|
分数
|
7.5
所有基准测试的平均分。
…
|
7.7
所有基准测试的平均分。
…
|
|
排名
|
#53 |
#48 |
|
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。
…
|
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。
…
|
|
一致性
|
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）。
…
|
9.9
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。
未遵循指令: 3 答案错误: 2 无答案: 1 超时: 1
响应时间（平均）14.04s
响应时间（最大）77.80s
响应时间（总计）154.41s
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: 3 未遵循指令: 2 额外格式: 1 无答案: 1
响应时间（平均）16.76s
响应时间（最大）158.78s
响应时间（总计）301.61s
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。
…
|
61.1%
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
|
4
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
|
54
总运行次数
…
|
20
总运行次数
…
|
|
每个结果成本
|
3.193
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
1.383
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
|
$0.352
总成本
…
|
$0.153
总成本
…
|
|
????
|
$1.750 / 1M
????
…
|
$0.400 / 1M
????
…
|
|
????
|
$14.000 / 1M
????
…
|
$2.000 / 1M
????
…
|
|
输出令牌
|
2,705
输出令牌
…
|
928
输出令牌
…
|
|
推理令牌
|
18,977
推理令牌
…
|
72,661
推理令牌
…
|
|
响应时间（平均）
|
14.04s
响应时间（平均）
…
|
16.76s
响应时间（平均）
…
|
|
响应时间（最大）
|
77.80s
响应时间（最大）
…
|
158.78s
响应时间（最大）
…
|
|
响应时间（总计）
|
154.41s
响应时间（总计）
…
|
301.61s
响应时间（总计）
…
|