|
分数
|
8.5
所有基准测试的平均分。
…
|
6.5
所有基准测试的平均分。
…
|
6.7
所有基准测试的平均分。
…
|
|
排名
|
#14 |
#88 |
#76 |
|
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。
…
|
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）。
…
|
7.3
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）。
…
|
7.4
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: 3 未遵循指令: 1
响应时间（平均）9.75s
响应时间（最大）31.36s
响应时间（总计）175.48s
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: 4 答案错误: 4 无答案: 1 超时: 1
响应时间（平均）23.85s
响应时间（最大）121.79s
响应时间（总计）286.16s
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: 4 未遵循指令: 2 超时: 2 API 错误: 1 额外格式: 1
响应时间（平均）10.33s
响应时间（最大）30.53s
响应时间（总计）175.58s
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
|
81.5%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
61.4%
尝试通过率 = 通过的尝试次数 / 所有运行中的总尝试次数。
…
|
64.8%
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
|
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）。
…
|
6
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）。
…
|
6
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
|
128
总运行次数
…
|
133
总运行次数
…
|
90
总运行次数
…
|
|
每个结果成本
|
8.557
显示每个基准正确答案的平均成本（单位：美分，越低越好）。
…
|
0.926
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
|
$1.198
总成本
…
|
$0.084
总成本
…
|
$0.000
总成本
…
|
|
????
|
$0.000 / 1M
????
…
|
$0.000 / 1M
????
…
|
$0.000 / 1M
????
…
|
|
????
|
$0.000 / 1M
????
…
|
$0.000 / 1M
????
…
|
$0.000 / 1M
????
…
|
|
输出令牌
|
4,915
输出令牌
…
|
3,298
输出令牌
…
|
6,506
输出令牌
…
|
|
推理令牌
|
177,787
推理令牌
…
|
139,122
推理令牌
…
|
24,809
推理令牌
…
|
|
响应时间（平均）
|
9.75s
响应时间（平均）
…
|
23.85s
响应时间（平均）
…
|
10.33s
响应时间（平均）
…
|
|
响应时间（最大）
|
31.36s
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）
|
175.48s
响应时间（总计）
…
|
286.16s
响应时间（总计）
…
|
175.58s
响应时间（总计）
…
|