|
分数
|
6.7
所有基准测试的平均分。
…
|
7.0
所有基准测试的平均分。
…
|
|
排名
|
#68 |
#60 |
|
可靠性
|
0.0
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。
…
|
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
|
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）。
…
|
7.9
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: 6 额外格式: 2 未遵循指令: 1
响应时间（平均）23.34s
响应时间（最大）109.46s
响应时间（总计）420.04s
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: 5 无答案: 2 未遵循指令: 1 无效工具调用: 1
响应时间（平均）50.53s
响应时间（最大）168.22s
响应时间（总计）909.49s
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
|
51.9%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
64.8%
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
|
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）。
…
|
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）。
…
|
|
总运行次数
|
26
总运行次数
…
|
54
总运行次数
…
|
|
每个结果成本
|
0.327
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
2.321
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
|
$0.030
总成本
…
|
$0.209
总成本
…
|
|
????
|
$0.435 / 1M
????
…
|
$0.500 / 1M
????
…
|
|
????
|
$0.870 / 1M
????
…
|
$2.000 / 1M
????
…
|
|
输出令牌
|
1,611
输出令牌
…
|
8,279
输出令牌
…
|
|
推理令牌
|
0
推理令牌
…
|
91,083
推理令牌
…
|
|
响应时间（平均）
|
23.34s
响应时间（平均）
…
|
50.53s
响应时间（平均）
…
|
|
响应时间（最大）
|
109.46s
响应时间（最大）
…
|
168.22s
响应时间（最大）
…
|
|
响应时间（总计）
|
420.04s
响应时间（总计）
…
|
909.49s
响应时间（总计）
…
|