|
分数
|
5.3
所有基准测试的平均分。
…
|
4.6
所有基准测试的平均分。
…
|
|
排名
|
#126 |
#142 |
|
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
|
8.9
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）。
…
|
9.7
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
|
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: 14
响应时间（平均）14.16s
响应时间（最大）42.13s
响应时间（总计）184.10s
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: 13 未遵循指令: 2 无效工具调用: 1
响应时间（平均）1.69s
响应时间（最大）5.91s
响应时间（总计）33.84s
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
|
36.7%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
21.7%
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
|
3
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）。
…
|
1
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
|
60
总运行次数
…
|
60
总运行次数
…
|
|
每个结果成本
|
0.428
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
0.120
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
…
|
$0.005
总成本
…
|
|
????
|
$0.400 / 1M
????
…
|
$0.040 / 1M
????
…
|
|
????
|
$1.900 / 1M
????
…
|
$0.150 / 1M
????
…
|
|
输出令牌
|
6,734
输出令牌
…
|
3,984
输出令牌
…
|
|
推理令牌
|
0
推理令牌
…
|
0
推理令牌
…
|
|
响应时间（平均）
|
14.16s
响应时间（平均）
…
|
1.69s
响应时间（平均）
…
|
|
响应时间（最大）
|
42.13s
响应时间（最大）
…
|
5.91s
响应时间（最大）
…
|
|
响应时间（总计）
|
184.10s
响应时间（总计）
…
|
33.84s
响应时间（总计）
…
|