|
分数
|
9.0
所有基准测试的平均分。
…
|
8.1
所有基准测试的平均分。
…
|
|
排名
|
#5 |
#24 |
|
可靠性
|
不适用
首次尝试成功率：100 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
首次尝试成功率：100 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
|
9.2
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）。
…
|
9.5
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: 2 未遵循指令: 1
响应时间（平均）32.75s
响应时间（最大）332.10s
响应时间（总计）589.59s
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。
未遵循指令: 2 答案错误: 2 API 错误: 1
响应时间（平均）23.98s
响应时间（最大）78.74s
响应时间（总计）407.72s
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
|
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。
…
|
75.9%
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
|
2
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
…
|
50
总运行次数
…
|
|
每个结果成本
|
19.226
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
0.000
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
|
$2.884
总成本
…
|
$0.000
总成本
…
|
|
????
|
$5.000 / 1M
????
…
|
$0.000 / 1M
????
…
|
|
????
|
$30.000 / 1M
????
…
|
$0.000 / 1M
????
…
|
|
输出令牌
|
1,920
输出令牌
…
|
65,778
输出令牌
…
|
|
推理令牌
|
89,632
推理令牌
…
|
0
推理令牌
…
|
|
响应时间（平均）
|
32.75s
响应时间（平均）
…
|
23.98s
响应时间（平均）
…
|
|
响应时间（最大）
|
332.10s
响应时间（最大）
…
|
78.74s
响应时间（最大）
…
|
|
响应时间（总计）
|
589.59s
响应时间（总计）
…
|
407.72s
响应时间（总计）
…
|