| 排名 |
#28 |
#12 |
#4 |
#2 |
| 平均分 |
6.6
所有基准测试的平均分。
…
|
7.7
所有基准测试的平均分。
…
|
8.4
所有基准测试的平均分。
…
|
9.4
所有基准测试的平均分。
…
|
| 一致性 |
9.0
一致性分数反映运行之间的稳定程度（10 = 非常稳定，即使稳定地答错）。
…
|
9.5
一致性分数反映运行之间的稳定程度（10 = 非常稳定，即使稳定地答错）。
…
|
9.1
一致性分数反映运行之间的稳定程度（10 = 非常稳定，即使稳定地答错）。
…
|
10.0
一致性分数反映运行之间的稳定程度（10 = 非常稳定，即使稳定地答错）。
…
|
| 每个结果成本 |
13.118
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
8.525
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
4.485
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
3.417
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
| 总成本 |
$1.312
总成本
…
|
$1.023
总成本
…
|
$0.539
总成本
…
|
$0.513
总成本
…
|
| 测试正确 |
只有当某个测试的所有运行都通过时，才计为完全通过。
额外格式: 4 答案错误: 2
响应时间（平均）22.86s
响应时间（最大）83.40s
响应时间（总计）205.71s
只有当某个测试的所有运行都通过时，才计为完全通过。
…
|
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 超时: 1 答案错误: 1
响应时间（平均）11.23s
响应时间（最大）46.35s
响应时间（总计）89.84s
只有当某个测试的所有运行都通过时，才计为完全通过。
…
|
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: 2
响应时间（平均）16.59s
响应时间（最大）100.93s
响应时间（总计）265.39s
只有当某个测试的所有运行都通过时，才计为完全通过。
…
|
只有当某个测试的所有运行都通过时，才计为完全通过。
答案错误: 1
响应时间（平均）16.60s
响应时间（最大）40.61s
响应时间（总计）149.36s
只有当某个测试的所有运行都通过时，才计为完全通过。
…
|
| 尝试通过率 |
66.7%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
77.1%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
83.3%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
93.8%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
| 不稳定测试 |
2
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
…
|
1
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
…
|
2
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
…
|
0
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
…
|
| 总运行次数 |
48
总运行次数
…
|
48
总运行次数
…
|
48
总运行次数
…
|
48
总运行次数
…
|
| 输出令牌 |
26,254
输出令牌
…
|
35,159
输出令牌
…
|
1,764
输出令牌
…
|
1,521
输出令牌
…
|
| 推理令牌 |
17,363
推理令牌
…
|
24,687
推理令牌
…
|
33,348
推理令牌
…
|
35,656
推理令牌
…
|
| 响应时间（平均） |
22.86s
响应时间（平均）
…
|
11.23s
响应时间（平均）
…
|
16.59s
响应时间（平均）
…
|
16.60s
响应时间（平均）
…
|
| 响应时间（最大） |
83.40s
响应时间（最大）
…
|
46.35s
响应时间（最大）
…
|
100.93s
响应时间（最大）
…
|
40.61s
响应时间（最大）
…
|
| 响应时间（总计） |
205.71s
响应时间（总计）
…
|
89.84s
响应时间（总计）
…
|
265.39s
响应时间（总计）
…
|
149.36s
响应时间（总计）
…
|