|
分数
|
7.0
所有基准测试的平均分。
…
|
7.0
所有基准测试的平均分。
…
|
|
排名
|
#59 |
#60 |
|
可靠性
|
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。
…
|
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）。
…
|
7.9
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: 4 未遵循指令: 2 超时: 2 无答案: 1
响应时间（平均）72.43s
响应时间（最大）150.77s
响应时间（总计）796.70s
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: 5 无答案: 2 未遵循指令: 1 无效工具调用: 1
响应时间（平均）50.53s
响应时间（最大）168.22s
响应时间（总计）909.49s
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
|
72.2%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
64.8%
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
|
7
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
|
54
总运行次数
…
|
54
总运行次数
…
|
|
每个结果成本
|
2.444
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
2.321
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
|
$0.220
总成本
…
|
$0.209
总成本
…
|
|
????
|
$0.440 / 1M
????
…
|
$0.500 / 1M
????
…
|
|
????
|
$2.000 / 1M
????
…
|
$2.000 / 1M
????
…
|
|
输出令牌
|
42,176
输出令牌
…
|
8,279
输出令牌
…
|
|
推理令牌
|
84,870
推理令牌
…
|
91,083
推理令牌
…
|
|
响应时间（平均）
|
72.43s
响应时间（平均）
…
|
50.53s
响应时间（平均）
…
|
|
响应时间（最大）
|
150.77s
响应时间（最大）
…
|
168.22s
响应时间（最大）
…
|
|
响应时间（总计）
|
796.70s
响应时间（总计）
…
|
909.49s
响应时间（总计）
…
|