|
分数
|
6.2
所有基准测试的平均分。
…
|
5.4
所有基准测试的平均分。
…
|
|
排名
|
#52 |
#69 |
|
一致性
|
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）。
…
|
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: 6 未遵循指令: 3 超时: 1
响应时间（平均）44.47s
响应时间（最大）204.02s
响应时间（总计）444.74s
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: 8 未遵循指令: 2 额外格式: 1 无效工具调用: 1
响应时间（平均）1.11s
响应时间（最大）6.04s
响应时间（总计）18.80s
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
|
58.8%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
31.4%
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
|
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）。
…
|
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
|
51
总运行次数
…
|
51
总运行次数
…
|
|
每个结果成本
|
0.864
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
1.809
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
|
$0.061
总成本
…
|
$0.091
总成本
…
|
|
????
|
$0.050 / 1M
????
…
|
$2.000 / 1M
????
…
|
|
????
|
$0.400 / 1M
????
…
|
$6.000 / 1M
????
…
|
|
输出令牌
|
4,500
输出令牌
…
|
1,655
输出令牌
…
|
|
推理令牌
|
143,296
推理令牌
…
|
0
推理令牌
…
|
|
响应时间（平均）
|
44.47s
响应时间（平均）
…
|
1.11s
响应时间（平均）
…
|
|
响应时间（最大）
|
204.02s
响应时间（最大）
…
|
6.04s
响应时间（最大）
…
|
|
响应时间（总计）
|
444.74s
响应时间（总计）
…
|
18.80s
响应时间（总计）
…
|