|
分数
|
5.1
所有基准测试的平均分。
…
|
5.2
所有基准测试的平均分。
…
|
|
排名
|
#113 |
#108 |
|
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。
…
|
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
|
9.7
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: 12 额外格式: 1 未遵循指令: 1
响应时间（平均）10.18s
响应时间（最大）45.14s
响应时间（总计）122.13s
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: 9 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）20.02s
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
|
25.9%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
29.6%
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
|
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）。
…
|
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
…
|
54
总运行次数
…
|
|
每个结果成本
|
0.188
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
1.889
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
|
$0.008
总成本
…
|
$0.095
总成本
…
|
|
????
|
$0.140 / 1M
????
…
|
$2.000 / 1M
????
…
|
|
????
|
$0.800 / 1M
????
…
|
$6.000 / 1M
????
…
|
|
输出令牌
|
3,617
输出令牌
…
|
1,967
输出令牌
…
|
|
推理令牌
|
0
推理令牌
…
|
0
推理令牌
…
|
|
响应时间（平均）
|
10.18s
响应时间（平均）
…
|
1.11s
响应时间（平均）
…
|
|
响应时间（最大）
|
45.14s
响应时间（最大）
…
|
6.04s
响应时间（最大）
…
|
|
响应时间（总计）
|
122.13s
响应时间（总计）
…
|
20.02s
响应时间（总计）
…
|