| #376#376 |
North Mini Codemedium61/69 次尝试 (目标:每项测试重复 3 次)
|
5.4… |
Cohere |
$0.000
…
|
140.39s… |
只有当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 API 错误: 1 无效工具调用: 1 超时: 1
响应时间(平均)140.39s
响应时间(最大)786.72s
响应时间(总计)3229.07s
…
|
- 总测试数
- 23
- 错误测试数
- 15
- 尝试通过率
- 42.0%
- 输入令牌
- 166,347
- 输出令牌
- 423,884
- 推理令牌
- 1,394,387
- 响应时间(平均)
- 140.39s
- 响应时间(总计)
- 3229.07s
- 响应时间(最大)
- 786.72s
-
智能体任务
: 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: 1
响应时间(平均)105.20s
响应时间(最大)105.20s
响应时间(总计)105.20s
-
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。
额外格式: 1
响应时间(平均)64.79s
响应时间(最大)230.24s
响应时间(总计)259.15s
-
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)320.43s
响应时间(最大)357.05s
响应时间(总计)961.28s
-
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。
额外格式: 1 无效工具调用: 1
响应时间(平均)554.89s
响应时间(最大)786.72s
响应时间(总计)1109.78s
-
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)24.06s
响应时间(最大)26.90s
响应时间(总计)48.13s
-
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)107.19s
响应时间(最大)195.94s
响应时间(总计)321.57s
-
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)25.08s
响应时间(最大)25.08s
响应时间(总计)25.08s
-
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)15.43s
响应时间(最大)28.25s
响应时间(总计)30.85s
-
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。
答案错误: 3
响应时间(平均)19.70s
响应时间(最大)36.03s
响应时间(总计)59.10s
-
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)3.93s
响应时间(最大)3.93s
响应时间(总计)3.93s
-
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)305.02s
响应时间(最大)305.02s
响应时间(总计)305.02s
|
| #377#377 |
Hy4 previewlow
|
5.4… |
Tencent |
$1.844
…
|
207.21s… |
只有当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 API 错误: 5 未遵循指令: 1 无答案: 1
响应时间(平均)207.21s
响应时间(最大)597.45s
响应时间(总计)4765.91s
…
|
- 总测试数
- 23
- 错误测试数
- 20
- 尝试通过率
- 21.7%
- 输入令牌
- 162,180
- 输出令牌
- 5,030
- 推理令牌
- 682,447
- 响应时间(平均)
- 207.21s
- 响应时间(总计)
- 4765.91s
- 响应时间(最大)
- 597.45s
-
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。
API 错误: 1
响应时间(平均)52.36s
响应时间(最大)52.36s
响应时间(总计)52.36s
-
反AI技巧
: 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。
答案错误: 4
响应时间(平均)129.60s
响应时间(最大)237.97s
响应时间(总计)518.41s
-
编程
: 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: 2 API 错误: 1
响应时间(平均)219.15s
响应时间(最大)259.22s
响应时间(总计)657.45s
-
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。
API 错误: 2
响应时间(平均)139.43s
响应时间(最大)171.85s
响应时间(总计)278.85s
-
数据解析与提取
: 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)88.53s
响应时间(最大)120.56s
响应时间(总计)177.06s
-
领域专项
: 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)470.24s
响应时间(最大)547.52s
响应时间(总计)1410.71s
-
通用智能
: 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: 1
响应时间(平均)110.43s
响应时间(最大)110.43s
响应时间(总计)110.43s
-
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)77.72s
响应时间(最大)91.04s
响应时间(总计)155.43s
-
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 未遵循指令: 1
响应时间(平均)238.03s
响应时间(最大)373.63s
响应时间(总计)714.10s
-
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)93.67s
响应时间(最大)93.67s
响应时间(总计)93.67s
-
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)597.45s
响应时间(最大)597.45s
响应时间(总计)597.45s
|
| #378#378 |
MiMo-V2.6-Flashnone
|
5.4… |
Xiaomi |
$0.060
…
|
6.20s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 15 未遵循指令: 1 无效工具调用: 1
响应时间(平均)6.20s
响应时间(最大)62.57s
响应时间(总计)142.63s
…
|
- 总测试数
- 23
- 错误测试数
- 17
- 尝试通过率
- 30.4%
- 输入令牌
- 276,697
- 输出令牌
- 75,728
- 推理令牌
- 0
- 响应时间(平均)
- 6.20s
- 响应时间(总计)
- 142.63s
- 响应时间(最大)
- 62.57s
-
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)62.57s
响应时间(最大)62.57s
响应时间(总计)62.57s
-
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)816ms
响应时间(最大)1.57s
响应时间(总计)3.26s
-
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。
答案错误: 2 未遵循指令: 1
响应时间(平均)744ms
响应时间(最大)1.03s
响应时间(总计)2.23s
-
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: 1 答案错误: 1
响应时间(平均)4.78s
响应时间(最大)7.06s
响应时间(总计)9.56s
-
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)715ms
响应时间(最大)756ms
响应时间(总计)1.43s
-
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)722ms
响应时间(最大)878ms
响应时间(总计)2.17s
-
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)779ms
响应时间(最大)779ms
响应时间(总计)779ms
-
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)810ms
响应时间(最大)964ms
响应时间(总计)1.62s
-
谜题求解
: 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。
答案错误: 3
响应时间(平均)739ms
响应时间(最大)822ms
响应时间(总计)2.22s
-
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)1.65s
响应时间(最大)1.65s
响应时间(总计)1.65s
-
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)55.14s
响应时间(最大)55.14s
响应时间(总计)55.14s
|
| #379#379 |
Step 3.5 Flashmedium66/69 次尝试 (目标:每项测试重复 3 次)
|
5.4… |
Stepfun |
$0.105
…
|
190.48s… |
只有当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 无答案: 1 超时: 1
响应时间(平均)190.48s
响应时间(最大)1597.85s
响应时间(总计)3238.23s
…
|
- 总测试数
- 22
- 错误测试数
- 12
- 尝试通过率
- 49.3%
- 输入令牌
- 139,086
- 输出令牌
- 193,584
- 推理令牌
- 413,546
- 响应时间(平均)
- 190.48s
- 响应时间(总计)
- 3238.23s
- 响应时间(最大)
- 1597.85s
-
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)172.16s
响应时间(最大)172.16s
响应时间(总计)172.16s
-
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)40.57s
响应时间(最大)110.43s
响应时间(总计)121.72s
-
编程
: 2.4
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 超时: 1
响应时间(平均)258.38s
响应时间(最大)453.94s
响应时间(总计)516.77s
-
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。
API 错误: 1
响应时间(平均)813.71s
响应时间(最大)1597.85s
响应时间(总计)1627.41s
-
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)15.01s
响应时间(最大)15.01s
响应时间(总计)15.01s
-
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)311.60s
响应时间(最大)452.75s
响应时间(总计)623.20s
-
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)22.39s
响应时间(最大)22.39s
响应时间(总计)22.39s
-
指令遵循
: 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。
未遵循指令: 1
响应时间(平均)4.78s
响应时间(最大)4.78s
响应时间(总计)4.78s
-
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)7.22s
响应时间(最大)10.60s
响应时间(总计)14.44s
-
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)11.91s
响应时间(最大)11.91s
响应时间(总计)11.91s
-
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)108.45s
响应时间(最大)108.45s
响应时间(总计)108.45s
|
| #380#380 |
Ember-1none
|
5.4… |
Fireworks |
$0.786
…
|
22.65s… |
只有当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: 5
响应时间(平均)22.65s
响应时间(最大)93.12s
响应时间(总计)520.91s
…
|
- 总测试数
- 23
- 错误测试数
- 15
- 尝试通过率
- 43.5%
- 输入令牌
- 202,617
- 输出令牌
- 11,832
- 推理令牌
- 0
- 响应时间(平均)
- 22.65s
- 响应时间(总计)
- 520.91s
- 响应时间(最大)
- 93.12s
-
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)92.87s
响应时间(最大)92.87s
响应时间(总计)92.87s
-
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: 2 API 错误: 1
响应时间(平均)22.37s
响应时间(最大)65.56s
响应时间(总计)89.48s
-
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)1.94s
响应时间(最大)3.25s
响应时间(总计)5.81s
-
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。
API 错误: 1 答案错误: 1
响应时间(平均)49.01s
响应时间(最大)93.12s
响应时间(总计)98.01s
-
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。
API 错误: 1
响应时间(平均)35.25s
响应时间(最大)68.56s
响应时间(总计)70.50s
-
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)21.61s
响应时间(最大)60.47s
响应时间(总计)64.83s
-
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。
答案错误: 1
响应时间(平均)2.28s
响应时间(最大)2.28s
响应时间(总计)2.28s
-
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。
API 错误: 1
响应时间(平均)31.00s
响应时间(最大)59.73s
响应时间(总计)62.01s
-
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)2.54s
响应时间(最大)4.51s
响应时间(总计)7.63s
-
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)26.44s
响应时间(最大)26.44s
响应时间(总计)26.44s
-
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)1.05s
响应时间(最大)1.05s
响应时间(总计)1.05s
|
| #381#381 |
Hy3 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。
|
5.3… |
Tencent |
$0.049
↕
…
|
16.28s… |
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 答案错误: 3 未遵循指令: 1
响应时间(平均)16.28s
响应时间(最大)46.04s
响应时间(总计)293.12s
…
|
- 总测试数
- 21
- 错误测试数
- 7
- 尝试通过率
- 60.9%
- 输入令牌
- 27,030
- 输出令牌
- 73,544
- 推理令牌
- 0
- 响应时间(平均)
- 16.28s
- 响应时间(总计)
- 293.12s
- 响应时间(最大)
- 46.04s
-
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
: 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)6.59s
响应时间(最大)10.20s
响应时间(总计)26.37s
-
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)31.37s
响应时间(最大)31.37s
响应时间(总计)31.37s
-
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)46.04s
响应时间(最大)46.04s
响应时间(总计)46.04s
-
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)5.25s
响应时间(最大)5.25s
响应时间(总计)5.25s
-
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)22.30s
响应时间(最大)30.51s
响应时间(总计)66.90s
-
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)16.84s
响应时间(最大)16.84s
响应时间(总计)16.84s
-
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)6.16s
响应时间(最大)7.72s
响应时间(总计)12.31s
-
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)11.06s
响应时间(最大)14.35s
响应时间(总计)33.17s
-
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)15.02s
响应时间(最大)15.02s
响应时间(总计)15.02s
-
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)39.86s
响应时间(最大)39.86s
响应时间(总计)39.86s
|
| #382#382 |
GPT-5.6 Lunanone
|
5.3… |
OpenAI |
$0.042
↓
…
|
3.78s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 15 额外格式: 1 无效工具调用: 1
响应时间(平均)3.78s
响应时间(最大)53.77s
响应时间(总计)86.83s
…
|
- 总测试数
- 23
- 错误测试数
- 17
- 尝试通过率
- 34.8%
- 输入令牌
- 230,744
- 输出令牌
- 8,000
- 推理令牌
- 0
- 响应时间(平均)
- 3.78s
- 响应时间(总计)
- 86.83s
- 响应时间(最大)
- 53.77s
-
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)53.77s
响应时间(最大)53.77s
响应时间(总计)53.77s
-
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)901ms
响应时间(最大)1.45s
响应时间(总计)3.60s
-
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。
答案错误: 3
响应时间(平均)980ms
响应时间(最大)1.57s
响应时间(总计)2.94s
-
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)6.68s
响应时间(最大)10.57s
响应时间(总计)13.35s
-
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)758ms
响应时间(最大)803ms
响应时间(总计)1.52s
-
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)784ms
响应时间(最大)855ms
响应时间(总计)2.35s
-
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)1.00s
响应时间(最大)1.00s
响应时间(总计)1.00s
-
指令遵循
: 7.1
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)1.23s
响应时间(最大)1.66s
响应时间(总计)2.47s
-
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。
额外格式: 1 答案错误: 1
响应时间(平均)790ms
响应时间(最大)865ms
响应时间(总计)2.37s
-
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)2.80s
响应时间(最大)2.80s
响应时间(总计)2.80s
-
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。
答案错误: 1
响应时间(平均)651ms
响应时间(最大)651ms
响应时间(总计)651ms
|
| #383#383 |
Granite 4.2 8Blow
|
5.3… |
IBM Granite |
$0.036
…
|
58.20s… |
只有当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 超时: 3 未遵循指令: 1 无答案: 1
响应时间(平均)58.20s
响应时间(最大)566.80s
响应时间(总计)1338.65s
…
|
- 总测试数
- 23
- 错误测试数
- 16
- 尝试通过率
- 33.3%
- 输入令牌
- 332,917
- 输出令牌
- 18,989
- 推理令牌
- 42,362
- 响应时间(平均)
- 58.20s
- 响应时间(总计)
- 1338.65s
- 响应时间(最大)
- 566.80s
-
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)142.68s
响应时间(最大)142.68s
响应时间(总计)142.68s
-
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)11.68s
响应时间(最大)40.72s
响应时间(总计)46.73s
-
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)13.01s
响应时间(最大)27.71s
响应时间(总计)39.04s
-
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)298.21s
响应时间(最大)566.80s
响应时间(总计)596.42s
-
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)1.39s
响应时间(最大)2.27s
响应时间(总计)2.78s
-
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)26.16s
响应时间(最大)77.41s
响应时间(总计)78.47s
-
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)659ms
响应时间(最大)659ms
响应时间(总计)659ms
-
指令遵循
: 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。
超时: 1 答案错误: 1
响应时间(平均)75.80s
响应时间(最大)150.25s
响应时间(总计)151.60s
-
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: 2 超时: 1
响应时间(平均)90.84s
响应时间(最大)169.53s
响应时间(总计)272.52s
-
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)2.23s
响应时间(最大)2.23s
响应时间(总计)2.23s
-
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)5.53s
响应时间(最大)5.53s
响应时间(总计)5.53s
|
| #384#384 |
Kimi K2.5none
|
5.3… |
Moonshot AI |
$0.262
↑
…
|
35.86s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 17 无答案: 1
响应时间(平均)35.86s
响应时间(最大)321.19s
响应时间(总计)609.61s
…
|
- 总测试数
- 23
- 错误测试数
- 18
- 尝试通过率
- 29.0%
- 输入令牌
- 275,349
- 输出令牌
- 49,377
- 推理令牌
- 12
- 响应时间(平均)
- 35.86s
- 响应时间(总计)
- 609.61s
- 响应时间(最大)
- 321.19s
-
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)321.19s
响应时间(最大)321.19s
响应时间(总计)321.19s
-
反AI技巧
: 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: 4
响应时间(平均)6.24s
响应时间(最大)11.38s
响应时间(总计)12.48s
-
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)24.56s
响应时间(最大)38.78s
响应时间(总计)73.69s
-
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。
无答案: 1 答案错误: 1
响应时间(平均)61.00s
响应时间(最大)102.83s
响应时间(总计)121.99s
-
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)42.13s
响应时间(最大)42.13s
响应时间(总计)42.13s
-
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)2.75s
响应时间(最大)4.38s
响应时间(总计)5.49s
-
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)4.00s
响应时间(最大)4.00s
响应时间(总计)4.00s
-
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)2.67s
响应时间(最大)2.67s
响应时间(总计)2.67s
-
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)4.04s
响应时间(最大)7.81s
响应时间(总计)8.08s
-
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)13.99s
响应时间(最大)13.99s
响应时间(总计)13.99s
-
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)3.90s
响应时间(最大)3.90s
响应时间(总计)3.90s
|
| #385#385 |
Ling 3.2 Flashnone
|
5.3… |
Inclusionai |
$0.000
…
|
106.63s… |
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: 7 答案错误: 6 无答案: 2 未遵循指令: 1 无效工具调用: 1 超时: 1
响应时间(平均)106.63s
响应时间(最大)952.17s
响应时间(总计)2452.59s
…
|
- 总测试数
- 23
- 错误测试数
- 18
- 尝试通过率
- 23.2%
- 输入令牌
- 311,998
- 输出令牌
- 77,048
- 推理令牌
- 0
- 响应时间(平均)
- 106.63s
- 响应时间(总计)
- 2452.59s
- 响应时间(最大)
- 952.17s
-
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)139.16s
响应时间(最大)139.16s
响应时间(总计)139.16s
-
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。
额外格式: 3 答案错误: 1
响应时间(平均)16.73s
响应时间(最大)28.06s
响应时间(总计)66.94s
-
编程
: 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。
额外格式: 1 未遵循指令: 1 答案错误: 1
响应时间(平均)42.05s
响应时间(最大)82.25s
响应时间(总计)126.15s
-
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 无答案: 1
响应时间(平均)157.97s
响应时间(最大)217.07s
响应时间(总计)315.94s
-
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)4.35s
响应时间(最大)5.95s
响应时间(总计)8.69s
-
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)525.47s
响应时间(最大)952.17s
响应时间(总计)1576.40s
-
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。
答案错误: 1
响应时间(平均)4.50s
响应时间(最大)4.50s
响应时间(总计)4.50s
-
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)11.16s
响应时间(最大)14.03s
响应时间(总计)22.32s
-
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)9.61s
响应时间(最大)13.61s
响应时间(总计)28.84s
-
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)45.74s
响应时间(最大)45.74s
响应时间(总计)45.74s
-
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)117.92s
响应时间(最大)117.92s
响应时间(总计)117.92s
|
| #386#386 |
Qwen3.6 Max Previewnone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。
|
5.3… |
Qwen |
$0.228
↓
…
|
7.82s… |
只有当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)7.82s
响应时间(最大)102.62s
响应时间(总计)172.04s
…
|
- 总测试数
- 22
- 错误测试数
- 11
- 尝试通过率
- 53.6%
- 输入令牌
- 106,348
- 输出令牌
- 19,257
- 推理令牌
- 0
- 响应时间(平均)
- 7.82s
- 响应时间(总计)
- 172.04s
- 响应时间(最大)
- 102.62s
-
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
: 5.2
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)2.63s
响应时间(最大)5.57s
响应时间(总计)10.53s
-
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。
答案错误: 3
响应时间(平均)3.12s
响应时间(最大)3.45s
响应时间(总计)9.35s
-
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)61.56s
响应时间(最大)102.62s
响应时间(总计)123.12s
-
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)2.87s
响应时间(最大)3.54s
响应时间(总计)5.74s
-
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)1.23s
响应时间(最大)1.27s
响应时间(总计)3.70s
-
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。
答案错误: 1
响应时间(平均)1.62s
响应时间(最大)1.62s
响应时间(总计)1.62s
-
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)1.40s
响应时间(最大)1.46s
响应时间(总计)2.79s
-
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)2.65s
响应时间(最大)3.59s
响应时间(总计)7.94s
-
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)5.27s
响应时间(最大)5.27s
响应时间(总计)5.27s
-
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)1.97s
响应时间(最大)1.97s
响应时间(总计)1.97s
|
| #387#387 |
Laguna XS 2.1none
|
5.3… |
Poolside |
$0.020
…
|
4.56s… |
只有当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 无效工具调用: 2 未遵循指令: 1 超时: 1
响应时间(平均)4.56s
响应时间(最大)70.79s
响应时间(总计)104.80s
…
|
- 总测试数
- 23
- 错误测试数
- 18
- 尝试通过率
- 29.0%
- 输入令牌
- 270,072
- 输出令牌
- 23,173
- 推理令牌
- 0
- 响应时间(平均)
- 4.56s
- 响应时间(总计)
- 104.80s
- 响应时间(最大)
- 70.79s
-
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)70.79s
响应时间(最大)70.79s
响应时间(总计)70.79s
-
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。
答案错误: 2 未遵循指令: 1
响应时间(平均)755ms
响应时间(最大)2.30s
响应时间(总计)3.02s
-
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)623ms
响应时间(最大)1.34s
响应时间(总计)1.87s
-
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)10.39s
响应时间(最大)19.02s
响应时间(总计)20.78s
-
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)768ms
响应时间(最大)824ms
响应时间(总计)1.54s
-
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)303ms
响应时间(最大)379ms
响应时间(总计)910ms
-
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)529ms
响应时间(最大)529ms
响应时间(总计)529ms
-
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)364ms
响应时间(最大)373ms
响应时间(总计)728ms
-
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)1.01s
响应时间(最大)1.92s
响应时间(总计)3.02s
-
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)1.36s
响应时间(最大)1.36s
响应时间(总计)1.36s
-
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)254ms
响应时间(最大)254ms
响应时间(总计)254ms
|
| #388#388 |
Qwen3.6 35B A3Bnone
|
5.3… |
Qwen |
$0.105
↑
…
|
8.43s… |
只有当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 API 错误: 2 未遵循指令: 2 无效工具调用: 1 无答案: 1
响应时间(平均)8.43s
响应时间(最大)65.61s
响应时间(总计)176.93s
…
|
- 总测试数
- 23
- 错误测试数
- 19
- 尝试通过率
- 29.0%
- 输入令牌
- 272,479
- 输出令牌
- 40,677
- 推理令牌
- 23,104
- 响应时间(平均)
- 8.43s
- 响应时间(总计)
- 176.93s
- 响应时间(最大)
- 65.61s
-
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)65.61s
响应时间(最大)65.61s
响应时间(总计)65.61s
-
反AI技巧
: 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: 4
响应时间(平均)2.10s
响应时间(最大)6.15s
响应时间(总计)8.41s
-
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)8.77s
响应时间(最大)22.52s
响应时间(总计)26.32s
-
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。
API 错误: 1 无答案: 1
响应时间(平均)39.54s
响应时间(最大)39.54s
响应时间(总计)39.54s
-
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)1.46s
响应时间(最大)2.03s
响应时间(总计)2.93s
-
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)7.76s
响应时间(最大)12.46s
响应时间(总计)23.27s
-
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)3.51s
响应时间(最大)3.51s
响应时间(总计)3.51s
-
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)1.86s
响应时间(最大)2.83s
响应时间(总计)3.73s
-
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。
未遵循指令: 2 答案错误: 1
响应时间(平均)1.07s
响应时间(最大)1.24s
响应时间(总计)3.20s
-
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。
答案错误: 1
响应时间(平均)414ms
响应时间(最大)414ms
响应时间(总计)414ms
|
| #389#389 |
Inkling Smalllow
|
5.2… |
Thinkingmachines |
$0.055
↓
…
|
1.99s… |
只有当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 无效工具调用: 2 API 错误: 1
响应时间(平均)1.99s
响应时间(最大)5.82s
响应时间(总计)45.67s
…
|
- 总测试数
- 23
- 错误测试数
- 14
- 尝试通过率
- 47.8%
- 输入令牌
- 81,447
- 输出令牌
- 2,715
- 推理令牌
- 11,971
- 响应时间(平均)
- 1.99s
- 响应时间(总计)
- 45.67s
- 响应时间(最大)
- 5.82s
-
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)24ms
响应时间(最大)24ms
响应时间(总计)24ms
-
反AI技巧
: 9.2
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: 1
响应时间(平均)1.81s
响应时间(最大)3.73s
响应时间(总计)7.25s
-
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)3.70s
响应时间(最大)5.82s
响应时间(总计)11.10s
-
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)4.08s
响应时间(最大)4.59s
响应时间(总计)8.15s
-
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)1.25s
响应时间(最大)1.32s
响应时间(总计)2.50s
-
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)852ms
响应时间(最大)918ms
响应时间(总计)2.56s
-
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)1.42s
响应时间(最大)1.42s
响应时间(总计)1.42s
-
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)1.89s
响应时间(最大)2.18s
响应时间(总计)3.78s
-
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)1.56s
响应时间(最大)2.38s
响应时间(总计)4.68s
-
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)2.21s
响应时间(最大)2.21s
响应时间(总计)2.21s
-
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)2.00s
响应时间(最大)2.00s
响应时间(总计)2.00s
|
| #390#390 |
Ling 3.0 Flashnone
|
5.2… |
Inclusionai |
$0.004
↕
…
|
3.40s… |
只有当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 API 错误: 2 未遵循指令: 1 无效工具调用: 1
响应时间(平均)3.40s
响应时间(最大)17.51s
响应时间(总计)74.77s
…
|
- 总测试数
- 23
- 错误测试数
- 17
- 尝试通过率
- 26.1%
- 输入令牌
- 123,993
- 输出令牌
- 12,777
- 推理令牌
- 0
- 响应时间(平均)
- 3.40s
- 响应时间(总计)
- 74.77s
- 响应时间(最大)
- 17.51s
-
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)26ms
响应时间(最大)26ms
响应时间(总计)26ms
-
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)3.34s
响应时间(最大)9.88s
响应时间(总计)13.36s
-
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)6.39s
响应时间(最大)17.51s
响应时间(总计)19.16s
-
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)8.58s
响应时间(最大)11.54s
响应时间(总计)17.17s
-
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)1.10s
响应时间(最大)1.23s
响应时间(总计)2.21s
-
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)840ms
响应时间(最大)892ms
响应时间(总计)1.68s
-
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)1.58s
响应时间(最大)1.58s
响应时间(总计)1.58s
-
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)836ms
响应时间(最大)860ms
响应时间(总计)1.67s
-
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)1.49s
响应时间(最大)2.55s
响应时间(总计)4.46s
-
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)2.85s
响应时间(最大)2.85s
响应时间(总计)2.85s
-
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)10.61s
响应时间(最大)10.61s
响应时间(总计)10.61s
|
| #391#391 |
Nemotron 3.5 Lightninghigh
|
5.2… |
NVIDIA |
$0.168
↕
…
|
77.08s… |
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: 11 未遵循指令: 4 额外格式: 1 无效工具调用: 1 超时: 1
响应时间(平均)77.08s
响应时间(最大)490.99s
响应时间(总计)1772.78s
…
|
- 总测试数
- 23
- 错误测试数
- 18
- 尝试通过率
- 47.8%
- 输入令牌
- 170,517
- 输出令牌
- 149,968
- 推理令牌
- 509,725
- 响应时间(平均)
- 77.08s
- 响应时间(总计)
- 1772.78s
- 响应时间(最大)
- 490.99s
-
智能体任务
: 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。
超时: 1
响应时间(平均)490.99s
响应时间(最大)490.99s
响应时间(总计)490.99s
-
反AI技巧
: 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: 3
响应时间(平均)10.29s
响应时间(最大)17.68s
响应时间(总计)41.16s
-
编程
: 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 额外格式: 1
响应时间(平均)168.41s
响应时间(最大)280.94s
响应时间(总计)505.22s
-
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。
无效工具调用: 1
响应时间(平均)160.45s
响应时间(最大)285.26s
响应时间(总计)320.90s
-
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。
未遵循指令: 1
响应时间(平均)13.99s
响应时间(最大)18.67s
响应时间(总计)27.97s
-
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)88.61s
响应时间(最大)226.92s
响应时间(总计)265.83s
-
通用智能
: 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。
答案错误: 1
响应时间(平均)7.58s
响应时间(最大)7.58s
响应时间(总计)7.58s
-
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)4.98s
响应时间(最大)5.05s
响应时间(总计)9.97s
-
谜题求解
: 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: 2 答案错误: 1
响应时间(平均)6.09s
响应时间(最大)10.09s
响应时间(总计)18.26s
-
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)6.92s
响应时间(最大)6.92s
响应时间(总计)6.92s
-
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)77.98s
响应时间(最大)77.98s
响应时间(总计)77.98s
|
| #392#392 |
KAT Coder AIR V2.5high
|
5.2… |
Kwaipilot |
$0.077
…
|
15.23s… |
只有当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 额外格式: 3
响应时间(平均)15.23s
响应时间(最大)118.35s
响应时间(总计)350.26s
…
|
- 总测试数
- 23
- 错误测试数
- 16
- 尝试通过率
- 40.6%
- 输入令牌
- 50,423
- 输出令牌
- 4,144
- 推理令牌
- 110,510
- 响应时间(平均)
- 15.23s
- 响应时间(总计)
- 350.26s
- 响应时间(最大)
- 118.35s
-
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)1.10s
响应时间(最大)1.10s
响应时间(总计)1.10s
-
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。
API 错误: 1 答案错误: 1
响应时间(平均)2.49s
响应时间(最大)3.97s
响应时间(总计)9.97s
-
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。
API 错误: 1 额外格式: 1 答案错误: 1
响应时间(平均)39.07s
响应时间(最大)104.98s
响应时间(总计)117.21s
-
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。
API 错误: 1
响应时间(平均)74.48s
响应时间(最大)118.35s
响应时间(总计)148.95s
-
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)3.59s
响应时间(最大)4.92s
响应时间(总计)7.18s
-
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: 2 答案错误: 1
响应时间(平均)7.28s
响应时间(最大)8.71s
响应时间(总计)21.85s
-
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)7.10s
响应时间(最大)7.10s
响应时间(总计)7.10s
-
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)1.51s
响应时间(最大)1.91s
响应时间(总计)3.01s
-
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: 3
响应时间(平均)2.47s
响应时间(最大)2.86s
响应时间(总计)7.40s
-
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)4.77s
响应时间(最大)4.77s
响应时间(总计)4.77s
-
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)21.72s
响应时间(最大)21.72s
响应时间(总计)21.72s
|
| #393#393 |
Mimo V2 PROmedium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。
|
5.2… |
Xiaomi |
$0.333
↑
…
|
22.16s… |
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: 5 API 错误: 1 额外格式: 1 未遵循指令: 1 超时: 1
响应时间(平均)22.16s
响应时间(最大)136.29s
响应时间(总计)443.22s
…
|
- 总测试数
- 21
- 错误测试数
- 9
- 尝试通过率
- 66.7%
- 输入令牌
- 40,961
- 输出令牌
- 2,518
- 推理令牌
- 81,801
- 响应时间(平均)
- 22.16s
- 响应时间(总计)
- 443.22s
- 响应时间(最大)
- 136.29s
-
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)2.86s
响应时间(最大)3.92s
响应时间(总计)11.45s
-
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。
API 错误: 1 答案错误: 1
响应时间(平均)94.21s
响应时间(最大)136.29s
响应时间(总计)188.41s
-
综合
: 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: 1
响应时间(平均)64.71s
响应时间(最大)64.71s
响应时间(总计)64.71s
-
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)17.20s
响应时间(最大)17.44s
响应时间(总计)34.40s
-
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。
超时: 1 答案错误: 1
响应时间(平均)8.82s
响应时间(最大)14.48s
响应时间(总计)26.47s
-
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)4.92s
响应时间(最大)4.92s
响应时间(总计)4.92s
-
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)3.36s
响应时间(最大)4.35s
响应时间(总计)6.72s
-
谜题求解
: 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 未遵循指令: 1
响应时间(平均)5.08s
响应时间(最大)6.41s
响应时间(总计)15.23s
-
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)8.19s
响应时间(最大)8.19s
响应时间(总计)8.19s
-
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)82.71s
响应时间(最大)82.71s
响应时间(总计)82.71s
|
| #394#394 |
MiMo-V2-Flashmedium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… |
Xiaomi |
$0.043
↑
…
|
20.11s… |
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: 5 API 错误: 1 额外格式: 1 未遵循指令: 1 超时: 1
响应时间(平均)20.11s
响应时间(最大)96.01s
响应时间(总计)301.59s
…
|
- 总测试数
- 21
- 错误测试数
- 9
- 尝试通过率
- 59.4%
- 输入令牌
- 40,111
- 输出令牌
- 12,476
- 推理令牌
- 125,039
- 响应时间(平均)
- 20.11s
- 响应时间(总计)
- 301.59s
- 响应时间(最大)
- 96.01s
-
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
: 8.1
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
响应时间(平均)15.85s
响应时间(最大)20.83s
响应时间(总计)47.55s
-
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)10.71s
响应时间(最大)17.72s
响应时间(总计)32.13s
-
综合
: 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。
没有失败答案。
响应时间(平均)75.68s
响应时间(最大)75.68s
响应时间(总计)75.68s
-
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)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
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。
答案错误: 2
响应时间(平均)96.01s
响应时间(最大)96.01s
响应时间(总计)96.01s
-
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)4.20s
响应时间(最大)4.20s
响应时间(总计)4.20s
-
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)4.28s
响应时间(最大)7.37s
响应时间(总计)8.55s
-
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)3.87s
响应时间(最大)5.26s
响应时间(总计)7.74s
-
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)27.78s
响应时间(最大)27.78s
响应时间(总计)27.78s
-
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
|
| #395#395 |
Mistral Small 4medium
|
5.1… |
Mistral |
$0.126
↑
…
|
12.68s… |
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: 14 未遵循指令: 2 API 错误: 1 无答案: 1
响应时间(平均)12.68s
响应时间(最大)59.15s
响应时间(总计)291.66s
…
|
- 总测试数
- 23
- 错误测试数
- 18
- 尝试通过率
- 42.0%
- 输入令牌
- 321,955
- 输出令牌
- 41,555
- 推理令牌
- 94,946
- 响应时间(平均)
- 12.68s
- 响应时间(总计)
- 291.66s
- 响应时间(最大)
- 59.15s
-
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)54.05s
响应时间(最大)54.05s
响应时间(总计)54.05s
-
反AI技巧
: 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: 3
响应时间(平均)2.67s
响应时间(最大)5.03s
响应时间(总计)10.66s
-
编程
: 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: 3
响应时间(平均)39.98s
响应时间(最大)59.15s
响应时间(总计)119.95s
-
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)32.40s
响应时间(最大)39.55s
响应时间(总计)64.80s
-
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。
API 错误: 1
响应时间(平均)1.23s
响应时间(最大)1.96s
响应时间(总计)2.46s
-
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。
答案错误: 2
响应时间(平均)6.33s
响应时间(最大)13.72s
响应时间(总计)19.00s
-
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)2.05s
响应时间(最大)2.05s
响应时间(总计)2.05s
-
指令遵循
: 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)1.38s
响应时间(最大)1.61s
响应时间(总计)2.75s
-
谜题求解
: 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: 2 未遵循指令: 1
响应时间(平均)2.17s
响应时间(最大)2.60s
响应时间(总计)6.50s
-
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)3.50s
响应时间(最大)3.50s
响应时间(总计)3.50s
-
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)5.92s
响应时间(最大)5.92s
响应时间(总计)5.92s
|
| #396#396 |
Mistral Small 4none
|
5.1… |
Mistral |
$0.047
…
|
3.12s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 17 未遵循指令: 1
响应时间(平均)3.12s
响应时间(最大)45.46s
响应时间(总计)71.87s
…
|
- 总测试数
- 23
- 错误测试数
- 18
- 尝试通过率
- 24.6%
- 输入令牌
- 265,602
- 输出令牌
- 10,913
- 推理令牌
- 0
- 响应时间(平均)
- 3.12s
- 响应时间(总计)
- 71.87s
- 响应时间(最大)
- 45.46s
-
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)45.46s
响应时间(最大)45.46s
响应时间(总计)45.46s
-
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)395ms
响应时间(最大)769ms
响应时间(总计)1.58s
-
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。
答案错误: 3
响应时间(平均)901ms
响应时间(最大)1.28s
响应时间(总计)2.70s
-
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)7.44s
响应时间(最大)13.16s
响应时间(总计)14.88s
-
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)822ms
响应时间(最大)1.08s
响应时间(总计)1.64s
-
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)377ms
响应时间(最大)418ms
响应时间(总计)1.13s
-
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)729ms
响应时间(最大)729ms
响应时间(总计)729ms
-
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)380ms
响应时间(最大)380ms
响应时间(总计)759ms
-
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)399ms
响应时间(最大)570ms
响应时间(总计)1.20s
-
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)1.40s
响应时间(最大)1.40s
响应时间(总计)1.40s
-
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)397ms
响应时间(最大)397ms
响应时间(总计)397ms
|
| #397#397 |
Mercury 2.5low
|
5.1… |
Inception |
$0.020
…
|
3.34s… |
只有当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 API 错误: 1 无效工具调用: 1 无答案: 1
响应时间(平均)3.34s
响应时间(最大)47.06s
响应时间(总计)76.80s
…
|
- 总测试数
- 23
- 错误测试数
- 17
- 尝试通过率
- 37.7%
- 输入令牌
- 326,083
- 输出令牌
- 7,224
- 推理令牌
- 33,078
- 响应时间(平均)
- 3.34s
- 响应时间(总计)
- 76.80s
- 响应时间(最大)
- 47.06s
-
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)47.06s
响应时间(最大)47.06s
响应时间(总计)47.06s
-
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。
答案错误: 2
响应时间(平均)799ms
响应时间(最大)1.05s
响应时间(总计)3.20s
-
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)972ms
响应时间(最大)1.03s
响应时间(总计)2.92s
-
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)5.16s
响应时间(最大)7.48s
响应时间(总计)10.32s
-
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)1.10s
响应时间(总计)2.13s
-
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)846ms
响应时间(最大)1.03s
响应时间(总计)2.54s
-
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)819ms
响应时间(最大)819ms
响应时间(总计)819ms
-
指令遵循
: 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。
API 错误: 1 答案错误: 1
响应时间(平均)972ms
响应时间(最大)1.26s
响应时间(总计)1.94s
-
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)792ms
响应时间(最大)829ms
响应时间(总计)2.38s
-
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)2.72s
响应时间(最大)2.72s
响应时间(总计)2.72s
-
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。
答案错误: 1
响应时间(平均)782ms
响应时间(最大)782ms
响应时间(总计)782ms
|
| #398#398 |
KAT Coder AIR V2.5medium
|
5.1… |
Kwaipilot |
$0.048
…
|
8.32s… |
只有当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: 2 额外格式: 1 未遵循指令: 1 超时: 1
响应时间(平均)8.32s
响应时间(最大)48.19s
响应时间(总计)191.40s
…
|
- 总测试数
- 23
- 错误测试数
- 15
- 尝试通过率
- 43.5%
- 输入令牌
- 51,369
- 输出令牌
- 8,008
- 推理令牌
- 58,568
- 响应时间(平均)
- 8.32s
- 响应时间(总计)
- 191.40s
- 响应时间(最大)
- 48.19s
-
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)1.05s
响应时间(最大)1.05s
响应时间(总计)1.05s
-
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)3.79s
响应时间(最大)9.97s
响应时间(总计)15.17s
-
编程
: 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: 2 额外格式: 1
响应时间(平均)23.37s
响应时间(最大)48.19s
响应时间(总计)70.10s
-
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。
API 错误: 1
响应时间(平均)19.56s
响应时间(最大)27.68s
响应时间(总计)39.11s
-
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)3.65s
响应时间(最大)4.88s
响应时间(总计)7.31s
-
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 超时: 1
响应时间(平均)6.58s
响应时间(最大)7.90s
响应时间(总计)19.73s
-
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)9.81s
响应时间(最大)9.81s
响应时间(总计)9.81s
-
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)1.50s
响应时间(最大)1.88s
响应时间(总计)3.00s
-
谜题求解
: 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)1.87s
响应时间(最大)2.41s
响应时间(总计)5.61s
-
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)4.77s
响应时间(最大)4.77s
响应时间(总计)4.77s
-
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)15.74s
响应时间(最大)15.74s
响应时间(总计)15.74s
|
| #399#399 |
MiMo-V2.5-Pronone
|
5.1… |
Xiaomi |
$0.135
↓
…
|
6.21s… |
只有当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: 4 无效工具调用: 1 无答案: 1
响应时间(平均)6.21s
响应时间(最大)53.13s
响应时间(总计)142.89s
…
|
- 总测试数
- 23
- 错误测试数
- 18
- 尝试通过率
- 31.9%
- 输入令牌
- 273,075
- 输出令牌
- 17,069
- 推理令牌
- 0
- 响应时间(平均)
- 6.21s
- 响应时间(总计)
- 142.89s
- 响应时间(最大)
- 53.13s
-
智能体任务
: 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。
无效工具调用: 1
响应时间(平均)49.61s
响应时间(最大)49.61s
响应时间(总计)49.61s
-
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 未遵循指令: 1
响应时间(平均)2.67s
响应时间(最大)8.32s
响应时间(总计)10.67s
-
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: 2 未遵循指令: 1
响应时间(平均)1.41s
响应时间(最大)2.39s
响应时间(总计)4.23s
-
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。
未遵循指令: 1 无答案: 1
响应时间(平均)28.33s
响应时间(最大)53.13s
响应时间(总计)56.67s
-
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)1.32s
响应时间(最大)1.42s
响应时间(总计)2.64s
-
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)1.79s
响应时间(最大)3.59s
响应时间(总计)5.36s
-
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)2.58s
响应时间(最大)2.58s
响应时间(总计)2.58s
-
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)1.03s
响应时间(最大)1.10s
响应时间(总计)2.06s
-
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)1.30s
响应时间(最大)1.61s
响应时间(总计)3.90s
-
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)3.30s
响应时间(最大)3.30s
响应时间(总计)3.30s
-
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)1.89s
响应时间(最大)1.89s
响应时间(总计)1.89s
|
| #400#400 |
Apodex 1.1 Minidefault
|
5.1… |
Apodex |
$0.000
…
|
7.79s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 16 未遵循指令: 2 无效工具调用: 2
响应时间(平均)7.79s
响应时间(最大)121.52s
响应时间(总计)179.09s
…
|
- 总测试数
- 23
- 错误测试数
- 20
- 尝试通过率
- 29.0%
- 输入令牌
- 465,127
- 输出令牌
- 72,309
- 推理令牌
- 0
- 响应时间(平均)
- 7.79s
- 响应时间(总计)
- 179.09s
- 响应时间(最大)
- 121.52s
-
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)121.52s
响应时间(最大)121.52s
响应时间(总计)121.52s
-
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)1.18s
响应时间(最大)2.18s
响应时间(总计)4.72s
-
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。
答案错误: 3
响应时间(平均)1.13s
响应时间(最大)1.68s
响应时间(总计)3.39s
-
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。
无效工具调用: 1 答案错误: 1
响应时间(平均)16.96s
响应时间(最大)30.55s
响应时间(总计)33.93s
-
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)1.13s
响应时间(最大)1.31s
响应时间(总计)2.27s
-
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)870ms
响应时间(最大)1.14s
响应时间(总计)2.61s
-
通用智能
: 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: 1
响应时间(平均)1.38s
响应时间(最大)1.38s
响应时间(总计)1.38s
-
指令遵循
: 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。
未遵循指令: 1 答案错误: 1
响应时间(平均)1.06s
响应时间(最大)1.21s
响应时间(总计)2.12s
-
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)1.20s
响应时间(最大)1.49s
响应时间(总计)3.60s
-
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)2.80s
响应时间(最大)2.80s
响应时间(总计)2.80s
-
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。
答案错误: 1
响应时间(平均)759ms
响应时间(最大)759ms
响应时间(总计)759ms
|