????
$0.000 / 1M
????
$0.000 / 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 |
|---|---|---|---|---|---|
| 2026-05-08 15:31 测试集已变更 | 5.2 | 10.0 | $0.011 | 当前轮次 | |
| 2026-04-21 12:42 首次记录的运行 | 5.2 | 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） |
|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:31 · 当前轮次 | 5.2 | 8.7 | 10.0 | 5/19 | 3 | 51,505 | $0.011 | 21.86s |
| 2026-04-21 12:42 · 首次记录的运行 | 5.2 | 7.9 | 不适用 | 4/18 | 5 | 44,652 | $0.009 | 11.96s |
| 差值 | 0.0 | +0.8 | +1 | -2 | +6853 | +$0.002 | +9905ms |
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
gpt-oss-120bnone免费可用vsGLM 4.7 Flashnonegpt-oss-120bnone免费可用vsgpt-oss-120bmedium免费可用gpt-oss-120bnone免费可用vsGPT-5.4nonegpt-oss-120bnone免费可用vsMiMo-V2-Prononegpt-oss-120bnone免费可用vsGLM 5.1nonegpt-oss-120bnone免费可用vsGemini 3 Flash Previewmediumgpt-oss-120bnone免费可用vsGemini 3.5 Flashhighgpt-oss-120bnone免费可用vsRing-2.6-1Tmediumgpt-oss-120bnone免费可用vsGemini 3.5 Flashlow