计）820ms
-
谜题求解
: 1.7
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）570ms
响应时间（最大）570ms
响应时间（总计）570ms
-
工具调用
: 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
-
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
|
| #440#440 |
Tev1 4B Experimentaldefault21/69 次尝试. 选项由适配器提供。支持 7/23 项测试。其他测试不受支持，并非失败。分数按完整测试集计算。
|
1.0… |
Togethercomputer |
$0.002
…
|
498ms… |
只有当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）498ms
响应时间（最大）602ms
响应时间（总计）3.49s
…
|
- 总测试数
- 7
- 错误测试数
- 4
- 尝试通过率
- 13.0%
- 输入令牌
- 33,864
- 输出令牌
- 96
- 推理令牌
- 0
- 响应时间（平均）
- 498ms
- 响应时间（总计）
- 3.49s
- 响应时间（最大）
- 602ms
-
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
: 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。
没有失败答案。
响应时间（平均）602ms
响应时间（最大）602ms
响应时间（总计）602ms
-
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
: 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
-
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）509ms
响应时间（最大）563ms
响应时间（总计）1.02s
-
领域专项
: 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。
没有失败答案。
响应时间（平均）440ms
响应时间（最大）491ms
响应时间（总计）879ms
-
通用智能
: 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
-
指令遵循
: 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。
答案错误: 1
响应时间（平均）555ms
响应时间（最大）555ms
响应时间（总计）555ms
-
谜题求解
: 1.7
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）432ms
响应时间（最大）432ms
响应时间（总计）432ms
-
工具调用
: 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
-
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
|
| #427#427 |
GPT-6 Luna Decisionsdefault36/69 次尝试. 选项由适配器提供。支持 12/23 项测试。其他测试不受支持，并非失败。分数按完整测试集计算。
|
2.4… |
OpenAI |
$0.005
…
|
495ms… |
只有当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: 1
响应时间（平均）495ms
响应时间（最大）842ms
响应时间（总计）5.94s
…
|
- 总测试数
- 12
- 错误测试数
- 9
- 尝试通过率
- 13.0%
- 输入令牌
- 47,583
- 输出令牌
- 0
- 推理令牌
- 0
- 响应时间（平均）
- 495ms
- 响应时间（总计）
- 5.94s
- 响应时间（最大）
- 842ms
-
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
: 2.3
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）436ms
响应时间（最大）476ms
响应时间（总计）1.31s
-
编程
: 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: 2
响应时间（平均）447ms
响应时间（最大）454ms
响应时间（总计）894ms
-
综合
: 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
-
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）411ms
响应时间（最大）431ms
响应时间（总计）822ms
-
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）554ms
响应时间（最大）683ms
响应时间（总计）1.66s
-
通用智能
: 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
-
指令遵循
: 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。
答案错误: 1
响应时间（平均）842ms
响应时间（最大）842ms
响应时间（总计）842ms
-
谜题求解
: 1.7
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）414ms
响应时间（最大）414ms
响应时间（总计）414ms
-
工具调用
: 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
-
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
|
| #432#432 |
Decider Flash V1.2default36/69 次尝试. 选项由适配器提供。支持 12/23 项测试。其他测试不受支持，并非失败。分数按完整测试集计算。
|
1.9… |
Perplexity |
$0.001
…
|
462ms… |
只有当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
响应时间（平均）462ms
响应时间（最大）661ms
响应时间（总计）5.55s
…
|
- 总测试数
- 12
- 错误测试数
- 9
- 尝试通过率
- 13.0%
- 输入令牌
- 49,176
- 输出令牌
- 69
- 推理令牌
- 0
- 响应时间（平均）
- 462ms
- 响应时间（总计）
- 5.55s
- 响应时间（最大）
- 661ms
-
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
: 4.0
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）466ms
响应时间（最大）486ms
响应时间（总计）1.40s
-
编程
: 2.2
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）438ms
响应时间（最大）458ms
响应时间（总计）876ms
-
综合
: 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
-
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）422ms
响应时间（最大）642ms
响应时间（总计）844ms
-
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）527ms
响应时间（最大）661ms
响应时间（总计）1.58s
-
通用智能
: 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
-
指令遵循
: 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。
答案错误: 1
响应时间（平均）424ms
响应时间（最大）424ms
响应时间（总计）424ms
-
谜题求解
: 1.0
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）424ms
响应时间（最大）424ms
响应时间（总计）424ms
-
工具调用
: 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
-
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
|
| #429#429 |
Jev 1.14default36/69 次尝试. 选项由适配器提供。支持 12/23 项测试。其他测试不受支持，并非失败。分数按完整测试集计算。
|
2.3… |
Typesafe |
$0.003
…
|
377ms… |
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 7 未遵循指令: 1
响应时间（平均）377ms
响应时间（最大）546ms
响应时间（总计）4.52s
…
|
- 总测试数
- 12
- 错误测试数
- 8
- 尝试通过率
- 23.2%
- 输入令牌
- 67,092
- 输出令牌
- 18,927
- 推理令牌
- 0
- 响应时间（平均）
- 377ms
- 响应时间（总计）
- 4.52s
- 响应时间（最大）
- 546ms
-
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
: 4.0
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）300ms
响应时间（最大）347ms
响应时间（总计）900ms
-
编程
: 2.7
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）403ms
响应时间（最大）478ms
响应时间（总计）805ms
-
综合
: 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
-
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）335ms
响应时间（最大）350ms
响应时间（总计）669ms
-
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）444ms
响应时间（最大）546ms
响应时间（总计）1.33s
-
通用智能
: 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
-
指令遵循
: 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。
答案错误: 1
响应时间（平均）543ms
响应时间（最大）543ms
响应时间（总计）543ms
-
谜题求解
: 1.7
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）270ms
响应时间（最大）270ms
响应时间（总计）270ms
-
工具调用
: 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
-
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
|
| #441#441 |
Nimble v3 9Bdefault候选模型的回答由本地硬件生成。OpenRouter 仅用于评测。 nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.21/69 次尝试. 选项由适配器提供。支持 7/23 项测试。其他测试不受支持，并非失败。分数按完整测试集计算。
|
0.8… |
Bespoke Labs |
~$0.001
仅估算 GPU 的电费，不包括计算机其他部件及硬件购置成本。 NVIDIA GeForce RTX 3090: 0.0021 h × 0.377 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.000263.
|
363ms… |
只有当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）363ms
响应时间（最大）1.24s
响应时间（总计）2.54s
…
|
- 总测试数
- 7
- 错误测试数
- 6
- 尝试通过率
- 4.4%
- 输入令牌
- 103,770
- 输出令牌
- 0
- 推理令牌
- 0
- 响应时间（平均）
- 363ms
- 响应时间（总计）
- 2.54s
- 响应时间（最大）
- 1.24s
-
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
: 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。
没有失败答案。
响应时间（平均）73ms
响应时间（最大）73ms
响应时间（总计）73ms
-
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
: 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
-
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）880ms
响应时间（最大）1.24s
响应时间（总计）1.76s
-
领域专项
: 2.0
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）80ms
响应时间（最大）91ms
响应时间（总计）160ms
-
通用智能
: 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
-
指令遵循
: 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。
答案错误: 1
响应时间（平均）469ms
响应时间（最大）469ms
响应时间（总计）469ms
-
谜题求解
: 1.7
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）79ms
响应时间（最大）79ms
响应时间（总计）79ms
-
工具调用
: 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
-
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
|
| #425#425 |
Decider V1.1 27Bdefault36/69 次尝试. 选项由适配器提供。支持 12/23 项测试。其他测试不受支持，并非失败。分数按完整测试集计算。
|
2.6… |
Perplexity |
$0.002
…
|
320ms… |
只有当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
响应时间（平均）320ms
响应时间（最大）491ms
响应时间（总计）3.84s
…
|
- 总测试数
- 12
- 错误测试数
- 8
- 尝试通过率
- 17.4%
- 输入令牌
- 73,557
- 输出令牌
- 69
- 推理令牌
- 0
- 响应时间（平均）
- 320ms
- 响应时间（总计）
- 3.84s
- 响应时间（最大）
- 491ms
-
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
: 4.0
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）321ms
响应时间（最大）491ms
响应时间（总计）964ms
-
编程
: 4.9
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 1
响应时间（平均）305ms
响应时间（最大）356ms
响应时间（总计）610ms
-
综合
: 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
-
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）286ms
响应时间（最大）316ms
响应时间（总计）572ms
-
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）313ms
响应时间（最大）352ms
响应时间（总计）939ms
-
通用智能
: 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
-
指令遵循
: 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。
答案错误: 1
响应时间（平均）333ms
响应时间（最大）333ms
响应时间（总计）333ms
-
谜题求解
: 1.7
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）422ms
响应时间（最大）422ms
响应时间（总计）422ms
-
工具调用
: 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
-
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
|