????
$0.435 / 1M
????
$0.870 / 1M
不稳定测试
3
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 00:38 测试集已变更 | 6.0 | 8.1 | $0.046 | 当前轮次 | |
| 2026-04-29 14:46 重新测试 | 6.2 | 7.9 | $0.043 | 比较 | |
| 2026-04-24 09:19 首次运行 | 3.1 | 不适用 | $0.009 | 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） |
|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:38 · 当前轮次 | 6.0 | 8.9 | 8.1 | 8/20 | 3 | 5,347 | $0.046 | 13.48s |
| 2026-04-29 14:46 · 重新测试 | 6.2 | 8.7 | 7.9 | 7/18 | 3 | 3,903 | $0.043 | 14.01s |
| 差值 | -0.1 | +0.2 | +0.2 | +1 | 0 | +1444 | +$0.004 | -529ms |
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 V4 PrononevsDeepSeek V4 ProhighDeepSeek V4 PrononevsGrok Build 0.1noneDeepSeek V4 PrononevsKimi K2.5mediumDeepSeek V4 PrononevsQwen3.6 27BmediumDeepSeek V4 PrononevsGemini 3.1 Flash LiteminimalDeepSeek V4 PrononevsGemini 3 Flash PreviewmediumDeepSeek V4 PrononevsGemini 3.5 FlashhighDeepSeek V4 PrononevsRing-2.6-1TmediumDeepSeek V4 PrononevsGemini 3.5 Flashlow