| #301#301 |
Gemini 3.1 Flash Lite Previewlow
|
6.3… |
Google |
$0.736
…
|
19.04s… |
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: 7 未遵循指令: 1 无效工具调用: 1
响应时间(平均)19.04s
响应时间(最大)309.35s
响应时间(总计)437.98s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 60.9%
- 输入令牌
- 309,715
- 输出令牌
- 16,170
- 推理令牌
- 422,721
- 响应时间(平均)
- 19.04s
- 响应时间(总计)
- 437.98s
- 响应时间(最大)
- 309.35s
-
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)71.29s
响应时间(最大)71.29s
响应时间(总计)71.29s
-
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)2.12s
响应时间(最大)3.18s
响应时间(总计)8.50s
-
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)1.39s
响应时间(最大)2.20s
响应时间(总计)4.16s
-
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)160.63s
响应时间(最大)309.35s
响应时间(总计)321.26s
-
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)3.00s
响应时间(最大)3.74s
响应时间(总计)5.99s
-
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)2.10s
响应时间(最大)3.51s
响应时间(总计)6.29s
-
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)1.54s
响应时间(最大)1.54s
响应时间(总计)1.54s
-
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)1.49s
响应时间(最大)1.66s
响应时间(总计)2.99s
-
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)1.69s
响应时间(最大)1.89s
响应时间(总计)5.08s
-
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)9.54s
响应时间(最大)9.54s
响应时间(总计)9.54s
-
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)1.35s
响应时间(最大)1.35s
响应时间(总计)1.35s
|
| #302#302 |
Minimax M3.1 Flashmedium
|
6.3… |
Minimax |
$0.000
…
|
19.52s… |
只有当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 API 错误: 1 无效工具调用: 1 无答案: 1
响应时间(平均)19.52s
响应时间(最大)181.80s
响应时间(总计)449.04s
…
|
- 总测试数
- 23
- 错误测试数
- 15
- 尝试通过率
- 55.1%
- 输入令牌
- 363,168
- 输出令牌
- 10,380
- 推理令牌
- 132,146
- 响应时间(平均)
- 19.52s
- 响应时间(总计)
- 449.04s
- 响应时间(最大)
- 181.80s
-
智能体任务
: 7.4
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)67.78s
响应时间(最大)67.78s
响应时间(总计)67.78s
-
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。
答案错误: 2
响应时间(平均)2.89s
响应时间(最大)6.87s
响应时间(总计)11.57s
-
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。
未遵循指令: 1 答案错误: 1
响应时间(平均)9.40s
响应时间(最大)9.64s
响应时间(总计)28.20s
-
综合
: 7.2
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)94.29s
响应时间(最大)181.80s
响应时间(总计)188.58s
-
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)864ms
响应时间(最大)1.62s
响应时间(总计)1.73s
-
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)31.93s
响应时间(最大)45.27s
响应时间(总计)95.79s
-
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。
答案错误: 1
响应时间(平均)3.77s
响应时间(最大)3.77s
响应时间(总计)3.77s
-
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)1.72s
响应时间(最大)1.92s
响应时间(总计)3.44s
-
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。
未遵循指令: 1
响应时间(平均)4.18s
响应时间(最大)9.02s
响应时间(总计)12.54s
-
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)3.13s
响应时间(最大)3.13s
响应时间(总计)3.13s
-
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)32.53s
响应时间(最大)32.53s
响应时间(总计)32.53s
|
| #303#303 |
Gemini 3.1 Flash Litelow
|
6.3… |
Google |
$0.717
…
|
19.02s… |
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: 9 无效工具调用: 1
响应时间(平均)19.02s
响应时间(最大)318.02s
响应时间(总计)437.38s
…
|
- 总测试数
- 23
- 错误测试数
- 10
- 尝试通过率
- 60.9%
- 输入令牌
- 312,368
- 输出令牌
- 9,429
- 推理令牌
- 416,147
- 响应时间(平均)
- 19.02s
- 响应时间(总计)
- 437.38s
- 响应时间(最大)
- 318.02s
-
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)79.99s
响应时间(最大)79.99s
响应时间(总计)79.99s
-
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)1.84s
响应时间(最大)3.08s
响应时间(总计)7.37s
-
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)1.53s
响应时间(最大)1.97s
响应时间(总计)4.58s
-
综合
: 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。
无效工具调用: 1 答案错误: 1
响应时间(平均)161.25s
响应时间(最大)318.02s
响应时间(总计)322.50s
-
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)1.44s
响应时间(最大)1.51s
响应时间(总计)2.89s
-
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)1.44s
响应时间(最大)1.63s
响应时间(总计)4.32s
-
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)1.37s
响应时间(最大)1.37s
响应时间(总计)1.37s
-
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)1.52s
响应时间(最大)1.68s
响应时间(总计)3.04s
-
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)1.40s
响应时间(最大)1.41s
响应时间(总计)4.20s
-
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)5.66s
响应时间(最大)5.66s
响应时间(总计)5.66s
-
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)1.46s
响应时间(最大)1.46s
响应时间(总计)1.46s
|
| #304#304 |
Solar Pro 4high
|
6.3… |
Upstage |
$0.077
↑
…
|
128.91s… |
只有当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: 3 API 错误: 1 额外格式: 1 无答案: 1
响应时间(平均)128.91s
响应时间(最大)491.07s
响应时间(总计)2965.04s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 60.9%
- 输入令牌
- 209,002
- 输出令牌
- 24,675
- 推理令牌
- 377,528
- 响应时间(平均)
- 128.91s
- 响应时间(总计)
- 2965.04s
- 响应时间(最大)
- 491.07s
-
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。
答案错误: 1
响应时间(平均)312.27s
响应时间(最大)312.27s
响应时间(总计)312.27s
-
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。
无答案: 1
响应时间(平均)58.83s
响应时间(最大)90.66s
响应时间(总计)235.34s
-
编程
: 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。
额外格式: 1 答案错误: 1
响应时间(平均)244.73s
响应时间(最大)404.04s
响应时间(总计)734.20s
-
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。
API 错误: 1
响应时间(平均)167.40s
响应时间(最大)276.53s
响应时间(总计)334.80s
-
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)62.46s
响应时间(最大)76.58s
响应时间(总计)124.93s
-
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)280.84s
响应时间(最大)491.07s
响应时间(总计)842.52s
-
通用智能
: 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。
未遵循指令: 1
响应时间(平均)42.22s
响应时间(最大)42.22s
响应时间(总计)42.22s
-
指令遵循
: 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)41.51s
响应时间(最大)59.98s
响应时间(总计)83.02s
-
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)55.22s
响应时间(最大)83.57s
响应时间(总计)165.66s
-
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)8.96s
响应时间(最大)8.96s
响应时间(总计)8.96s
-
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。
答案错误: 1
响应时间(平均)81.13s
响应时间(最大)81.13s
响应时间(总计)81.13s
|
| #305#305 |
Qwen3.5 Plus 2026-02-15none
|
6.3… |
Qwen |
$0.176
…
|
20.07s… |
只有当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 无效工具调用: 1
响应时间(平均)20.07s
响应时间(最大)183.50s
响应时间(总计)341.27s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 52.2%
- 输入令牌
- 346,064
- 输出令牌
- 53,060
- 推理令牌
- 0
- 响应时间(平均)
- 20.07s
- 响应时间(总计)
- 341.27s
- 响应时间(最大)
- 183.50s
-
智能体任务
: 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。
无效工具调用: 1
响应时间(平均)183.50s
响应时间(最大)183.50s
响应时间(总计)183.50s
-
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)1.91s
响应时间(最大)2.74s
响应时间(总计)3.82s
-
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)2.05s
响应时间(最大)3.63s
响应时间(总计)6.15s
-
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。
答案错误: 1
响应时间(平均)64.83s
响应时间(最大)123.00s
响应时间(总计)129.66s
-
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)1.89s
响应时间(最大)1.89s
响应时间(总计)1.89s
-
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)1.24s
响应时间(最大)1.44s
响应时间(总计)2.48s
-
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)2.26s
响应时间(最大)2.26s
响应时间(总计)2.26s
-
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)1.67s
响应时间(最大)1.67s
响应时间(总计)1.67s
-
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)2.71s
响应时间(最大)3.29s
响应时间(总计)5.41s
-
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)3.33s
响应时间(最大)3.33s
响应时间(总计)3.33s
-
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)1.11s
响应时间(最大)1.11s
响应时间(总计)1.11s
|
| #306#306 |
Ling 3.1 Flashlow
|
6.3… |
Inclusionai |
$0.000
…
|
85.22s… |
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 未遵循指令: 3 答案错误: 2 额外格式: 1 无效工具调用: 1
响应时间(平均)85.22s
响应时间(最大)432.81s
响应时间(总计)1960.12s
…
|
- 总测试数
- 23
- 错误测试数
- 11
- 尝试通过率
- 66.7%
- 输入令牌
- 271,890
- 输出令牌
- 190,841
- 推理令牌
- 513,329
- 响应时间(平均)
- 85.22s
- 响应时间(总计)
- 1960.12s
- 响应时间(最大)
- 432.81s
-
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)101.51s
响应时间(最大)101.51s
响应时间(总计)101.51s
-
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)4.16s
响应时间(最大)7.51s
响应时间(总计)16.65s
-
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: 1 未遵循指令: 1
响应时间(平均)107.30s
响应时间(最大)131.23s
响应时间(总计)321.90s
-
综合
: 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。
无效工具调用: 1
响应时间(平均)235.14s
响应时间(最大)432.81s
响应时间(总计)470.27s
-
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)21.83s
响应时间(最大)31.39s
响应时间(总计)43.66s
-
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)274.59s
响应时间(最大)324.96s
响应时间(总计)823.77s
-
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。
未遵循指令: 1
响应时间(平均)11.47s
响应时间(最大)11.47s
响应时间(总计)11.47s
-
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)4.55s
响应时间(总计)7.63s
-
谜题求解
: 8.9
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)32.80s
响应时间(最大)87.50s
响应时间(总计)98.40s
-
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)24.17s
响应时间(最大)24.17s
响应时间(总计)24.17s
-
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。
无答案: 1
响应时间(平均)40.69s
响应时间(最大)40.69s
响应时间(总计)40.69s
|
| #307#307 |
Claude Opus 4.6medium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… |
Anthropic |
$2.961
…
|
32.23s… |
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: 1
响应时间(平均)32.23s
响应时间(最大)151.51s
响应时间(总计)515.65s
…
|
- 总测试数
- 22
- 错误测试数
- 9
- 尝试通过率
- 60.9%
- 输入令牌
- 108,573
- 输出令牌
- 69,994
- 推理令牌
- 26,728
- 响应时间(平均)
- 32.23s
- 响应时间(总计)
- 515.65s
- 响应时间(最大)
- 151.51s
-
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
: 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: 2
响应时间(平均)7.45s
响应时间(最大)11.88s
响应时间(总计)14.90s
-
编程
: 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。
额外格式: 1 未遵循指令: 1
响应时间(平均)30.10s
响应时间(最大)35.63s
响应时间(总计)90.31s
-
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)114.08s
响应时间(最大)151.51s
响应时间(总计)228.16s
-
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)7.37s
响应时间(最大)7.37s
响应时间(总计)7.37s
-
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)42.53s
响应时间(最大)83.40s
响应时间(总计)85.06s
-
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)5.04s
响应时间(最大)5.04s
响应时间(总计)5.04s
-
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)2.43s
响应时间(最大)2.43s
响应时间(总计)2.43s
-
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)4.71s
响应时间(最大)4.75s
响应时间(总计)9.41s
-
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)9.73s
响应时间(最大)9.73s
响应时间(总计)9.73s
-
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)63.24s
响应时间(最大)63.24s
响应时间(总计)63.24s
|
| #308#308 |
Space Bunny Alphamedium
|
6.3… |
Stealth |
$0.000
…
|
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: 11 未遵循指令: 1 无效工具调用: 1
响应时间(平均)32.88s
响应时间(最大)197.32s
响应时间(总计)756.28s
…
|
- 总测试数
- 23
- 错误测试数
- 13
- 尝试通过率
- 55.1%
- 输入令牌
- 267,840
- 输出令牌
- 192,115
- 推理令牌
- 0
- 响应时间(平均)
- 32.88s
- 响应时间(总计)
- 756.28s
- 响应时间(最大)
- 197.32s
-
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)153.11s
响应时间(最大)153.11s
响应时间(总计)153.11s
-
反AI技巧
: 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。
答案错误: 3
响应时间(平均)2.29s
响应时间(最大)5.84s
响应时间(总计)9.14s
-
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)6.82s
响应时间(最大)9.64s
响应时间(总计)20.45s
-
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: 1 答案错误: 1
响应时间(平均)17.04s
响应时间(最大)27.04s
响应时间(总计)34.08s
-
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)2.10s
响应时间(最大)2.37s
响应时间(总计)4.21s
-
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)105.63s
响应时间(最大)150.77s
响应时间(总计)316.89s
-
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)4.44s
响应时间(最大)4.44s
响应时间(总计)4.44s
-
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)1.75s
响应时间(最大)1.79s
响应时间(总计)3.50s
-
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)3.42s
响应时间(最大)7.04s
响应时间(总计)10.27s
-
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)2.88s
响应时间(最大)2.88s
响应时间(总计)2.88s
-
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)197.32s
响应时间(最大)197.32s
响应时间(总计)197.32s
|
| #309#309 |
DeepSeek V3.2medium
|
6.3… |
DeepSeek |
$0.152
↑
…
|
70.08s… |
只有当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 API 错误: 2 超时: 2 未遵循指令: 1 无效工具调用: 1
响应时间(平均)70.08s
响应时间(最大)376.10s
响应时间(总计)1611.86s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 62.3%
- 输入令牌
- 306,662
- 输出令牌
- 17,819
- 推理令牌
- 125,341
- 响应时间(平均)
- 70.08s
- 响应时间(总计)
- 1611.86s
- 响应时间(最大)
- 376.10s
-
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)106.33s
响应时间(最大)106.33s
响应时间(总计)106.33s
-
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。
API 错误: 1
响应时间(平均)24.23s
响应时间(最大)29.86s
响应时间(总计)96.93s
-
编程
: 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。
超时: 1 答案错误: 1
响应时间(平均)248.68s
响应时间(最大)376.10s
响应时间(总计)746.04s
-
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)79.92s
响应时间(最大)93.11s
响应时间(总计)159.83s
-
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)36.09s
响应时间(最大)39.12s
响应时间(总计)72.18s
-
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)22.94s
响应时间(最大)30.66s
响应时间(总计)68.82s
-
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。
API 错误: 1
响应时间(平均)58.29s
响应时间(最大)58.29s
响应时间(总计)58.29s
-
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)35.78s
响应时间(最大)47.30s
响应时间(总计)71.56s
-
谜题求解
: 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 答案错误: 1
响应时间(平均)37.69s
响应时间(最大)59.22s
响应时间(总计)113.08s
-
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)34.81s
响应时间(最大)34.81s
响应时间(总计)34.81s
-
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)83.99s
响应时间(最大)83.99s
响应时间(总计)83.99s
|
| #310#310 |
Trinity Large Thinkinglow
|
6.3… |
Arcee AI |
$0.918
↑
…
|
95.16s… |
只有当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: 3 API 错误: 2 无效工具调用: 2 无答案: 1
响应时间(平均)95.16s
响应时间(最大)540.96s
响应时间(总计)2188.74s
…
|
- 总测试数
- 23
- 错误测试数
- 15
- 尝试通过率
- 47.8%
- 输入令牌
- 347,980
- 输出令牌
- 121,898
- 推理令牌
- 720,302
- 响应时间(平均)
- 95.16s
- 响应时间(总计)
- 2188.74s
- 响应时间(最大)
- 540.96s
-
智能体任务
: 7.4
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)63.23s
响应时间(最大)63.23s
响应时间(总计)63.23s
-
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)5.70s
响应时间(最大)10.16s
响应时间(总计)22.82s
-
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。
API 错误: 2
响应时间(平均)344.45s
响应时间(最大)531.83s
响应时间(总计)1033.35s
-
综合
: 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。
无效工具调用: 2
响应时间(平均)291.02s
响应时间(最大)540.96s
响应时间(总计)582.05s
-
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)14.30s
响应时间(最大)21.07s
响应时间(总计)28.60s
-
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)140.26s
响应时间(最大)307.46s
响应时间(总计)420.77s
-
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)12.65s
响应时间(最大)12.65s
响应时间(总计)12.65s
-
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)4.07s
响应时间(最大)4.47s
响应时间(总计)8.14s
-
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)3.28s
响应时间(最大)6.54s
响应时间(总计)9.85s
-
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)5.19s
响应时间(最大)5.19s
响应时间(总计)5.19s
-
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)2.10s
响应时间(最大)2.10s
响应时间(总计)2.10s
|
| #311#311 |
DeepSeek V4 Flash 0423none
|
6.3… |
DeepSeek |
$0.149
↑
…
|
38.64s… |
只有当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: 2 无效工具调用: 2 未遵循指令: 1
响应时间(平均)38.64s
响应时间(最大)247.27s
响应时间(总计)888.69s
…
|
- 总测试数
- 23
- 错误测试数
- 18
- 尝试通过率
- 30.4%
- 输入令牌
- 403,455
- 输出令牌
- 100,227
- 推理令牌
- 15,364
- 响应时间(平均)
- 38.64s
- 响应时间(总计)
- 888.69s
- 响应时间(最大)
- 247.27s
-
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)92.87s
响应时间(最大)92.87s
响应时间(总计)92.87s
-
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)20.18s
响应时间(最大)26.54s
响应时间(总计)80.73s
-
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)17.13s
响应时间(最大)24.90s
响应时间(总计)51.40s
-
综合
: 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。
无效工具调用: 2
响应时间(平均)179.61s
响应时间(最大)247.27s
响应时间(总计)359.23s
-
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)23.79s
响应时间(最大)23.85s
响应时间(总计)47.57s
-
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)15.31s
响应时间(最大)27.66s
响应时间(总计)45.92s
-
通用智能
: 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: 1
响应时间(平均)23.74s
响应时间(最大)23.74s
响应时间(总计)23.74s
-
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)17.54s
响应时间(最大)18.51s
响应时间(总计)35.08s
-
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。
额外格式: 1 未遵循指令: 1 答案错误: 1
响应时间(平均)23.72s
响应时间(最大)29.24s
响应时间(总计)71.16s
-
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)77.93s
响应时间(最大)77.93s
响应时间(总计)77.93s
-
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)3.07s
响应时间(最大)3.07s
响应时间(总计)3.07s
|
| #312#312 |
Grok 4.20medium
|
6.3… |
X AI |
$1.246
↓
…
|
36.73s… |
只有当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 额外格式: 2 未遵循指令: 2 无效工具调用: 1
响应时间(平均)36.73s
响应时间(最大)199.66s
响应时间(总计)844.68s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 58.0%
- 输入令牌
- 392,127
- 输出令牌
- 7,754
- 推理令牌
- 294,333
- 响应时间(平均)
- 36.73s
- 响应时间(总计)
- 844.68s
- 响应时间(最大)
- 199.66s
-
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)128.32s
响应时间(最大)128.32s
响应时间(总计)128.32s
-
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)3.95s
响应时间(最大)5.68s
响应时间(总计)15.80s
-
编程
: 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: 2
响应时间(平均)109.93s
响应时间(最大)199.66s
响应时间(总计)329.79s
-
综合
: 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。
无效工具调用: 1
响应时间(平均)42.25s
响应时间(最大)67.09s
响应时间(总计)84.49s
-
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)4.17s
响应时间(最大)5.02s
响应时间(总计)8.34s
-
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。
额外格式: 2 答案错误: 1
响应时间(平均)49.71s
响应时间(最大)94.92s
响应时间(总计)149.12s
-
通用智能
: 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。
未遵循指令: 1
响应时间(平均)24.48s
响应时间(最大)24.48s
响应时间(总计)24.48s
-
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)4.26s
响应时间(最大)4.46s
响应时间(总计)8.52s
-
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)6.22s
响应时间(最大)11.63s
响应时间(总计)18.66s
-
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)13.68s
响应时间(最大)13.68s
响应时间(总计)13.68s
-
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)63.48s
响应时间(最大)63.48s
响应时间(总计)63.48s
|
| #313#313 |
Space Bunny Alphaxhigh
|
6.2… |
Stealth |
$0.000
…
|
60.03s… |
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: 9 未遵循指令: 2 无答案: 2 无效工具调用: 1
响应时间(平均)60.03s
响应时间(最大)459.99s
响应时间(总计)1380.67s
…
|
- 总测试数
- 23
- 错误测试数
- 14
- 尝试通过率
- 55.1%
- 输入令牌
- 363,310
- 输出令牌
- 381,919
- 推理令牌
- 0
- 响应时间(平均)
- 60.03s
- 响应时间(总计)
- 1380.67s
- 响应时间(最大)
- 459.99s
-
智能体任务
: 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。
无效工具调用: 1
响应时间(平均)159.12s
响应时间(最大)159.12s
响应时间(总计)159.12s
-
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。
答案错误: 2
响应时间(平均)3.02s
响应时间(最大)8.00s
响应时间(总计)12.10s
-
编程
: 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)10.64s
响应时间(最大)16.31s
响应时间(总计)31.92s
-
综合
: 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。
无答案: 1 答案错误: 1
响应时间(平均)37.06s
响应时间(最大)62.06s
响应时间(总计)74.13s
-
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)1.94s
响应时间(最大)2.05s
响应时间(总计)3.88s
-
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。
无答案: 1 答案错误: 1
响应时间(平均)234.13s
响应时间(最大)459.99s
响应时间(总计)702.38s
-
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)4.74s
响应时间(最大)4.74s
响应时间(总计)4.74s
-
指令遵循
: 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。
未遵循指令: 1 答案错误: 1
响应时间(平均)2.22s
响应时间(最大)2.26s
响应时间(总计)4.43s
-
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)5.45s
响应时间(最大)11.18s
响应时间(总计)16.36s
-
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)3.83s
响应时间(最大)3.83s
响应时间(总计)3.83s
-
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。
答案错误: 1
响应时间(平均)367.80s
响应时间(最大)367.80s
响应时间(总计)367.80s
|
| #314#314 |
KAT-Coder-Pro V2.5medium
|
6.2… |
Kwaipilot |
$0.669
↑
…
|
23.94s… |
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: 9 API 错误: 2 未遵循指令: 1
响应时间(平均)23.94s
响应时间(最大)257.00s
响应时间(总计)550.52s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 62.3%
- 输入令牌
- 87,916
- 输出令牌
- 7,213
- 推理令牌
- 132,162
- 响应时间(平均)
- 23.94s
- 响应时间(总计)
- 550.52s
- 响应时间(最大)
- 257.00s
-
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)3.38s
响应时间(最大)3.38s
响应时间(总计)3.38s
-
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)3.90s
响应时间(最大)6.99s
响应时间(总计)15.61s
-
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)33.10s
响应时间(最大)71.91s
响应时间(总计)99.31s
-
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。
API 错误: 1
响应时间(平均)135.75s
响应时间(最大)257.00s
响应时间(总计)271.50s
-
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)4.70s
响应时间(最大)5.34s
响应时间(总计)9.39s
-
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)35.11s
响应时间(最大)81.45s
响应时间(总计)105.33s
-
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)2.35s
响应时间(最大)2.35s
响应时间(总计)2.35s
-
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)2.58s
响应时间(最大)2.93s
响应时间(总计)5.16s
-
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。
答案错误: 2
响应时间(平均)3.20s
响应时间(最大)3.85s
响应时间(总计)9.60s
-
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)19.02s
响应时间(最大)19.02s
响应时间(总计)19.02s
-
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)9.87s
响应时间(最大)9.87s
响应时间(总计)9.87s
|
| #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
|
| #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
|
| #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
|
| #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
|
| #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
|
| #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
|
| #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
|
| #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
|
| #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
|
| #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
|