| #476#476 |
Span-02default36/69 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。
|
2.8… |
Respan |
$0.001
…
|
1.36s… |
只有当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)1.36s
响应时间(最大)5.71s
响应时间(总计)16.37s
…
|
- 总测试数
- 12
- 错误测试数
- 6
- 尝试通过率
- 26.1%
- 输入令牌
- 70,626
- 输出令牌
- 0
- 推理令牌
- 0
- 响应时间(平均)
- 1.36s
- 响应时间(总计)
- 16.37s
- 响应时间(最大)
- 5.71s
-
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)2.38s
响应时间(最大)5.71s
响应时间(总计)7.13s
-
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)544ms
响应时间(最大)565ms
响应时间(总计)1.09s
-
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)710ms
响应时间(最大)731ms
响应时间(总计)1.42s
-
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)1.24s
响应时间(最大)2.53s
响应时间(总计)3.73s
-
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
: 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)2.30s
响应时间(最大)2.30s
响应时间(总计)2.30s
-
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)708ms
响应时间(最大)708ms
响应时间(总计)708ms
-
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
|
| #477#477 |
Nemotron 3 Nano Omni 30b A3b Reasoningmedium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。
|
2.7… |
NVIDIA |
$0.000
…
|
17.13s… |
只有当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: 6 未遵循指令: 1 无答案: 1
响应时间(平均)17.13s
响应时间(最大)147.45s
响应时间(总计)222.66s
…
|
- 总测试数
- 19
- 错误测试数
- 15
- 尝试通过率
- 26.1%
- 输入令牌
- 11,661
- 输出令牌
- 48,491
- 推理令牌
- 180,695
- 响应时间(平均)
- 17.13s
- 响应时间(总计)
- 222.66s
- 响应时间(最大)
- 147.45s
-
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。
API 错误: 1 答案错误: 1
响应时间(平均)1.20s
响应时间(最大)1.48s
响应时间(总计)3.59s
-
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)38.09s
响应时间(最大)38.09s
响应时间(总计)38.09s
-
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
: 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)2.72s
响应时间(最大)3.88s
响应时间(总计)5.43s
-
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)56.67s
响应时间(最大)147.45s
响应时间(总计)170.02s
-
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
: 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)1.37s
响应时间(最大)1.56s
响应时间(总计)2.74s
-
谜题求解
: 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 API 错误: 1
响应时间(平均)1.40s
响应时间(最大)1.57s
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。
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
|
| #478#478 |
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
|
| #479#479 |
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
|
| #480#480 |
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
|
| #481#481 |
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
|
| #482#482 |
Reflexdefault36/69 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… |
Morph |
$0.004
…
|
888ms… |
只有当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: 1
响应时间(平均)888ms
响应时间(最大)1.73s
响应时间(总计)10.66s
…
|
- 总测试数
- 12
- 错误测试数
- 7
- 尝试通过率
- 21.7%
- 输入令牌
- 73,902
- 输出令牌
- 0
- 推理令牌
- 0
- 响应时间(平均)
- 888ms
- 响应时间(总计)
- 10.66s
- 响应时间(最大)
- 1.73s
-
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)879ms
响应时间(最大)1.18s
响应时间(总计)2.64s
-
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)783ms
响应时间(最大)1.08s
响应时间(总计)1.57s
-
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)1.25s
响应时间(最大)1.73s
响应时间(总计)2.50s
-
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)758ms
响应时间(最大)780ms
响应时间(总计)2.28s
-
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)836ms
响应时间(最大)836ms
响应时间(总计)836ms
-
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)849ms
响应时间(最大)849ms
响应时间(总计)849ms
-
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
|
| #483#483 |
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
|
| #484#484 |
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
|
| #485#485 |
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
|
| #486#486 |
Kev 4Bdefault36/69 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… |
Jaredpalmer |
$0.002
…
|
5.63s… |
只有当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)5.63s
响应时间(最大)17.79s
响应时间(总计)67.61s
…
|
- 总测试数
- 12
- 错误测试数
- 9
- 尝试通过率
- 15.9%
- 输入令牌
- 42,804
- 输出令牌
- 28,061
- 推理令牌
- 0
- 响应时间(平均)
- 5.63s
- 响应时间(总计)
- 67.61s
- 响应时间(最大)
- 17.79s
-
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)3.65s
响应时间(最大)9.32s
响应时间(总计)10.95s
-
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)771ms
响应时间(最大)954ms
响应时间(总计)1.54s
-
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)9.09s
响应时间(最大)17.37s
响应时间(总计)18.18s
-
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)6.34s
响应时间(最大)17.79s
响应时间(总计)19.02s
-
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)17.27s
响应时间(最大)17.27s
响应时间(总计)17.27s
-
谜题求解
: 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: 1
响应时间(平均)646ms
响应时间(最大)646ms
响应时间(总计)646ms
-
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
|
| #487#487 |
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
|
| #488#488 |
Mammoth 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。
|
2.2… |
Baseten |
$0.000
…
|
1.80s… |
只有当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 未遵循指令: 1
响应时间(平均)1.80s
响应时间(最大)8.17s
响应时间(总计)21.63s
…
|
- 总测试数
- 12
- 错误测试数
- 9
- 尝试通过率
- 18.8%
- 输入令牌
- 45,468
- 输出令牌
- 54
- 推理令牌
- 0
- 响应时间(平均)
- 1.80s
- 响应时间(总计)
- 21.63s
- 响应时间(最大)
- 8.17s
-
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)530ms
响应时间(最大)662ms
响应时间(总计)1.59s
-
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)951ms
响应时间(最大)1.17s
响应时间(总计)1.90s
-
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
: 3.7
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
响应时间(平均)6.10s
响应时间(最大)8.17s
响应时间(总计)12.20s
-
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)531ms
响应时间(最大)714ms
响应时间(总计)1.59s
-
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)4.04s
响应时间(最大)4.04s
响应时间(总计)4.04s
-
谜题求解
: 1.6
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
响应时间(平均)298ms
响应时间(最大)298ms
响应时间(总计)298ms
-
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
|
| #489#489 |
Classify-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。
|
2.2… |
Scaledown |
$0.008
…
|
4.58s… |
只有当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: 1
响应时间(平均)4.58s
响应时间(最大)13.35s
响应时间(总计)55.01s
…
|
- 总测试数
- 12
- 错误测试数
- 9
- 尝试通过率
- 18.8%
- 输入令牌
- 195,645
- 输出令牌
- 164
- 推理令牌
- 0
- 响应时间(平均)
- 4.58s
- 响应时间(总计)
- 55.01s
- 响应时间(最大)
- 13.35s
-
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)3.69s
响应时间(最大)4.83s
响应时间(总计)11.08s
-
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。
API 错误: 1 答案错误: 1
响应时间(平均)12.73s
响应时间(最大)13.35s
响应时间(总计)25.46s
-
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)4.10s
响应时间(最大)6.24s
响应时间(总计)8.21s
-
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)1.54s
响应时间(最大)1.84s
响应时间(总计)4.63s
-
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)4.26s
响应时间(最大)4.26s
响应时间(总计)4.26s
-
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)1.37s
响应时间(最大)1.37s
响应时间(总计)1.37s
-
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
|
| #490#490 |
Decisions Fastdefault36/69 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。
|
2.0… |
Parallel |
$0.000
…
|
1.04s… |
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: 6 未遵循指令: 2
响应时间(平均)1.04s
响应时间(最大)1.54s
响应时间(总计)12.49s
…
|
- 总测试数
- 12
- 错误测试数
- 8
- 尝试通过率
- 18.8%
- 输入令牌
- 159,639
- 输出令牌
- 0
- 推理令牌
- 0
- 响应时间(平均)
- 1.04s
- 响应时间(总计)
- 12.49s
- 响应时间(最大)
- 1.54s
-
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)1.03s
响应时间(最大)1.31s
响应时间(总计)3.10s
-
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。
未遵循指令: 1 答案错误: 1
响应时间(平均)1.22s
响应时间(最大)1.47s
响应时间(总计)2.43s
-
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)1.04s
响应时间(最大)1.17s
响应时间(总计)2.08s
-
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)845ms
响应时间(最大)863ms
响应时间(总计)2.54s
-
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)795ms
响应时间(最大)795ms
响应时间(总计)795ms
-
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)1.54s
响应时间(最大)1.54s
响应时间(总计)1.54s
-
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
|
| #491#491 |
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
|
| #492#492 |
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
|
| #493#493 |
Joey 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。
|
1.9… |
Baseten |
$0.001
…
|
646ms… |
只有当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)646ms
响应时间(最大)789ms
响应时间(总计)7.75s
…
|
- 总测试数
- 12
- 错误测试数
- 9
- 尝试通过率
- 13.0%
- 输入令牌
- 53,139
- 输出令牌
- 69
- 推理令牌
- 0
- 响应时间(平均)
- 646ms
- 响应时间(总计)
- 7.75s
- 响应时间(最大)
- 789ms
-
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)660ms
响应时间(最大)693ms
响应时间(总计)1.98s
-
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)650ms
响应时间(最大)652ms
响应时间(总计)1.30s
-
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)589ms
响应时间(最大)623ms
响应时间(总计)1.18s
-
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)650ms
响应时间(最大)731ms
响应时间(总计)1.95s
-
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)553ms
响应时间(最大)553ms
响应时间(总计)553ms
-
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)789ms
响应时间(最大)789ms
响应时间(总计)789ms
-
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
|
| #494#494 |
Step 3.5 Flashnone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。
|
1.9… |
Stepfun |
$0.020
…
|
39.03s… |
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 未遵循指令: 1 答案错误: 1
响应时间(平均)39.03s
响应时间(最大)114.12s
响应时间(总计)312.26s
…
|
- 总测试数
- 12
- 错误测试数
- 6
- 尝试通过率
- 26.1%
- 输入令牌
- 1,971
- 输出令牌
- 50,509
- 推理令牌
- 33,867
- 响应时间(平均)
- 39.03s
- 响应时间(总计)
- 312.26s
- 响应时间(最大)
- 114.12s
-
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)34.99s
响应时间(最大)109.60s
响应时间(总计)139.95s
-
编程
: 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。
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
: 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
: 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
-
领域专项
: 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)34.54s
响应时间(最大)34.54s
响应时间(总计)34.54s
-
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)14.37s
响应时间(最大)14.37s
响应时间(总计)14.37s
-
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。
没有失败答案。
响应时间(平均)9.30s
响应时间(最大)9.30s
响应时间(总计)9.30s
-
谜题求解
: 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
-
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)114.12s
响应时间(最大)114.12s
响应时间(总计)114.12s
|
| #495#495 |
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
|
| #496#496 |
Gemini 3 Flash Previewhigh3/69 次尝试 (目标:每项测试重复 3 次)
|
1.8… |
Google |
$0.105
…
|
52.45s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)52.45s
响应时间(最大)52.45s
响应时间(总计)52.45s
…
|
- 总测试数
- 1
- 错误测试数
- 0
- 尝试通过率
- 4.4%
- 输入令牌
- 134,050
- 输出令牌
- 1,029
- 推理令牌
- 11,528
- 响应时间(平均)
- 52.45s
- 响应时间(总计)
- 52.45s
- 响应时间(最大)
- 52.45s
-
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)52.45s
响应时间(最大)52.45s
响应时间(总计)52.45s
-
反AI技巧
: 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
-
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
: 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
-
领域专项
: 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
-
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
: 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
-
谜题求解
: 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
-
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
|
| #497#497 |
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
|
| #498#498 |
Solar Decide Flashdefault21/69 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。
|
1.7… |
Upstage |
$0.003
…
|
1.33s… |
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
响应时间(平均)1.33s
响应时间(最大)1.66s
响应时间(总计)9.32s
…
|
- 总测试数
- 7
- 错误测试数
- 4
- 尝试通过率
- 13.0%
- 输入令牌
- 47,586
- 输出令牌
- 51
- 推理令牌
- 0
- 响应时间(平均)
- 1.33s
- 响应时间(总计)
- 9.32s
- 响应时间(最大)
- 1.66s
-
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
: 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)1.13s
响应时间(最大)1.13s
响应时间(总计)1.13s
-
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
: 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)1.33s
响应时间(最大)1.57s
响应时间(总计)2.66s
-
领域专项
: 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)1.11s
响应时间(最大)1.31s
响应时间(总计)2.21s
-
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)1.66s
响应时间(最大)1.66s
响应时间(总计)1.66s
-
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)1.66s
响应时间(最大)1.66s
响应时间(总计)1.66s
-
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
|
| #499#499 |
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
|
| #500#500 |
d1.1default36/69 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… |
Liquid |
$0.001
…
|
845ms… |
只有当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
响应时间(平均)845ms
响应时间(最大)1.48s
响应时间(总计)10.13s
…
|
- 总测试数
- 12
- 错误测试数
- 11
- 尝试通过率
- 10.1%
- 输入令牌
- 34,410
- 输出令牌
- 0
- 推理令牌
- 0
- 响应时间(平均)
- 845ms
- 响应时间(总计)
- 10.13s
- 响应时间(最大)
- 1.48s
-
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
: 3.9
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)770ms
响应时间(最大)1.06s
响应时间(总计)2.31s
-
编程
: 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: 2
响应时间(平均)957ms
响应时间(最大)1.12s
响应时间(总计)1.91s
-
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
: 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
响应时间(平均)671ms
响应时间(最大)720ms
响应时间(总计)1.34s
-
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。
答案错误: 3
响应时间(平均)832ms
响应时间(最大)1.37s
响应时间(总计)2.50s
-
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)587ms
响应时间(最大)587ms
响应时间(总计)587ms
-
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)1.48s
响应时间(最大)1.48s
响应时间(总计)1.48s
-
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
|