| #501#501 |
Solar Decidedefault21/69 次尝试. 选项由适配器提供。支持 7/23 项测试。其他测试不受支持,并非失败。分数按完整测试集计算。
|
1.0… |
Upstage |
$0.009
↑
…
|
6.01s… |
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: 5
响应时间(平均)6.01s
响应时间(最大)13.10s
响应时间(总计)42.05s
…
|
- 总测试数
- 7
- 错误测试数
- 5
- 尝试通过率
- 14.5%
- 输入令牌
- 47,586
- 输出令牌
- 51
- 推理令牌
- 0
- 响应时间(平均)
- 6.01s
- 响应时间(总计)
- 42.05s
- 响应时间(最大)
- 13.10s
-
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)2.41s
响应时间(最大)2.41s
响应时间(总计)2.41s
-
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
: 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。
答案错误: 2
响应时间(平均)5.00s
响应时间(最大)6.86s
响应时间(总计)10.00s
-
领域专项
: 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)7.26s
响应时间(最大)13.10s
响应时间(总计)14.52s
-
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)11.66s
响应时间(最大)11.66s
响应时间(总计)11.66s
-
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)3.47s
响应时间(最大)3.47s
响应时间(总计)3.47s
-
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
|
| #502#502 |
Tev1 4B Experimentaldefault21/69 次尝试. 选项由适配器提供。支持 7/23 项测试。其他测试不受支持,并非失败。分数按完整测试集计算。
|
1.0… |
Togethercomputer |
$0.002
…
|
498ms… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 4
响应时间(平均)498ms
响应时间(最大)602ms
响应时间(总计)3.49s
…
|
- 总测试数
- 7
- 错误测试数
- 4
- 尝试通过率
- 13.0%
- 输入令牌
- 33,864
- 输出令牌
- 96
- 推理令牌
- 0
- 响应时间(平均)
- 498ms
- 响应时间(总计)
- 3.49s
- 响应时间(最大)
- 602ms
-
智能体任务
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
反AI技巧
: 2.5
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)602ms
响应时间(最大)602ms
响应时间(总计)602ms
-
编程
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
综合
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
数据解析与提取
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)509ms
响应时间(最大)563ms
响应时间(总计)1.02s
-
领域专项
: 6.7
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)440ms
响应时间(最大)491ms
响应时间(总计)879ms
-
通用智能
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
指令遵循
: 1.5
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)555ms
响应时间(最大)555ms
响应时间(总计)555ms
-
谜题求解
: 1.7
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)432ms
响应时间(最大)432ms
响应时间(总计)432ms
-
工具调用
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
常识问答
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
|
| #503#503 |
Nimble v3 9Bdefault候选模型的回答由本地硬件生成。OpenRouter 仅用于评测。 nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.21/69 次尝试. 选项由适配器提供。支持 7/23 项测试。其他测试不受支持,并非失败。分数按完整测试集计算。
|
0.8… |
Bespoke Labs |
~$0.001
仅估算 GPU 的电费,不包括计算机其他部件及硬件购置成本。 NVIDIA GeForce RTX 3090: 0.0021 h × 0.377 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.000263.
|
363ms… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 5 未遵循指令: 1
响应时间(平均)363ms
响应时间(最大)1.24s
响应时间(总计)2.54s
…
|
- 总测试数
- 7
- 错误测试数
- 6
- 尝试通过率
- 4.4%
- 输入令牌
- 103,770
- 输出令牌
- 0
- 推理令牌
- 0
- 响应时间(平均)
- 363ms
- 响应时间(总计)
- 2.54s
- 响应时间(最大)
- 1.24s
-
智能体任务
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
反AI技巧
: 2.5
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)73ms
响应时间(最大)73ms
响应时间(总计)73ms
-
编程
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
综合
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
数据解析与提取
: 3.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)880ms
响应时间(最大)1.24s
响应时间(总计)1.76s
-
领域专项
: 2.0
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 2
响应时间(平均)80ms
响应时间(最大)91ms
响应时间(总计)160ms
-
通用智能
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
指令遵循
: 1.5
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)469ms
响应时间(最大)469ms
响应时间(总计)469ms
-
谜题求解
: 1.7
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)79ms
响应时间(最大)79ms
响应时间(总计)79ms
-
工具调用
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
-
常识问答
: 0.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)0ms
响应时间(最大)0ms
响应时间(总计)0ms
|
| #504#504 |
Claude Opus 5.5none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。
|
0.2… |
Anthropic |
$0.015
…
|
13.58s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)13.58s
响应时间(最大)13.58s
响应时间(总计)13.58s
…
|
- 总测试数
- 1
- 错误测试数
- 0
- 尝试通过率
- 4.4%
- 输入令牌
- 73
- 输出令牌
- 6
- 推理令牌
- 729
- 响应时间(平均)
- 13.58s
- 响应时间(总计)
- 13.58s
- 响应时间(最大)
- 13.58s
-
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
: 0.0
只有当某个测试的所有运行都通过时,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
: 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)13.58s
响应时间(最大)13.58s
响应时间(总计)13.58s
-
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
: 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
|