|
分数
|
4.3
所有基准测试的平均分。
…
|
4.4
所有基准测试的平均分。
…
|
|
排名
|
#135 |
#132 |
|
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。
…
|
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
|
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）。
…
|
7.2
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: 11 未遵循指令: 4 无效工具调用: 1
响应时间（平均）767ms
响应时间（最大）2.17s
响应时间（总计）13.81s
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。
超时: 10 未遵循指令: 2 额外格式: 1 无答案: 1 答案错误: 1
响应时间（平均）73.64s
响应时间（最大）226.38s
响应时间（总计）1104.60s
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
|
11.1%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
33.3%
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）。
…
|
6
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
…
|
|
每个结果成本
|
0.110
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
0.976
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
|
$0.003
总成本
…
|
$0.030
总成本
…
|
|
????
|
$0.050 / 1M
????
…
|
$0.100 / 1M
????
…
|
|
????
|
$0.100 / 1M
????
…
|
$0.150 / 1M
????
…
|
|
输出令牌
|
2,712
输出令牌
…
|
24,291
输出令牌
…
|
|
推理令牌
|
0
推理令牌
…
|
172,597
推理令牌
…
|
|
响应时间（平均）
|
767ms
响应时间（平均）
…
|
73.64s
响应时间（平均）
…
|
|
响应时间（最大）
|
2.17s
响应时间（最大）
…
|
226.38s
响应时间（最大）
…
|
|
响应时间（总计）
|
13.81s
响应时间（总计）
…
|
1104.60s
响应时间（总计）
…
|