|
分数
|
7.0
所有基准测试的平均分。
…
|
7.8
所有基准测试的平均分。
…
|
8.0
所有基准测试的平均分。
…
|
|
排名
|
#62 |
#43 |
#38 |
|
可靠性
|
9.3
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。
…
|
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
|
8.0
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）。
…
|
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）。
…
|
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）60.03s
响应时间（最大）358.35s
响应时间（总计）1080.60s
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: 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 超时: 2 未遵循指令: 1
响应时间（平均）43.49s
响应时间（最大）180.92s
响应时间（总计）782.73s
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
|
73.2%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
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。
…
|
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。
…
|
|
不稳定测试
|
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）。
…
|
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）。
…
|
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
…
|
52
总运行次数
…
|
|
每个结果成本
|
1.896
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
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）。
…
|
0.231
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
|
$0.209
总成本
…
|
$0.031
总成本
…
|
$0.028
总成本
…
|
|
????
|
$0.435 / 1M
????
…
|
$0.140 / 1M
????
…
|
$0.252 / 1M
????
…
|
|
????
|
$0.870 / 1M
????
…
|
$0.280 / 1M
????
…
|
$0.378 / 1M
????
…
|
|
输出令牌
|
12,158
输出令牌
…
|
1,765
输出令牌
…
|
7,554
输出令牌
…
|
|
推理令牌
|
49,967
推理令牌
…
|
90,299
推理令牌
…
|
45,588
推理令牌
…
|
|
响应时间（平均）
|
60.03s
响应时间（平均）
…
|
45.41s
响应时间（平均）
…
|
43.49s
响应时间（平均）
…
|
|
响应时间（最大）
|
358.35s
响应时间（最大）
…
|
218.13s
响应时间（最大）
…
|
180.92s
响应时间（最大）
…
|
|
响应时间（总计）
|
1080.60s
响应时间（总计）
…
|
817.30s
响应时间（总计）
…
|
782.73s
响应时间（总计）
…
|