|
分数
|
6.4
所有基准测试的平均分。
…
|
6.7
所有基准测试的平均分。
…
|
|
排名
|
#51 |
#49 |
|
一致性
|
8.5
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）。
…
|
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）。
…
|
|
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: 7 额外格式: 2 无效工具调用: 1
响应时间（平均）12.35s
响应时间（最大）115.89s
响应时间（总计）209.94s
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: 8
响应时间（平均）3.77s
响应时间（最大）11.07s
响应时间（总计）37.66s
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
|
51.0%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
52.9%
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
|
3
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
|
51
总运行次数
…
|
51
总运行次数
…
|
|
每个结果成本
|
0.220
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
0.201
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
|
$0.016
总成本
…
|
$0.019
总成本
…
|
|
????
|
$0.260 / 1M
????
…
|
$0.720 / 1M
????
…
|
|
????
|
$0.380 / 1M
????
…
|
$2.300 / 1M
????
…
|
|
输出令牌
|
7,831
输出令牌
…
|
1,551
输出令牌
…
|
|
推理令牌
|
0
推理令牌
…
|
0
推理令牌
…
|
|
响应时间（平均）
|
12.35s
响应时间（平均）
…
|
3.77s
响应时间（平均）
…
|
|
响应时间（最大）
|
115.89s
响应时间（最大）
…
|
11.07s
响应时间（最大）
…
|
|
响应时间（总计）
|
209.94s
响应时间（总计）
…
|
37.66s
响应时间（总计）
…
|