|
分数
|
5.8
所有基准测试的平均分。
…
|
4.9
所有基准测试的平均分。
…
|
|
排名
|
#102 |
#134 |
|
可靠性
|
9.9
首次尝试成功分数：10.0 表示成功调用前没有可重试的目标 API 或速率限制失败；记录到的失败会降低分数。
…
|
10.0
首次尝试成功分数：10.0 表示成功调用前没有可重试的目标 API 或速率限制失败；记录到的失败会降低分数。
…
|
|
一致性
|
6.9
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）。
…
|
9.9
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）。
…
|
|
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。
答案错误: 8 未遵循指令: 3 无效工具调用: 1
响应时间（平均）36.50s
响应时间（最大）309.02s
响应时间（总计）693.45s
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: 13 未遵循指令: 1
响应时间（平均）1.90s
响应时间（最大）7.58s
响应时间（总计）22.79s
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
|
54.4%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
26.3%
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
|
7
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
|
57
总运行次数
…
|
57
总运行次数
…
|
|
每个结果成本
|
0.000
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
0.099
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
|
$0.000
总成本
…
|
$0.005
总成本
…
|
|
????
|
$0.000 / 1M
????
…
|
$0.150 / 1M
????
…
|
|
????
|
$0.000 / 1M
????
…
|
$0.600 / 1M
????
…
|
|
输出令牌
|
1,648
输出令牌
…
|
1,962
输出令牌
…
|
|
推理令牌
|
96,062
推理令牌
…
|
0
推理令牌
…
|
|
响应时间（平均）
|
36.50s
响应时间（平均）
…
|
1.90s
响应时间（平均）
…
|
|
响应时间（最大）
|
309.02s
响应时间（最大）
…
|
7.58s
响应时间（最大）
…
|
|
响应时间（总计）
|
693.45s
响应时间（总计）
…
|
22.79s
响应时间（总计）
…
|