分数
4.8
所有基准测试的平均分。
…
5.4
所有基准测试的平均分。
…
排名
#194
#173
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)。
…
8.1
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
9/22
只有当某个测试的所有运行都通过时,才计为完全通过。
API 错误: 6 答案错误: 5 未遵循指令: 2
响应时间(平均) 55.10s
响应时间(最大) 143.82s
响应时间(总计) 881.55s
只有当某个测试的所有运行都通过时,才计为完全通过。
…
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: 11 无效工具调用: 2 无答案: 2 API 错误: 1 额外格式: 1 未遵循指令: 1
响应时间(平均) 111.61s
响应时间(最大) 1190.11s
响应时间(总计) 2455.39s
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
45.5%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
27.3%
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
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)。
…
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
66
总运行次数
…
66
总运行次数
…
每个结果成本
0.000
显示每个基准正确答案的平均成本(单位:美分,越低越好)。
…
3.153
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
$0.026
总成本(当前价格)
…
$0.127
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
7,599
总输入令牌
…
208,931
总输入令牌
…
输出令牌
39,954
输出令牌
…
175,588
输出令牌
…
推理令牌
0
推理令牌
…
409,276
推理令牌
…
响应时间(平均)
55.10s
响应时间(平均)
…
111.61s
响应时间(平均)
…
响应时间(最大)
143.82s
响应时间(最大)
…
1190.11s
响应时间(最大)
…
响应时间(总计)
881.55s
响应时间(总计)
…
2455.39s
响应时间(总计)
…