分数
4.9
所有基准测试的平均分。
…
5.6
所有基准测试的平均分。
…
排名
#184
#150
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
9.3
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）。
…
7.7
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
6/22
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: 9 无效工具调用: 3 API 错误: 2 未遵循指令: 2
响应时间（平均） 10.68s 响应时间（最大） 36.03s 响应时间（总计） 213.51s
只有当某个测试的所有运行都通过时，才计为完全通过。
…
7/22
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: 9 API 错误: 3 额外格式: 3
响应时间（平均） 15.90s 响应时间（最大） 118.35s 响应时间（总计） 349.71s
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
30.3%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
43.9%
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
2
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
0.024
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
1.097
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（当前价格）
…
$0.077
总成本（当前价格）
…
输入价格
$0.010 / 1M
输入价格
…
$0.150 / 1M
输入价格
…
输出价格
$0.030 / 1M
输出价格
…
$0.600 / 1M
输出价格
…
总输入令牌
114,375
总输入令牌
…
50,470
总输入令牌
…
输出令牌
14,903
输出令牌
…
3,957
输出令牌
…
推理令牌
0
推理令牌
…
111,374
推理令牌
…
响应时间（平均）
10.68s
响应时间（平均）
…
15.90s
响应时间（平均）
…
响应时间（最大）
36.03s
响应时间（最大）
…
118.35s
响应时间（最大）
…
响应时间（总计）
213.51s
响应时间（总计）
…
349.71s
响应时间（总计）
…