|
分数
|
7.8
所有基准测试的平均分。
…
|
7.4
所有基准测试的平均分。
…
|
8.4
所有基准测试的平均分。
…
|
|
排名
|
#36 |
#49 |
#15 |
|
可靠性
|
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。
…
|
3.9
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。
…
|
不适用
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
|
7.8
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）。
…
|
9.2
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）。
…
|
8.2
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: 4 未遵循指令: 3
响应时间（平均）45.41s
响应时间（最大）218.13s
响应时间（总计）817.30s
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: 3 未遵循指令: 2
响应时间（平均）72.92s
响应时间（最大）414.38s
响应时间（总计）1312.59s
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: 2 未遵循指令: 1 无答案: 1 超时: 1
响应时间（平均）23.34s
响应时间（最大）79.09s
响应时间（总计）233.40s
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
|
79.6%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
77.8%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
85.2%
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
|
5
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）。
…
|
4
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
|
54
总运行次数
…
|
54
总运行次数
…
|
54
总运行次数
…
|
|
每个结果成本
|
0.277
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
2.524
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
1.188
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
|
$0.031
总成本
…
|
$0.329
总成本
…
|
$0.155
总成本
…
|
|
????
|
$0.140 / 1M
????
…
|
$1.740 / 1M
????
…
|
$0.600 / 1M
????
…
|
|
????
|
$0.280 / 1M
????
…
|
$3.480 / 1M
????
…
|
$2.080 / 1M
????
…
|
|
输出令牌
|
1,765
输出令牌
…
|
1,937
输出令牌
…
|
20,163
输出令牌
…
|
|
推理令牌
|
90,299
推理令牌
…
|
82,625
推理令牌
…
|
58,337
推理令牌
…
|
|
响应时间（平均）
|
45.41s
响应时间（平均）
…
|
72.92s
响应时间（平均）
…
|
23.34s
响应时间（平均）
…
|
|
响应时间（最大）
|
218.13s
响应时间（最大）
…
|
414.38s
响应时间（最大）
…
|
79.09s
响应时间（最大）
…
|
|
响应时间（总计）
|
817.30s
响应时间（总计）
…
|
1312.59s
响应时间（总计）
…
|
233.40s
响应时间（总计）
…
|