|
分数
|
6.8
所有基准测试的平均分。
…
|
7.4
所有基准测试的平均分。
…
|
|
排名
|
#58 |
#51 |
|
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
|
8.3
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）。
…
|
6.7
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: 8 未遵循指令: 1
响应时间（平均）1.83s
响应时间（最大）5.56s
响应时间（总计）32.86s
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。
超时: 4 答案错误: 2 API 错误: 1 无答案: 1
响应时间（平均）44.51s
响应时间（最大）106.00s
响应时间（总计）801.21s
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
|
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。
…
|
79.6%
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）。
…
|
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）。
…
|
|
总运行次数
|
54
总运行次数
…
|
54
总运行次数
…
|
|
每个结果成本
|
2.162
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
3.976
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
|
$0.195
总成本
…
|
$0.398
总成本
…
|
|
????
|
$5.000 / 1M
????
…
|
$0.163 / 1M
????
…
|
|
????
|
$30.000 / 1M
????
…
|
$1.300 / 1M
????
…
|
|
输出令牌
|
1,910
输出令牌
…
|
10,137
输出令牌
…
|
|
推理令牌
|
0
推理令牌
…
|
208,761
推理令牌
…
|
|
响应时间（平均）
|
1.83s
响应时间（平均）
…
|
44.51s
响应时间（平均）
…
|
|
响应时间（最大）
|
5.56s
响应时间（最大）
…
|
106.00s
响应时间（最大）
…
|
|
响应时间（总计）
|
32.86s
响应时间（总计）
…
|
801.21s
响应时间（总计）
…
|