| #126#126 |
Ernie 5.5 Flash Previewhigh
|
8.3… |
Baidu |
$0.000
…
|
34.81s… |
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 API 错误: 1 无效工具调用: 1 无答案: 1 答案错误: 1
响应时间(平均)34.81s
响应时间(最大)246.40s
响应时间(总计)800.65s
…
|
- 总测试数
- 23
- 错误测试数
- 6
- 尝试通过率
- 82.6%
- 输入令牌
- 341,965
- 输出令牌
- 7,959
- 推理令牌
- 582,592
- 响应时间(平均)
- 34.81s
- 响应时间(总计)
- 800.65s
- 响应时间(最大)
- 246.40s
-
智能体任务
: 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)63.99s
响应时间(最大)63.99s
响应时间(总计)63.99s
-
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)1.66s
响应时间(最大)2.16s
响应时间(总计)6.64s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)16.70s
响应时间(最大)22.17s
响应时间(总计)50.11s
-
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)38.20s
响应时间(最大)62.75s
响应时间(总计)76.39s
-
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。
额外格式: 1
响应时间(平均)2.66s
响应时间(最大)2.77s
响应时间(总计)5.33s
-
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。
API 错误: 1 额外格式: 1 答案错误: 1
响应时间(平均)193.25s
响应时间(最大)246.40s
响应时间(总计)579.75s
-
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)4.60s
响应时间(最大)4.60s
响应时间(总计)4.60s
-
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)1.55s
响应时间(最大)1.61s
响应时间(总计)3.10s
-
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)1.52s
响应时间(最大)1.91s
响应时间(总计)4.56s
-
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)4.19s
响应时间(最大)4.19s
响应时间(总计)4.19s
-
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。
无答案: 1
响应时间(平均)2.01s
响应时间(最大)2.01s
响应时间(总计)2.01s
|
| #127#127 |
GPT-5.6 Terrahigh
|
8.3… |
OpenAI |
$0.698
↓
…
|
13.62s… |
只有当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 无效工具调用: 1
响应时间(平均)13.62s
响应时间(最大)91.49s
响应时间(总计)313.21s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 69.6%
- 输入令牌
- 197,239
- 输出令牌
- 6,083
- 推理令牌
- 53,982
- 响应时间(平均)
- 13.62s
- 响应时间(总计)
- 313.21s
- 响应时间(最大)
- 91.49s
-
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)66.44s
响应时间(最大)66.44s
响应时间(总计)66.44s
-
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)2.54s
响应时间(最大)3.19s
响应时间(总计)10.15s
-
编程
: 7.6
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: 1
响应时间(平均)9.14s
响应时间(最大)15.19s
响应时间(总计)27.43s
-
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)13.72s
响应时间(最大)20.49s
响应时间(总计)27.43s
-
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)938ms
响应时间(最大)1.01s
响应时间(总计)1.88s
-
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)42.65s
响应时间(最大)91.49s
响应时间(总计)127.94s
-
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)3.03s
响应时间(最大)3.03s
响应时间(总计)3.03s
-
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)2.14s
响应时间(最大)2.48s
响应时间(总计)4.28s
-
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)5.45s
响应时间(最大)10.40s
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)4.97s
响应时间(最大)4.97s
响应时间(总计)4.97s
-
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)23.30s
响应时间(最大)23.30s
响应时间(总计)23.30s
|
| #128#128 |
Claude Haiku 5.5high
|
8.3… |
Anthropic |
$0.088
…
|
10.41s… |
只有当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 额外格式: 2 未遵循指令: 1 无答案: 1
响应时间(平均)10.41s
响应时间(最大)52.61s
响应时间(总计)239.38s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 76.8%
- 输入令牌
- 346,451
- 输出令牌
- 10,136
- 推理令牌
- 95,504
- 响应时间(平均)
- 10.41s
- 响应时间(总计)
- 239.38s
- 响应时间(最大)
- 52.61s
-
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)52.61s
响应时间(最大)52.61s
响应时间(总计)52.61s
-
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)2.70s
响应时间(最大)3.88s
响应时间(总计)10.81s
-
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。
答案错误: 2
响应时间(平均)9.54s
响应时间(最大)12.73s
响应时间(总计)28.63s
-
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)30.00s
响应时间(最大)37.55s
响应时间(总计)59.99s
-
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)3.77s
响应时间(最大)4.30s
响应时间(总计)7.53s
-
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。
额外格式: 2 答案错误: 1
响应时间(平均)16.29s
响应时间(最大)28.54s
响应时间(总计)48.86s
-
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)4.89s
响应时间(最大)4.89s
响应时间(总计)4.89s
-
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)3.19s
响应时间(最大)3.21s
响应时间(总计)6.38s
-
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。
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)4.68s
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)5.34s
响应时间(最大)5.34s
响应时间(总计)5.34s
-
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)4.49s
响应时间(最大)4.49s
响应时间(总计)4.49s
|
| #129#129 |
Gemini 3.5 Flashhigh
|
8.3… |
Google |
$2.737
…
|
18.59s… |
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 答案错误: 2
响应时间(平均)18.59s
响应时间(最大)145.92s
响应时间(总计)427.52s
…
|
- 总测试数
- 23
- 错误测试数
- 4
- 尝试通过率
- 85.5%
- 输入令牌
- 348,103
- 输出令牌
- 11,045
- 推理令牌
- 234,967
- 响应时间(平均)
- 18.59s
- 响应时间(总计)
- 427.52s
- 响应时间(最大)
- 145.92s
-
智能体任务
: 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。
无效工具调用: 1
响应时间(平均)87.32s
响应时间(最大)87.32s
响应时间(总计)87.32s
-
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)2.57s
响应时间(最大)3.60s
响应时间(总计)10.27s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)22.96s
响应时间(最大)34.82s
响应时间(总计)68.88s
-
综合
: 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。
无效工具调用: 1
响应时间(平均)84.14s
响应时间(最大)145.92s
响应时间(总计)168.28s
-
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)6.43s
响应时间(最大)8.51s
响应时间(总计)12.87s
-
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)16.99s
响应时间(最大)22.00s
响应时间(总计)50.98s
-
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)3.63s
响应时间(最大)3.63s
响应时间(总计)3.63s
-
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)3.35s
响应时间(最大)3.42s
响应时间(总计)6.69s
-
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)3.23s
响应时间(最大)3.68s
响应时间(总计)9.69s
-
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)4.96s
响应时间(最大)4.96s
响应时间(总计)4.96s
-
常识问答
: 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)3.94s
响应时间(最大)3.94s
响应时间(总计)3.94s
|
| #130#130 |
Kimi K3max
|
8.3… |
Moonshot AI |
$3.409
↓
…
|
139.41s… |
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 无答案: 2 额外格式: 1 超时: 1
响应时间(平均)139.41s
响应时间(最大)766.58s
响应时间(总计)2788.26s
…
|
- 总测试数
- 23
- 错误测试数
- 6
- 尝试通过率
- 78.3%
- 输入令牌
- 170,700
- 输出令牌
- 7,719
- 推理令牌
- 225,608
- 响应时间(平均)
- 139.41s
- 响应时间(总计)
- 2788.26s
- 响应时间(最大)
- 766.58s
-
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)74.24s
响应时间(最大)74.24s
响应时间(总计)74.24s
-
反AI技巧
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)10.24s
响应时间(最大)15.21s
响应时间(总计)40.97s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)325.79s
响应时间(最大)589.43s
响应时间(总计)977.36s
-
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)223.03s
响应时间(最大)223.03s
响应时间(总计)223.03s
-
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。
额外格式: 1
响应时间(平均)16.72s
响应时间(最大)18.73s
响应时间(总计)33.44s
-
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。
无答案: 1 超时: 1
响应时间(平均)683.62s
响应时间(最大)766.58s
响应时间(总计)1367.25s
-
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)14.91s
响应时间(最大)14.91s
响应时间(总计)14.91s
-
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)7.66s
响应时间(最大)7.99s
响应时间(总计)15.33s
-
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)7.36s
响应时间(最大)12.30s
响应时间(总计)22.07s
-
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。
无答案: 1
响应时间(平均)19.67s
响应时间(最大)19.67s
响应时间(总计)19.67s
|
| #131#131 |
GPT-6 Lunamedium
|
8.3… |
OpenAI |
$0.047
…
|
18.07s… |
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: 7 未遵循指令: 1
响应时间(平均)18.07s
响应时间(最大)66.44s
响应时间(总计)415.53s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 73.9%
- 输入令牌
- 203,193
- 输出令牌
- 5,751
- 推理令牌
- 47,410
- 响应时间(平均)
- 18.07s
- 响应时间(总计)
- 415.53s
- 响应时间(最大)
- 66.44s
-
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)66.44s
响应时间(最大)66.44s
响应时间(总计)66.44s
-
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)4.32s
响应时间(最大)7.04s
响应时间(总计)17.27s
-
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)23.63s
响应时间(最大)30.28s
响应时间(总计)70.88s
-
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)22.65s
响应时间(最大)35.14s
响应时间(总计)45.30s
-
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)26.09s
响应时间(最大)28.13s
响应时间(总计)52.18s
-
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)22.71s
响应时间(最大)27.87s
响应时间(总计)68.14s
-
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)28.25s
响应时间(最大)28.25s
响应时间(总计)28.25s
-
指令遵循
: 9.8
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)13.24s
响应时间(最大)24.24s
响应时间(总计)26.48s
-
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)9.78s
响应时间(最大)17.71s
响应时间(总计)29.35s
-
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)4.84s
响应时间(最大)4.84s
响应时间(总计)4.84s
-
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)6.39s
响应时间(最大)6.39s
响应时间(总计)6.39s
|
| #132#132 |
Claude Opus 4.8medium
|
8.3… |
Anthropic |
$3.490
…
|
16.72s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 5 无答案: 1
响应时间(平均)16.72s
响应时间(最大)99.37s
响应时间(总计)384.66s
…
|
- 总测试数
- 23
- 错误测试数
- 6
- 尝试通过率
- 82.6%
- 输入令牌
- 360,294
- 输出令牌
- 43,441
- 推理令牌
- 24,401
- 响应时间(平均)
- 16.72s
- 响应时间(总计)
- 384.66s
- 响应时间(最大)
- 99.37s
-
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)99.37s
响应时间(最大)99.37s
响应时间(总计)99.37s
-
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)3.95s
响应时间(最大)5.76s
响应时间(总计)15.79s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)15.33s
响应时间(最大)22.27s
响应时间(总计)45.98s
-
综合
: 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)54.29s
响应时间(最大)70.54s
响应时间(总计)108.57s
-
数据解析与提取
: 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)12.29s
响应时间(最大)19.64s
响应时间(总计)24.59s
-
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)18.11s
响应时间(最大)28.41s
响应时间(总计)54.32s
-
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)2.46s
响应时间(最大)2.46s
响应时间(总计)2.46s
-
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)3.32s
响应时间(最大)5.07s
响应时间(总计)6.63s
-
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)3.95s
响应时间(最大)4.33s
响应时间(总计)11.85s
-
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)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。
无答案: 1
响应时间(平均)6.14s
响应时间(最大)6.14s
响应时间(总计)6.14s
|
| #133#133 |
Ling 3.1 Flashmedium
|
8.3… |
Inclusionai |
$0.000
…
|
88.74s… |
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 答案错误: 3 无效工具调用: 1
响应时间(平均)88.74s
响应时间(最大)567.88s
响应时间(总计)2041.10s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 71.0%
- 输入令牌
- 369,495
- 输出令牌
- 172,852
- 推理令牌
- 476,002
- 响应时间(平均)
- 88.74s
- 响应时间(总计)
- 2041.10s
- 响应时间(最大)
- 567.88s
-
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)100.10s
响应时间(最大)100.10s
响应时间(总计)100.10s
-
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)4.24s
响应时间(最大)7.51s
响应时间(总计)16.95s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)87.15s
响应时间(最大)156.86s
响应时间(总计)261.44s
-
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)306.46s
响应时间(最大)567.88s
响应时间(总计)612.92s
-
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)20.92s
响应时间(最大)31.94s
响应时间(总计)41.83s
-
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: 2 答案错误: 1
响应时间(平均)262.25s
响应时间(最大)358.79s
响应时间(总计)786.76s
-
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。
答案错误: 1
响应时间(平均)7.28s
响应时间(最大)7.28s
响应时间(总计)7.28s
-
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)3.57s
响应时间(最大)4.05s
响应时间(总计)7.14s
-
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。
无答案: 1
响应时间(平均)42.32s
响应时间(最大)117.56s
响应时间(总计)126.97s
-
工具调用
: 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)47.17s
响应时间(最大)47.17s
响应时间(总计)47.17s
-
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)32.55s
响应时间(最大)32.55s
响应时间(总计)32.55s
|
| #134#134 |
Qwen3.7 Plusmedium
|
8.3… |
Qwen |
$0.415
↓
…
|
59.73s… |
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: 6 无效工具调用: 1
响应时间(平均)59.73s
响应时间(最大)315.30s
响应时间(总计)1373.73s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 76.8%
- 输入令牌
- 350,546
- 输出令牌
- 8,576
- 推理令牌
- 206,984
- 响应时间(平均)
- 59.73s
- 响应时间(总计)
- 1373.73s
- 响应时间(最大)
- 315.30s
-
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)196.47s
响应时间(最大)196.47s
响应时间(总计)196.47s
-
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)8.58s
响应时间(最大)12.75s
响应时间(总计)34.33s
-
编程
: 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: 2
响应时间(平均)108.60s
响应时间(最大)178.04s
响应时间(总计)325.79s
-
综合
: 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。
无效工具调用: 1
响应时间(平均)190.27s
响应时间(最大)315.30s
响应时间(总计)380.54s
-
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)21.75s
响应时间(最大)23.18s
响应时间(总计)43.49s
-
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)60.05s
响应时间(最大)88.89s
响应时间(总计)180.15s
-
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)25.48s
响应时间(最大)25.48s
响应时间(总计)25.48s
-
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)16.13s
响应时间(最大)17.18s
响应时间(总计)32.26s
-
谜题求解
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)16.38s
响应时间(最大)19.42s
响应时间(总计)49.14s
-
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)91.07s
响应时间(最大)91.07s
响应时间(总计)91.07s
|
| #135#135 |
DeepSeek V4.1 Flash 1017max
|
8.2… |
DeepSeek |
$0.757
…
|
78.20s… |
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: 4 未遵循指令: 2 无答案: 2
响应时间(平均)78.20s
响应时间(最大)605.14s
响应时间(总计)1798.65s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 76.8%
- 输入令牌
- 360,065
- 输出令牌
- 7,711
- 推理令牌
- 1,162,470
- 响应时间(平均)
- 78.20s
- 响应时间(总计)
- 1798.65s
- 响应时间(最大)
- 605.14s
-
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)45.58s
响应时间(最大)45.58s
响应时间(总计)45.58s
-
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)4.16s
响应时间(最大)11.32s
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。
未遵循指令: 1 无答案: 1
响应时间(平均)199.23s
响应时间(最大)301.09s
响应时间(总计)597.69s
-
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)104.92s
响应时间(最大)201.92s
响应时间(总计)209.84s
-
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)1.99s
响应时间(最大)2.42s
响应时间(总计)3.97s
-
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)260.29s
响应时间(最大)605.14s
响应时间(总计)780.87s
-
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)3.52s
响应时间(最大)3.52s
响应时间(总计)3.52s
-
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)1.73s
响应时间(最大)1.91s
响应时间(总计)3.45s
-
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)12.29s
响应时间(最大)31.33s
响应时间(总计)36.87s
-
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)2.43s
响应时间(最大)2.43s
响应时间(总计)2.43s
-
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)97.77s
响应时间(最大)97.77s
响应时间(总计)97.77s
|
| #136#136 |
Grok 4.5high
|
8.2… |
X AI |
$2.687
↑
…
|
72.50s… |
只有当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 无答案: 2 未遵循指令: 1
响应时间(平均)72.50s
响应时间(最大)676.83s
响应时间(总计)1667.51s
…
|
- 总测试数
- 23
- 错误测试数
- 6
- 尝试通过率
- 82.6%
- 输入令牌
- 342,124
- 输出令牌
- 7,135
- 推理令牌
- 326,497
- 响应时间(平均)
- 72.50s
- 响应时间(总计)
- 1667.51s
- 响应时间(最大)
- 676.83s
-
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)76.95s
响应时间(最大)76.95s
响应时间(总计)76.95s
-
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)5.67s
响应时间(最大)7.12s
响应时间(总计)22.67s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)155.16s
响应时间(最大)236.14s
响应时间(总计)465.48s
-
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)35.56s
响应时间(最大)51.56s
响应时间(总计)71.11s
-
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)7.63s
响应时间(最大)8.37s
响应时间(总计)15.26s
-
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: 2 无答案: 1
响应时间(平均)301.27s
响应时间(最大)676.83s
响应时间(总计)903.82s
-
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)9.82s
响应时间(最大)9.82s
响应时间(总计)9.82s
-
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)6.23s
响应时间(最大)8.15s
响应时间(总计)12.47s
-
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)7.88s
响应时间(最大)14.72s
响应时间(总计)23.65s
-
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)5.71s
响应时间(最大)5.71s
响应时间(总计)5.71s
-
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)60.58s
响应时间(最大)60.58s
响应时间(总计)60.58s
|
| #137#137 |
GLM 5.2medium66/69 次尝试 (目标:每项测试重复 3 次)
|
8.2… |
Z.ai |
$1.007
↑
…
|
26.88s… |
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: 3 无答案: 2 超时: 1
响应时间(平均)26.88s
响应时间(最大)102.40s
响应时间(总计)591.34s
…
|
- 总测试数
- 22
- 错误测试数
- 6
- 尝试通过率
- 81.2%
- 输入令牌
- 227,164
- 输出令牌
- 20,029
- 推理令牌
- 60,991
- 响应时间(平均)
- 26.88s
- 响应时间(总计)
- 591.34s
- 响应时间(最大)
- 102.40s
-
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)102.40s
响应时间(最大)102.40s
响应时间(总计)102.40s
-
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)5.89s
响应时间(最大)7.10s
响应时间(总计)23.56s
-
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。
答案错误: 1
响应时间(平均)40.96s
响应时间(最大)60.28s
响应时间(总计)122.88s
-
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)51.96s
响应时间(最大)51.96s
响应时间(总计)51.96s
-
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)13.44s
响应时间(最大)16.02s
响应时间(总计)26.88s
-
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。
无答案: 1 超时: 1 答案错误: 1
响应时间(平均)45.47s
响应时间(最大)101.36s
响应时间(总计)136.40s
-
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)17.39s
响应时间(最大)17.39s
响应时间(总计)17.39s
-
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)7.90s
响应时间(最大)10.13s
响应时间(总计)15.80s
-
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)13.13s
响应时间(最大)25.90s
响应时间(总计)39.40s
-
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)20.41s
响应时间(最大)20.41s
响应时间(总计)20.41s
-
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)34.25s
响应时间(最大)34.25s
响应时间(总计)34.25s
|
| #138#138 |
GPT-5.6 Terramedium
|
8.2… |
OpenAI |
$0.483
↓
…
|
8.93s… |
只有当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)8.93s
响应时间(最大)54.74s
响应时间(总计)205.39s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 71.0%
- 输入令牌
- 172,507
- 输出令牌
- 5,824
- 推理令牌
- 27,365
- 响应时间(平均)
- 8.93s
- 响应时间(总计)
- 205.39s
- 响应时间(最大)
- 54.74s
-
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)54.74s
响应时间(最大)54.74s
响应时间(总计)54.74s
-
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)2.22s
响应时间(最大)3.03s
响应时间(总计)8.87s
-
编程
: 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: 2
响应时间(平均)7.19s
响应时间(最大)9.73s
响应时间(总计)21.57s
-
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)11.10s
响应时间(最大)15.93s
响应时间(总计)22.19s
-
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)872ms
响应时间(最大)920ms
响应时间(总计)1.74s
-
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)21.52s
响应时间(最大)41.68s
响应时间(总计)64.57s
-
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)2.37s
响应时间(最大)2.37s
响应时间(总计)2.37s
-
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)1.43s
响应时间(最大)1.84s
响应时间(总计)2.87s
-
谜题求解
: 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)3.78s
响应时间(最大)6.96s
响应时间(总计)11.33s
-
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)5.09s
响应时间(最大)5.09s
响应时间(总计)5.09s
-
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)10.05s
响应时间(最大)10.05s
响应时间(总计)10.05s
|
| #139#139 |
GLM 5.3 FlashX Legalhigh
|
8.2… |
Z.ai |
$0.521
…
|
35.19s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 4 无答案: 2 未遵循指令: 1 无效工具调用: 1
响应时间(平均)35.19s
响应时间(最大)298.81s
响应时间(总计)809.47s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 72.5%
- 输入令牌
- 238,713
- 输出令牌
- 7,034
- 推理令牌
- 338,951
- 响应时间(平均)
- 35.19s
- 响应时间(总计)
- 809.47s
- 响应时间(最大)
- 298.81s
-
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)78.95s
响应时间(最大)78.95s
响应时间(总计)78.95s
-
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)1.50s
响应时间(最大)1.67s
响应时间(总计)5.99s
-
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。
答案错误: 1
响应时间(平均)27.50s
响应时间(最大)46.74s
响应时间(总计)82.51s
-
综合
: 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。
无效工具调用: 1
响应时间(平均)22.42s
响应时间(最大)35.42s
响应时间(总计)44.85s
-
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)1.41s
响应时间(总计)2.65s
-
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。
无答案: 2 答案错误: 1
响应时间(平均)188.77s
响应时间(最大)298.81s
响应时间(总计)566.30s
-
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)1.78s
响应时间(最大)1.78s
响应时间(总计)1.78s
-
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)1.53s
响应时间(最大)1.53s
响应时间(总计)3.05s
-
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)2.45s
响应时间(最大)2.64s
响应时间(总计)7.36s
-
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)7.41s
响应时间(最大)7.41s
响应时间(总计)7.41s
-
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)8.62s
响应时间(最大)8.62s
响应时间(总计)8.62s
|
| #140#140 |
Gemini 4 Argonlow
|
8.2… |
Google |
$0.438
…
|
5.72s… |
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 5 无效工具调用: 2 未遵循指令: 1
响应时间(平均)5.72s
响应时间(最大)60.87s
响应时间(总计)131.67s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 79.7%
- 输入令牌
- 188,162
- 输出令牌
- 6,097
- 推理令牌
- 0
- 响应时间(平均)
- 5.72s
- 响应时间(总计)
- 131.67s
- 响应时间(最大)
- 60.87s
-
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)60.87s
响应时间(最大)60.87s
响应时间(总计)60.87s
-
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)1.92s
响应时间(最大)2.74s
响应时间(总计)7.66s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)2.25s
响应时间(最大)2.79s
响应时间(总计)6.76s
-
综合
: 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。
无效工具调用: 1 答案错误: 1
响应时间(平均)11.93s
响应时间(最大)15.38s
响应时间(总计)23.85s
-
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)2.36s
响应时间(最大)2.47s
响应时间(总计)4.72s
-
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)1.94s
响应时间(最大)2.22s
响应时间(总计)5.81s
-
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)2.11s
响应时间(最大)2.11s
响应时间(总计)2.11s
-
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)2.40s
响应时间(最大)3.17s
响应时间(总计)4.80s
-
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)2.18s
响应时间(最大)2.42s
响应时间(总计)6.55s
-
工具调用
: 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。
无效工具调用: 1
响应时间(平均)6.57s
响应时间(最大)6.57s
响应时间(总计)6.57s
-
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
|
| #141#141 |
Qwen4 Maxxhigh
|
8.2… |
Qwen |
$1.830
…
|
106.83s… |
只有当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 无答案: 1 超时: 1
响应时间(平均)106.83s
响应时间(最大)595.00s
响应时间(总计)2457.00s
…
|
- 总测试数
- 23
- 错误测试数
- 5
- 尝试通过率
- 82.6%
- 输入令牌
- 345,694
- 输出令牌
- 8,170
- 推理令牌
- 283,059
- 响应时间(平均)
- 106.83s
- 响应时间(总计)
- 2457.00s
- 响应时间(最大)
- 595.00s
-
智能体任务
: 3.4
只有当某个测试的所有运行都通过时,才计为完全通过。
答案错误: 1
响应时间(平均)322.05s
响应时间(最大)322.05s
响应时间(总计)322.05s
-
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)4.45s
响应时间(最大)7.26s
响应时间(总计)17.79s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)28.72s
响应时间(最大)32.64s
响应时间(总计)86.17s
-
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)122.59s
响应时间(最大)217.92s
响应时间(总计)245.19s
-
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)7.24s
响应时间(最大)8.09s
响应时间(总计)14.49s
-
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: 2 超时: 1
响应时间(平均)507.30s
响应时间(最大)595.00s
响应时间(总计)1521.91s
-
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)4.40s
响应时间(最大)4.40s
响应时间(总计)4.40s
-
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)3.74s
响应时间(最大)3.97s
响应时间(总计)7.48s
-
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)5.33s
响应时间(最大)7.11s
响应时间(总计)15.99s
-
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)9.37s
响应时间(最大)9.37s
响应时间(总计)9.37s
-
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)212.18s
响应时间(最大)212.18s
响应时间(总计)212.18s
|
| #142#142 |
Seed-2.0-Litemedium
|
8.2… |
Bytedance Seed |
$0.271
…
|
48.87s… |
只有当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 无答案: 1
响应时间(平均)48.87s
响应时间(最大)254.92s
响应时间(总计)1123.91s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 71.0%
- 输入令牌
- 229,530
- 输出令牌
- 13,757
- 推理令牌
- 92,662
- 响应时间(平均)
- 48.87s
- 响应时间(总计)
- 1123.91s
- 响应时间(最大)
- 254.92s
-
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)69.33s
响应时间(最大)69.33s
响应时间(总计)69.33s
-
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)17.99s
响应时间(最大)48.33s
响应时间(总计)71.98s
-
编程
: 8.0
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)156.74s
响应时间(最大)254.92s
响应时间(总计)470.22s
-
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。
无答案: 1
响应时间(平均)58.52s
响应时间(最大)79.36s
响应时间(总计)117.04s
-
数据解析与提取
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)9.07s
响应时间(最大)12.19s
响应时间(总计)18.14s
-
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)84.35s
响应时间(最大)168.71s
响应时间(总计)253.05s
-
通用智能
: 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
响应时间(平均)18.25s
响应时间(最大)18.25s
响应时间(总计)18.25s
-
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)7.26s
响应时间(最大)9.02s
响应时间(总计)14.52s
-
谜题求解
: 9.0
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)10.23s
响应时间(最大)11.54s
响应时间(总计)30.68s
-
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)12.38s
响应时间(最大)12.38s
响应时间(总计)12.38s
-
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)48.32s
响应时间(最大)48.32s
响应时间(总计)48.32s
|
| #143#143 |
Kimi K3.1 Prohigh
|
8.2… |
Moonshot AI |
$1.646
…
|
54.31s… |
只有当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 无效工具调用: 2
响应时间(平均)54.31s
响应时间(最大)601.80s
响应时间(总计)1249.02s
…
|
- 总测试数
- 23
- 错误测试数
- 7
- 尝试通过率
- 79.7%
- 输入令牌
- 249,927
- 输出令牌
- 10,175
- 推理令牌
- 104,437
- 响应时间(平均)
- 54.31s
- 响应时间(总计)
- 1249.02s
- 响应时间(最大)
- 601.80s
-
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)93.37s
响应时间(最大)93.37s
响应时间(总计)93.37s
-
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)6.91s
响应时间(最大)11.38s
响应时间(总计)27.65s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)24.94s
响应时间(最大)38.41s
响应时间(总计)74.83s
-
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: 1 答案错误: 1
响应时间(平均)36.74s
响应时间(最大)54.74s
响应时间(总计)73.47s
-
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)4.83s
响应时间(最大)5.38s
响应时间(总计)9.65s
-
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)274.56s
响应时间(最大)601.80s
响应时间(总计)823.68s
-
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)8.92s
响应时间(最大)8.92s
响应时间(总计)8.92s
-
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)5.71s
响应时间(最大)6.71s
响应时间(总计)11.41s
-
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)8.23s
响应时间(最大)9.84s
响应时间(总计)24.70s
-
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)11.68s
响应时间(最大)11.68s
响应时间(总计)11.68s
-
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)89.65s
响应时间(最大)89.65s
响应时间(总计)89.65s
|
| #144#144 |
Seed-2.0-Codelow
|
8.1… |
Bytedance Seed |
$0.881
…
|
73.02s… |
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: 7 API 错误: 1 未遵循指令: 1
响应时间(平均)73.02s
响应时间(最大)485.92s
响应时间(总计)1679.49s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 78.3%
- 输入令牌
- 237,604
- 输出令牌
- 9,617
- 推理令牌
- 244,190
- 响应时间(平均)
- 73.02s
- 响应时间(总计)
- 1679.49s
- 响应时间(最大)
- 485.92s
-
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)90.18s
响应时间(最大)90.18s
响应时间(总计)90.18s
-
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)39.56s
响应时间(最大)120.09s
响应时间(总计)158.26s
-
编程
: 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。
答案错误: 2
响应时间(平均)109.70s
响应时间(最大)141.71s
响应时间(总计)329.11s
-
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)99.12s
响应时间(最大)173.03s
响应时间(总计)198.23s
-
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)24.88s
响应时间(最大)30.28s
响应时间(总计)49.75s
-
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)238.45s
响应时间(最大)485.92s
响应时间(总计)715.34s
-
通用智能
: 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。
未遵循指令: 1
响应时间(平均)11.14s
响应时间(最大)11.14s
响应时间(总计)11.14s
-
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)12.20s
响应时间(最大)21.22s
响应时间(总计)24.41s
-
谜题求解
: 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)12.50s
响应时间(最大)20.68s
响应时间(总计)37.50s
-
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)55.56s
响应时间(最大)55.56s
响应时间(总计)55.56s
-
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)10.02s
响应时间(最大)10.02s
响应时间(总计)10.02s
|
| #145#145 |
DeepSeek V4 Pro 0423high
|
8.1… |
DeepSeek |
$0.149
↓
…
|
91.29s… |
只有当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: 1
响应时间(平均)91.29s
响应时间(最大)416.76s
响应时间(总计)2099.56s
…
|
- 总测试数
- 23
- 错误测试数
- 12
- 尝试通过率
- 65.2%
- 输入令牌
- 287,061
- 输出令牌
- 32,056
- 推理令牌
- 196,607
- 响应时间(平均)
- 91.29s
- 响应时间(总计)
- 2099.56s
- 响应时间(最大)
- 416.76s
-
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)64.54s
响应时间(最大)64.54s
响应时间(总计)64.54s
-
反AI技巧
: 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。
答案错误: 2 无答案: 1
响应时间(平均)25.70s
响应时间(最大)48.19s
响应时间(总计)102.80s
-
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)243.00s
响应时间(最大)416.76s
响应时间(总计)729.00s
-
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)78.99s
响应时间(最大)119.80s
响应时间(总计)157.97s
-
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)25.03s
响应时间(最大)27.49s
响应时间(总计)50.06s
-
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)249.47s
响应时间(最大)387.23s
响应时间(总计)748.42s
-
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)8.83s
响应时间(最大)8.83s
响应时间(总计)8.83s
-
指令遵循
: 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)8.73s
响应时间(最大)9.53s
响应时间(总计)17.45s
-
谜题求解
: 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。
未遵循指令: 1 答案错误: 1
响应时间(平均)56.85s
响应时间(最大)146.68s
响应时间(总计)170.55s
-
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)15.92s
响应时间(最大)15.92s
响应时间(总计)15.92s
-
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)34.01s
响应时间(最大)34.01s
响应时间(总计)34.01s
|
| #146#146 |
Claude Opus 4.7medium
|
8.1… |
Anthropic |
$3.636
…
|
14.12s… |
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: 3 无效工具调用: 1 超时: 1
响应时间(平均)14.12s
响应时间(最大)150.60s
响应时间(总计)310.55s
…
|
- 总测试数
- 23
- 错误测试数
- 5
- 尝试通过率
- 81.2%
- 输入令牌
- 437,293
- 输出令牌
- 29,102
- 推理令牌
- 28,876
- 响应时间(平均)
- 14.12s
- 响应时间(总计)
- 310.55s
- 响应时间(最大)
- 150.60s
-
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)150.60s
响应时间(最大)150.60s
响应时间(总计)150.60s
-
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)1.85s
响应时间(最大)2.71s
响应时间(总计)7.38s
-
编程
: 7.6
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: 1
响应时间(平均)12.96s
响应时间(最大)23.18s
响应时间(总计)38.89s
-
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)43.42s
响应时间(最大)65.40s
响应时间(总计)86.85s
-
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)3.30s
响应时间(总计)4.74s
-
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。
超时: 1
响应时间(平均)1.19s
响应时间(最大)1.43s
响应时间(总计)2.38s
-
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)2.87s
响应时间(最大)2.87s
响应时间(总计)2.87s
-
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)1.57s
响应时间(最大)1.66s
响应时间(总计)3.14s
-
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)2.43s
响应时间(最大)2.89s
响应时间(总计)7.28s
-
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)4.17s
响应时间(最大)4.17s
响应时间(总计)4.17s
-
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。
答案错误: 1
响应时间(平均)2.25s
响应时间(最大)2.25s
响应时间(总计)2.25s
|
| #147#147 |
DeepSeek V4 Flash 0423high
|
8.1… |
DeepSeek |
$0.261
↑
…
|
55.99s… |
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: 6 未遵循指令: 2 无效工具调用: 1
响应时间(平均)55.99s
响应时间(最大)218.13s
响应时间(总计)1287.87s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 71.0%
- 输入令牌
- 298,794
- 输出令牌
- 45,873
- 推理令牌
- 188,721
- 响应时间(平均)
- 55.99s
- 响应时间(总计)
- 1287.87s
- 响应时间(最大)
- 218.13s
-
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)148.13s
响应时间(最大)148.13s
响应时间(总计)148.13s
-
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)28.51s
响应时间(最大)39.73s
响应时间(总计)114.05s
-
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)50.60s
响应时间(最大)62.48s
响应时间(总计)151.79s
-
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)104.10s
响应时间(最大)131.63s
响应时间(总计)208.20s
-
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)28.03s
响应时间(最大)30.49s
响应时间(总计)56.07s
-
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)115.42s
响应时间(最大)218.13s
响应时间(总计)346.26s
-
通用智能
: 6.1
只有当某个测试的所有运行都通过时,才计为完全通过。
未遵循指令: 1
响应时间(平均)25.15s
响应时间(最大)25.15s
响应时间(总计)25.15s
-
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)15.36s
响应时间(最大)19.53s
响应时间(总计)30.73s
-
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。
未遵循指令: 1
响应时间(平均)26.11s
响应时间(最大)32.37s
响应时间(总计)78.32s
-
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)74.73s
响应时间(最大)74.73s
响应时间(总计)74.73s
-
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)54.46s
响应时间(最大)54.46s
响应时间(总计)54.46s
|
| #148#148 |
DeepSeek V4.1 Flashlow
|
8.0… |
DeepSeek |
$0.494
↑
…
|
28.04s… |
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 API 错误: 1
响应时间(平均)28.04s
响应时间(最大)149.84s
响应时间(总计)645.03s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 73.9%
- 输入令牌
- 266,849
- 输出令牌
- 8,284
- 推理令牌
- 363,263
- 响应时间(平均)
- 28.04s
- 响应时间(总计)
- 645.03s
- 响应时间(最大)
- 149.84s
-
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)56.02s
响应时间(最大)56.02s
响应时间(总计)56.02s
-
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)3.32s
响应时间(最大)5.98s
响应时间(总计)13.28s
-
编程
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)40.66s
响应时间(最大)56.87s
响应时间(总计)121.97s
-
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)24.73s
响应时间(最大)34.30s
响应时间(总计)49.47s
-
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)3.80s
响应时间(最大)7.39s
响应时间(总计)7.61s
-
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)95.58s
响应时间(最大)149.84s
响应时间(总计)286.75s
-
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)4.34s
响应时间(最大)4.34s
响应时间(总计)4.34s
-
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)8.38s
响应时间(最大)14.30s
响应时间(总计)16.75s
-
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)9.39s
响应时间(最大)20.40s
响应时间(总计)28.16s
-
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)13.83s
响应时间(最大)13.83s
响应时间(总计)13.83s
-
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)46.86s
响应时间(最大)46.86s
响应时间(总计)46.86s
|
| #149#149 |
GPT-5.6 Lunahigh
|
8.0… |
OpenAI |
$0.118
↓
…
|
18.39s… |
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: 8
响应时间(平均)18.39s
响应时间(最大)111.09s
响应时间(总计)422.93s
…
|
- 总测试数
- 23
- 错误测试数
- 8
- 尝试通过率
- 71.0%
- 输入令牌
- 197,896
- 输出令牌
- 6,211
- 推理令牌
- 133,184
- 响应时间(平均)
- 18.39s
- 响应时间(总计)
- 422.93s
- 响应时间(最大)
- 111.09s
-
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)60.15s
响应时间(最大)60.15s
响应时间(总计)60.15s
-
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)2.99s
响应时间(最大)4.94s
响应时间(总计)11.95s
-
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)15.63s
响应时间(最大)32.41s
响应时间(总计)46.88s
-
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)19.05s
响应时间(最大)24.81s
响应时间(总计)38.10s
-
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)2.18s
响应时间(最大)2.64s
响应时间(总计)4.36s
-
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)62.87s
响应时间(最大)111.09s
响应时间(总计)188.61s
-
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)3.65s
响应时间(最大)3.65s
响应时间(总计)3.65s
-
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)1.79s
响应时间(最大)1.96s
响应时间(总计)3.58s
-
谜题求解
: 7.6
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: 1
响应时间(平均)14.55s
响应时间(最大)38.14s
响应时间(总计)43.66s
-
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)4.98s
响应时间(最大)4.98s
响应时间(总计)4.98s
-
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)17.00s
响应时间(最大)17.00s
响应时间(总计)17.00s
|
| #150#150 |
Nemotron 3 Ultramedium
|
8.0… |
NVIDIA |
$0.674
↕
…
|
40.33s… |
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: 7 API 错误: 1 无效工具调用: 1
响应时间(平均)40.33s
响应时间(最大)392.56s
响应时间(总计)927.65s
…
|
- 总测试数
- 23
- 错误测试数
- 9
- 尝试通过率
- 68.1%
- 输入令牌
- 482,754
- 输出令牌
- 62,455
- 推理令牌
- 141,067
- 响应时间(平均)
- 40.33s
- 响应时间(总计)
- 927.65s
- 响应时间(最大)
- 392.56s
-
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)188.06s
响应时间(最大)188.06s
响应时间(总计)188.06s
-
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)8.62s
响应时间(最大)16.86s
响应时间(总计)34.49s
-
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)26.53s
响应时间(最大)31.91s
响应时间(总计)79.58s
-
综合
: 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。
无效工具调用: 1
响应时间(平均)218.25s
响应时间(最大)392.56s
响应时间(总计)436.49s
-
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)5.68s
响应时间(最大)7.94s
响应时间(总计)11.36s
-
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)35.22s
响应时间(最大)49.56s
响应时间(总计)105.65s
-
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。
API 错误: 1
响应时间(平均)2.52s
响应时间(最大)2.52s
响应时间(总计)2.52s
-
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)6.35s
响应时间(最大)9.38s
响应时间(总计)12.69s
-
谜题求解
: 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)3.54s
响应时间(最大)6.03s
响应时间(总计)10.62s
-
工具调用
: 10.0
只有当某个测试的所有运行都通过时,才计为完全通过。
没有失败答案。
响应时间(平均)7.72s
响应时间(最大)7.72s
响应时间(总计)7.72s
-
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)38.47s
响应时间(最大)38.47s
响应时间(总计)38.47s
|