????
$0.400 / 1M
????
$1.900 / 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 00:03 测试集已变更 | 5.3 | 10.0 | $0.026 | 当前轮次 | |
| 2026-04-20 17:48 首次记录的运行 | 5.5 | 不适用 | $0.017 | 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 00:03 · 当前轮次 | 5.3 | 8.9 | 10.0 | 6/20 | 3 | 6,734 | $0.026 | 14.16s |
| 2026-04-20 17:48 · 首次记录的运行 | 5.5 | 8.7 | 不适用 | 6/18 | 3 | 2,659 | $0.017 | 13.37s |
| 差值 | -0.3 | +0.2 | 0 | 0 | +4075 | +$0.010 | +793ms |
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
Kimi K2.5nonevsMiMo-V2-PrononeKimi K2.5nonevsGLM 4.7 FlashnoneKimi K2.5nonevsOwl AlphanoneKimi K2.5nonevsKimi K2.6noneKimi K2.5nonevsCobuddymedium免费可用Kimi K2.5nonevsgpt-oss-120bmedium免费可用Kimi K2.5nonevsGemini 3 Flash PreviewmediumKimi K2.5nonevsGemini 3.5 FlashhighKimi K2.5nonevsRing-2.6-1TmediumKimi K2.5nonevsGemini 3.5 Flashlow