| 排名 |
#24 |
#32 |
#35 |
| 平均分 |
7.0
所有基准测试的平均分。
…
|
6.2
所有基准测试的平均分。
…
|
5.9
所有基准测试的平均分。
…
|
| 一致性 |
9.0
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）。
…
|
7.9
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）。
…
|
7.6
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）。
…
|
| 每个结果成本 |
5.989
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
0.563
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 |
$0.599
总成本
…
|
$0.051
总成本
…
|
$0.000
总成本
…
|
| 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。
未遵循指令: 3 答案错误: 3
响应时间（平均）8.89s
响应时间（最大）24.21s
响应时间（总计）142.18s
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。
未遵循指令: 3 答案错误: 2 无答案: 1 超时: 1
响应时间（平均）26.35s
响应时间（最大）121.79s
响应时间（总计）237.11s
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: 3 未遵循指令: 2 超时: 2 额外格式: 1
响应时间（平均）10.71s
响应时间（最大）30.53s
响应时间（总计）171.41s
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 |
70.8%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
66.7%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
68.8%
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 |
2
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）。
…
|
5
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 |
48
总运行次数
…
|
48
总运行次数
…
|
48
总运行次数
…
|
| 输出令牌 |
1,481
输出令牌
…
|
1,183
输出令牌
…
|
4,686
输出令牌
…
|
| 推理令牌 |
86,628
推理令牌
…
|
83,875
推理令牌
…
|
17,821
推理令牌
…
|
| 响应时间（平均） |
8.89s
响应时间（平均）
…
|
26.35s
响应时间（平均）
…
|
10.71s
响应时间（平均）
…
|
| 响应时间（最大） |
24.21s
响应时间（最大）
…
|
121.79s
响应时间（最大）
…
|
30.53s
响应时间（最大）
…
|
| 响应时间（总计） |
142.18s
响应时间（总计）
…
|
237.11s
响应时间（总计）
…
|
171.41s
响应时间（总计）
…
|