| #12#12 |
Gemini 3.1 Flash Lite Previewhigh已归档模型：该模型将不再更新，也不会在新测试中继续测试。
|
8.6… |
Google |
$2.310
…
|
68.14s… |
只有当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）68.14s
响应时间（最大）280.52s
响应时间（总计）1090.28s
…
|
- 总测试数
- 16
- 错误测试数
- 3
- 尝试通过率
- 81.3%
- 输入令牌
- 28,980
- 输出令牌
- 1,283
- 推理令牌
- 1,533,310
- 响应时间（平均）
- 68.14s
- 响应时间（总计）
- 1090.28s
- 响应时间（最大）
- 280.52s
-
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）43.87s
响应时间（最大）121.88s
响应时间（总计）131.62s
-
综合
: 10.0
只有当某个测试的所有运行都通过时，才计为完全通过。
没有失败答案。
响应时间（平均）280.52s
响应时间（最大）280.52s
响应时间（总计）280.52s
-
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）7.16s
响应时间（最大）8.54s
响应时间（总计）14.31s
-
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）127.58s
响应时间（最大）133.93s
响应时间（总计）382.74s
-
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）5.25s
响应时间（最大）5.25s
响应时间（总计）5.25s
-
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）64.03s
响应时间（最大）124.45s
响应时间（总计）128.06s
-
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）46.68s
响应时间（最大）134.22s
响应时间（总计）140.04s
-
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）7.73s
响应时间（最大）7.73s
响应时间（总计）7.73s
|
| #13#13 |
Grok 4.20 Betamedium已归档模型：该模型将不再更新，也不会在新测试中继续测试。
|
8.5… |
X AI |
$0.750
↑
…
|
9.75s… |
只有当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）9.75s
响应时间（最大）31.36s
响应时间（总计）175.48s
…
|
- 总测试数
- 18
- 错误测试数
- 4
- 尝试通过率
- 81.5%
- 输入令牌
- 35,955
- 输出令牌
- 1,647
- 推理令牌
- 91,565
- 响应时间（平均）
- 9.75s
- 响应时间（总计）
- 175.48s
- 响应时间（最大）
- 31.36s
-
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）3.16s
响应时间（最大）3.44s
响应时间（总计）12.65s
-
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）31.36s
响应时间（最大）31.36s
响应时间（总计）31.36s
-
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）20.93s
响应时间（最大）20.93s
响应时间（总计）20.93s
-
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）4.01s
响应时间（最大）4.27s
响应时间（总计）8.02s
-
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）21.33s
响应时间（最大）24.21s
响应时间（总计）64.00s
-
通用智能
: 10.0
只有当某个测试的所有运行都通过时，才计为完全通过。
没有失败答案。
响应时间（平均）5.78s
响应时间（最大）5.78s
响应时间（总计）5.78s
-
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）4.89s
响应时间（最大）5.89s
响应时间（总计）9.78s
-
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）3.52s
响应时间（最大）4.53s
响应时间（总计）10.57s
-
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）12.39s
响应时间（最大）12.39s
响应时间（总计）12.39s
|
| #35#35 |
Gemini 3 PRO Previewmedium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。
|
7.6… |
Google |
$0.385
↑
…
|
9.05s… |
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: 3
响应时间（平均）9.05s
响应时间（最大）26.24s
响应时间（总计）90.53s
…
|
- 总测试数
- 21
- 错误测试数
- 7
- 尝试通过率
- 66.7%
- 输入令牌
- 28,848
- 输出令牌
- 1,490
- 推理令牌
- 10,102
- 响应时间（平均）
- 9.05s
- 响应时间（总计）
- 90.53s
- 响应时间（最大）
- 26.24s
-
反AI技巧
: 10.0
只有当某个测试的所有运行都通过时，才计为完全通过。
没有失败答案。
响应时间（平均）14.99s
响应时间（最大）26.24s
响应时间（总计）29.99s
-
编程
: 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: 3
响应时间（平均）0ms
响应时间（最大）0ms
响应时间（总计）0ms
-
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: 1
响应时间（平均）10.37s
响应时间（最大）10.37s
响应时间（总计）10.37s
-
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）10.84s
响应时间（最大）10.84s
响应时间（总计）10.84s
-
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）7.01s
响应时间（最大）7.01s
响应时间（总计）7.01s
-
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）9.34s
响应时间（最大）9.34s
响应时间（总计）9.34s
-
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）3.26s
响应时间（最大）3.26s
响应时间（总计）3.26s
-
谜题求解
: 10.0
只有当某个测试的所有运行都通过时，才计为完全通过。
没有失败答案。
响应时间（平均）3.88s
响应时间（最大）4.23s
响应时间（总计）7.77s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时，才计为完全通过。
没有失败答案。
响应时间（平均）11.96s
响应时间（最大）11.96s
响应时间（总计）11.96s
-
常识问答
: 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
|
| #79#79 |
Hunter Alphamedium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。
|
6.7… |
OpenRouter |
$0.000
…
|
10.33s… |
只有当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 超时: 2 API 错误: 1 额外格式: 1
响应时间（平均）10.33s
响应时间（最大）30.53s
响应时间（总计）175.58s
…
|
- 总测试数
- 18
- 错误测试数
- 10
- 尝试通过率
- 64.8%
- 输入令牌
- 28,927
- 输出令牌
- 4,682
- 推理令牌
- 17,969
- 响应时间（平均）
- 10.33s
- 响应时间（总计）
- 175.58s
- 响应时间（最大）
- 30.53s
-
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。
答案错误: 2
响应时间（平均）4.75s
响应时间（最大）7.62s
响应时间（总计）19.00s
-
编程
: 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
-
综合
: 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。
超时: 1
响应时间（平均）30.53s
响应时间（最大）30.53s
响应时间（总计）30.53s
-
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）23.16s
响应时间（最大）26.55s
响应时间（总计）46.33s
-
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。
额外格式: 1 超时: 1 答案错误: 1
响应时间（平均）10.52s
响应时间（最大）18.68s
响应时间（总计）31.56s
-
通用智能
: 7.0
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）6.44s
响应时间（最大）6.44s
响应时间（总计）6.44s
-
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）4.18s
响应时间（最大）4.46s
响应时间（总计）8.36s
-
谜题求解
: 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 答案错误: 1
响应时间（平均）5.35s
响应时间（最大）6.20s
响应时间（总计）16.06s
-
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）17.33s
响应时间（最大）17.33s
响应时间（总计）17.33s
|
| #84#84 |
Grok 4.20 Multi Agent Betamedium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。
|
6.6… |
X AI |
$5.599
↑
…
|
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: 4 API 错误: 2 额外格式: 2 未遵循指令: 2
响应时间（平均）9.69s
响应时间（最大）35.28s
响应时间（总计）155.07s
…
|
- 总测试数
- 18
- 错误测试数
- 10
- 尝试通过率
- 59.3%
- 输入令牌
- 721,952
- 输出令牌
- 294,668
- 推理令牌
- 305,374
- 响应时间（平均）
- 9.69s
- 响应时间（总计）
- 155.07s
- 响应时间（最大）
- 35.28s
-
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。
额外格式: 1 答案错误: 1
响应时间（平均）3.46s
响应时间（最大）4.38s
响应时间（总计）13.86s
-
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）27.11s
响应时间（最大）27.11s
响应时间（总计）27.11s
-
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: 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
: 10.0
只有当某个测试的所有运行都通过时，才计为完全通过。
没有失败答案。
响应时间（平均）5.54s
响应时间（最大）7.51s
响应时间（总计）11.08s
-
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 额外格式: 1
响应时间（平均）24.67s
响应时间（最大）35.28s
响应时间（总计）74.02s
-
通用智能
: 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
响应时间（平均）6.40s
响应时间（最大）6.40s
响应时间（总计）6.40s
-
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）3.52s
响应时间（最大）3.80s
响应时间（总计）7.04s
-
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。
未遵循指令: 1 答案错误: 1
响应时间（平均）5.19s
响应时间（最大）5.49s
响应时间（总计）15.57s
-
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
|
| #93#93 |
Qwen3.6 Plus Previewmedium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。
|
6.3… |
Qwen |
$0.000
…
|
15.25s… |
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: 8 答案错误: 2
响应时间（平均）15.25s
响应时间（最大）43.55s
响应时间（总计）182.96s
…
|
- 总测试数
- 19
- 错误测试数
- 10
- 尝试通过率
- 47.4%
- 输入令牌
- 32,639
- 输出令牌
- 1,153
- 推理令牌
- 62,197
- 响应时间（平均）
- 15.25s
- 响应时间（总计）
- 182.96s
- 响应时间（最大）
- 43.55s
-
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。
API 错误: 1
响应时间（平均）11.69s
响应时间（最大）19.37s
响应时间（总计）35.08s
-
编程
: 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
-
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）34.95s
响应时间（最大）34.95s
响应时间（总计）34.95s
-
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）14.95s
响应时间（最大）15.40s
响应时间（总计）29.90s
-
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）22.08s
响应时间（最大）43.55s
响应时间（总计）66.23s
-
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。
API 错误: 1
响应时间（平均）3.40s
响应时间（最大）3.40s
响应时间（总计）3.40s
-
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: 2
响应时间（平均）7.52s
响应时间（最大）7.52s
响应时间（总计）7.52s
-
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）5.87s
响应时间（最大）5.87s
响应时间（总计）5.87s
-
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
|
| #106#106 |
Grok 4.20 Betanone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。
|
5.8… |
X AI |
$0.087
↓
…
|
1.19s… |
只有当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: 1 无效工具调用: 1
响应时间（平均）1.19s
响应时间（最大）6.48s
响应时间（总计）21.43s
…
|
- 总测试数
- 18
- 错误测试数
- 12
- 尝试通过率
- 37.0%
- 输入令牌
- 40,597
- 输出令牌
- 1,657
- 推理令牌
- 0
- 响应时间（平均）
- 1.19s
- 响应时间（总计）
- 21.43s
- 响应时间（最大）
- 6.48s
-
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: 4
响应时间（平均）597ms
响应时间（最大）866ms
响应时间（总计）2.39s
-
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: 1
响应时间（平均）1.14s
响应时间（最大）1.14s
响应时间（总计）1.14s
-
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
响应时间（平均）6.48s
响应时间（最大）6.48s
响应时间（总计）6.48s
-
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）601ms
响应时间（最大）634ms
响应时间（总计）1.20s
-
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）611ms
响应时间（最大）616ms
响应时间（总计）1.83s
-
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）541ms
响应时间（最大）541ms
响应时间（总计）541ms
-
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）649ms
响应时间（最大）952ms
响应时间（总计）1.30s
-
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）586ms
响应时间（最大）813ms
响应时间（总计）1.76s
-
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）4.79s
响应时间（最大）4.79s
响应时间（总计）4.79s
|
| #116#116 |
Hunter Alphanone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。
|
5.7… |
OpenRouter |
$0.000
…
|
4.70s… |
只有当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 API 错误: 1
响应时间（平均）4.70s
响应时间（最大）15.17s
响应时间（总计）79.86s
…
|
- 总测试数
- 18
- 错误测试数
- 12
- 尝试通过率
- 46.3%
- 输入令牌
- 34,329
- 输出令牌
- 2,264
- 推理令牌
- 0
- 响应时间（平均）
- 4.70s
- 响应时间（总计）
- 79.86s
- 响应时间（最大）
- 15.17s
-
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）3.81s
响应时间（最大）6.85s
响应时间（总计）15.23s
-
编程
: 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
-
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: 1
响应时间（平均）15.17s
响应时间（最大）15.17s
响应时间（总计）15.17s
-
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）8.49s
响应时间（最大）14.02s
响应时间（总计）16.98s
-
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）2.33s
响应时间（最大）2.94s
响应时间（总计）6.99s
-
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）2.71s
响应时间（最大）2.71s
响应时间（总计）2.71s
-
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。
答案错误: 1
响应时间（平均）2.82s
响应时间（最大）2.92s
响应时间（总计）5.65s
-
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）3.71s
响应时间（最大）5.43s
响应时间（总计）11.13s
-
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）6.02s
响应时间（最大）6.02s
响应时间（总计）6.02s
|
| #127#127 |
Grok 4.20none
|
5.4… |
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
- 33.3%
- 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
-
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
: 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）1.22s
响应时间（最大）1.22s
响应时间（总计）1.22s
-
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
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
|
| #136#136 |
Elephant Alphamedium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。
|
5.1… |
Openrouter |
$0.000
…
|
1.27s… |
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: 9 API 错误: 3 未遵循指令: 2 无效工具调用: 1
响应时间（平均）1.27s
响应时间（最大）3.70s
响应时间（总计）22.82s
…
|
- 总测试数
- 21
- 错误测试数
- 15
- 尝试通过率
- 30.2%
- 输入令牌
- 33,744
- 输出令牌
- 2,596
- 推理令牌
- 0
- 响应时间（平均）
- 1.27s
- 响应时间（总计）
- 22.82s
- 响应时间（最大）
- 3.70s
-
反AI技巧
: 6.6
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 2
响应时间（平均）1.19s
响应时间（最大）2.04s
响应时间（总计）4.75s
-
编程
: 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。
API 错误: 2 答案错误: 1
响应时间（平均）1.30s
响应时间（最大）1.30s
响应时间（总计）1.30s
-
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: 1
响应时间（平均）3.70s
响应时间（最大）3.70s
响应时间（总计）3.70s
-
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）979ms
响应时间（最大）1.02s
响应时间（总计）1.96s
-
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）925ms
响应时间（最大）1.16s
响应时间（总计）2.77s
-
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）920ms
响应时间（最大）920ms
响应时间（总计）920ms
-
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）987ms
响应时间（最大）1.13s
响应时间（总计）1.97s
-
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）868ms
响应时间（最大）972ms
响应时间（总计）2.60s
-
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）2.83s
响应时间（最大）2.83s
响应时间（总计）2.83s
-
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
|
| #137#137 |
Elephant Alphanone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。
|
5.1… |
Openrouter |
$0.000
…
|
1.22s… |
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 9 API 错误: 3 未遵循指令: 3 无效工具调用: 1
响应时间（平均）1.22s
响应时间（最大）3.81s
响应时间（总计）22.03s
…
|
- 总测试数
- 21
- 错误测试数
- 16
- 尝试通过率
- 27.0%
- 输入令牌
- 33,743
- 输出令牌
- 2,573
- 推理令牌
- 0
- 响应时间（平均）
- 1.22s
- 响应时间（总计）
- 22.03s
- 响应时间（最大）
- 3.81s
-
反AI技巧
: 6.6
只有当某个测试的所有运行都通过时，才计为完全通过。
未遵循指令: 1 答案错误: 1
响应时间（平均）963ms
响应时间（最大）1.68s
响应时间（总计）3.85s
-
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。
API 错误: 2 答案错误: 1
响应时间（平均）1.39s
响应时间（最大）1.39s
响应时间（总计）1.39s
-
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: 1
响应时间（平均）3.81s
响应时间（最大）3.81s
响应时间（总计）3.81s
-
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）1.04s
响应时间（最大）1.05s
响应时间（总计）2.08s
-
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）927ms
响应时间（最大）1.17s
响应时间（总计）2.78s
-
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）854ms
响应时间（最大）854ms
响应时间（总计）854ms
-
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）1.03s
响应时间（最大）1.17s
响应时间（总计）2.07s
-
谜题求解
: 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: 2 未遵循指令: 1
响应时间（平均）807ms
响应时间（最大）925ms
响应时间（总计）2.42s
-
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）2.79s
响应时间（最大）2.79s
响应时间（总计）2.79s
-
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
|
| #159#159 |
Ling-2.6-1Tnone
|
4.3… |
Inclusionai |
$0.005
↕
…
|
7.72s… |
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 12 API 错误: 3 未遵循指令: 2 无效工具调用: 1
响应时间（平均）7.72s
响应时间（最大）25.72s
响应时间（总计）139.00s
…
|
- 总测试数
- 21
- 错误测试数
- 18
- 尝试通过率
- 14.3%
- 输入令牌
- 34,905
- 输出令牌
- 2,434
- 推理令牌
- 0
- 响应时间（平均）
- 7.72s
- 响应时间（总计）
- 139.00s
- 响应时间（最大）
- 25.72s
-
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: 4
响应时间（平均）6.55s
响应时间（最大）9.41s
响应时间（总计）26.19s
-
编程
: 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。
API 错误: 2 答案错误: 1
响应时间（平均）10.57s
响应时间（最大）10.57s
响应时间（总计）10.57s
-
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: 1
响应时间（平均）23.53s
响应时间（最大）23.53s
响应时间（总计）23.53s
-
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）1.37s
响应时间（最大）1.37s
响应时间（总计）2.73s
-
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）1.04s
响应时间（最大）1.08s
响应时间（总计）3.11s
-
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）20.34s
响应时间（最大）20.34s
响应时间（总计）20.34s
-
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。
答案错误: 1
响应时间（平均）5.36s
响应时间（最大）9.81s
响应时间（总计）10.73s
-
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。
答案错误: 2 未遵循指令: 1
响应时间（平均）5.36s
响应时间（最大）13.26s
响应时间（总计）16.09s
-
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）25.72s
响应时间（最大）25.72s
响应时间（总计）25.72s
-
常识问答
: 3.0
只有当某个测试的所有运行都通过时，才计为完全通过。
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
|
| #160#160 |
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。
|
4.2… |
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
- 16.7%
- 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
: 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。
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
-
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: 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
|