分数
5.3
所有基准测试的平均分。
…
5.0
所有基准测试的平均分。
…
排名
#170
#181
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。
…
9.9
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。
…
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）。
…
7.8
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）。
…
测试正确
4/22
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: 12 API 错误: 3 未遵循指令: 2 无效工具调用: 1
响应时间（平均） 8.58s 响应时间（最大） 25.72s 响应时间（总计） 163.06s
只有当某个测试的所有运行都通过时，才计为完全通过。
…
3/22
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: 15 API 错误: 1 额外格式: 1 未遵循指令: 1 无效工具调用: 1
响应时间（平均） 85.35s 响应时间（最大） 814.73s 响应时间（总计） 1877.64s
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
18.2%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
25.8%
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
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
66
总运行次数
…
66
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）。
…
3.022
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
$0.016
总成本（当前价格）
…
$0.091
总成本（当前价格）
…
输入价格
$0.075 / 1M
输入价格
…
$0.100 / 1M
输入价格
…
输出价格
$0.625 / 1M
输出价格
…
$0.200 / 1M
输出价格
…
总输入令牌
106,414
总输入令牌
…
118,746
总输入令牌
…
输出令牌
11,555
输出令牌
…
67,823
输出令牌
…
推理令牌
0
推理令牌
…
383,885
推理令牌
…
响应时间（平均）
8.58s
响应时间（平均）
…
85.35s
响应时间（平均）
…
响应时间（最大）
25.72s
响应时间（最大）
…
814.73s
响应时间（最大）
…
响应时间（总计）
163.06s
响应时间（总计）
…
1877.64s
响应时间（总计）
…