|
分数
|
8.8
所有基准测试的平均分。
…
|
8.4
所有基准测试的平均分。
…
|
|
排名
|
#9 |
#18 |
|
可靠性
|
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。
…
|
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。
…
|
|
一致性
|
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)。
…
|
8.2
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)。
…
|
|
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)11.98s
响应时间(最大)45.02s
响应时间(总计)191.76s
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 无答案: 1 超时: 1
响应时间(平均)23.34s
响应时间(最大)79.09s
响应时间(总计)233.40s
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。
…
|
85.2%
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
|
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)。
…
|
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)。
…
|
|
总运行次数
|
54
总运行次数
…
|
54
总运行次数
…
|
|
每个结果成本
|
0.800
显示每个基准正确答案的平均成本(单位:美分,越低越好)。
…
|
1.188
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
|
$0.104
总成本
…
|
$0.155
总成本
…
|
|
????
|
$0.162 / 1M
????
…
|
$0.600 / 1M
????
…
|
|
????
|
$0.966 / 1M
????
…
|
$2.080 / 1M
????
…
|
|
输出令牌
|
14,256
输出令牌
…
|
20,163
输出令牌
…
|
|
推理令牌
|
98,005
推理令牌
…
|
58,337
推理令牌
…
|
|
响应时间(平均)
|
11.98s
响应时间(平均)
…
|
23.34s
响应时间(平均)
…
|
|
响应时间(最大)
|
45.02s
响应时间(最大)
…
|
79.09s
响应时间(最大)
…
|
|
响应时间(总计)
|
191.76s
响应时间(总计)
…
|
233.40s
响应时间(总计)
…
|