|
分数
|
8.6
所有基准测试的平均分。
…
|
9.0
所有基准测试的平均分。
…
|
|
排名
|
#9 |
#5 |
|
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
|
8.7
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）。
…
|
9.6
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: 3 未遵循指令: 2
响应时间（平均）15.38s
响应时间（最大）100.93s
响应时间（总计）276.91s
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: 2 未遵循指令: 1
响应时间（平均）8.39s
响应时间（最大）56.19s
响应时间（总计）151.01s
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
|
83.3%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
87.0%
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
|
54
总运行次数
…
|
54
总运行次数
…
|
|
每个结果成本
|
4.405
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
4.534
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
|
$0.573
总成本
…
|
$0.681
总成本
…
|
|
????
|
$1.750 / 1M
????
…
|
$5.000 / 1M
????
…
|
|
????
|
$14.000 / 1M
????
…
|
$30.000 / 1M
????
…
|
|
输出令牌
|
2,279
输出令牌
…
|
1,959
输出令牌
…
|
|
推理令牌
|
35,179
推理令牌
…
|
16,134
推理令牌
…
|
|
响应时间（平均）
|
15.38s
响应时间（平均）
…
|
8.39s
响应时间（平均）
…
|
|
响应时间（最大）
|
100.93s
响应时间（最大）
…
|
56.19s
响应时间（最大）
…
|
|
响应时间（总计）
|
276.91s
响应时间（总计）
…
|
151.01s
响应时间（总计）
…
|