|
分数
|
5.3
所有基准测试的平均分。
…
|
5.8
所有基准测试的平均分。
…
|
|
排名
|
#130 |
#109 |
|
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。
…
|
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。
…
|
|
一致性
|
6.8
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)。
…
|
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)。
…
|
|
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: 6 未遵循指令: 5 超时: 2 API 错误: 1 无效工具调用: 1 无答案: 1
响应时间(平均)38.18s
响应时间(最大)196.21s
响应时间(总计)763.60s
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。
答案错误: 11 未遵循指令: 2
响应时间(平均)2.99s
响应时间(最大)6.51s
响应时间(总计)62.74s
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
|
46.0%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
38.1%
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
|
8
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)。
…
|
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)。
…
|
|
总运行次数
|
63
总运行次数
…
|
63
总运行次数
…
|
|
每个结果成本
|
2.494
显示每个基准正确答案的平均成本(单位:美分,越低越好)。
…
|
0.645
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
|
$0.124
总成本(当前价格)
…
|
$0.052
总成本(当前价格)
…
|
|
输入价格
|
$0.279 / 1M
输入价格
…
|
$1.200 / 1M
输入价格
…
|
|
输出价格
|
$1.200 / 1M
输出价格
…
|
$4.000 / 1M
输出价格
…
|
|
总输入令牌
|
34,371
总输入令牌
…
|
37,100
总输入令牌
…
|
|
输出令牌
|
8,981
输出令牌
…
|
1,766
输出令牌
…
|
|
推理令牌
|
89,812
推理令牌
…
|
0
推理令牌
…
|
|
响应时间(平均)
|
38.18s
响应时间(平均)
…
|
2.99s
响应时间(平均)
…
|
|
响应时间(最大)
|
196.21s
响应时间(最大)
…
|
6.51s
响应时间(最大)
…
|
|
响应时间(总计)
|
763.60s
响应时间(总计)
…
|
62.74s
响应时间(总计)
…
|