????
$0.252 / 1M
????
$0.378 / 1M
不稳定测试
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）。
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-05-22 00:35 测试集已变更 | 5.6 | 10.0 | $0.018 | 比较 | |
| 2026-05-08 15:31 测试集已变更 | 5.7 | 10.0 | $0.016 | 当前轮次 | |
| 2026-04-20 17:48 首次记录的运行 | 6.1 | 不适用 | $0.016 | 比较 |
此轮次使用了不同的基准测试集。解读历史变化时请将测试集变动考虑在内。
轮次对比
| 测试轮次 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:31 · 测试集已变更 | 5.7 | 7.9 | 10.0 | 7/19 | 5 | 7,194 | $0.016 | 13.43s |
| 2026-04-20 17:48 · 首次记录的运行 | 6.1 | 8.1 | 不适用 | 7/18 | 4 | 8,384 | $0.016 | 12.09s |
| 差值 | -0.5 | -0.2 | 0 | +1 | -1190 | -$0.001 | +1340ms |
这两次运行使用了不同的基准测试集，因此差异同时反映模型变化和测试集变化。
图表
先选择第一个模型，再点击第二个模型打开并排页面。
快速对比
DeepSeek V3.2nonevsGLM 5V TurbononeDeepSeek V3.2nonevsOwl AlphamediumDeepSeek V3.2nonevsQwen3.5-FlashnoneDeepSeek V3.2nonevsQwen3.5 Plus 2026-04-20noneDeepSeek V3.2nonevsNemotron 3 Supermedium免费可用DeepSeek V3.2nonevsQwen3.5-35B-A3BnoneDeepSeek V3.2nonevsGemini 3 Flash PreviewmediumDeepSeek V3.2nonevsGemini 3.5 FlashhighDeepSeek V3.2nonevsRing-2.6-1TmediumDeepSeek V3.2nonevsGemini 3.5 Flashlow