|
分数
|
6.7
所有基准测试的平均分。
…
|
7.1
所有基准测试的平均分。
…
|
|
排名
|
#47 |
#40 |
|
一致性
|
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)。
…
|
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: 5 API 错误: 2 未遵循指令: 1
响应时间(平均)2.55s
响应时间(最大)4.68s
响应时间(总计)38.20s
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。
未遵循指令: 4 答案错误: 2 API 错误: 1 额外格式: 1
响应时间(平均)9.50s
响应时间(最大)29.87s
响应时间(总计)161.54s
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
|
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。
…
|
66.7%
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
|
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)。
…
|
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
|
51
总运行次数
…
|
51
总运行次数
…
|
|
每个结果成本
|
0.023
显示每个基准正确答案的平均成本(单位:美分,越低越好)。
…
|
7.358
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
|
$0.002
总成本
…
|
$0.663
总成本
…
|
|
????
|
$0.140 / 1M
????
…
|
$2.000 / 1M
????
…
|
|
????
|
$0.400 / 1M
????
…
|
$6.000 / 1M
????
…
|
|
输出令牌
|
660
输出令牌
…
|
1,494
输出令牌
…
|
|
推理令牌
|
0
推理令牌
…
|
97,078
推理令牌
…
|
|
响应时间(平均)
|
2.55s
响应时间(平均)
…
|
9.50s
响应时间(平均)
…
|
|
响应时间(最大)
|
4.68s
响应时间(最大)
…
|
29.87s
响应时间(最大)
…
|
|
响应时间(总计)
|
38.20s
响应时间(总计)
…
|
161.54s
响应时间(总计)
…
|