|
分数
|
6.3
所有基准测试的平均分。
…
|
6.2
所有基准测试的平均分。
…
|
|
排名
|
#75 |
#81 |
|
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
|
6.5
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）。
…
|
6.9
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。
答案错误: 7 未遵循指令: 3 超时: 1
响应时间（平均）44.13s
响应时间（最大）204.02s
响应时间（总计）485.47s
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: 7 未遵循指令: 2 无答案: 2 无效工具调用: 1
响应时间（平均）6.03s
响应时间（最大）29.11s
响应时间（总计）108.59s
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
|
59.3%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
57.4%
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
|
8
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
|
0.942
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
|
$0.066
总成本
…
|
$0.000
总成本
…
|
|
????
|
$0.050 / 1M
????
…
|
$0.000 / 1M
????
…
|
|
????
|
$0.400 / 1M
????
…
|
$0.000 / 1M
????
…
|
|
输出令牌
|
4,980
输出令牌
…
|
58,141
输出令牌
…
|
|
推理令牌
|
156,288
推理令牌
…
|
0
推理令牌
…
|
|
响应时间（平均）
|
44.13s
响应时间（平均）
…
|
6.03s
响应时间（平均）
…
|
|
响应时间（最大）
|
204.02s
响应时间（最大）
…
|
29.11s
响应时间（最大）
…
|
|
响应时间（总计）
|
485.47s
响应时间（总计）
…
|
108.59s
响应时间（总计）
…
|