已归档模型：该模型将不再更新，也不会在新测试中继续测试。
????
$0.090 / 1M
????
$0.300 / 1M
不稳定测试
0
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 15:30 新增测试 | 7.8 | 10.0 | $0.020 | 当前轮次 | |
| 2026-04-11 01:44 首次记录的运行 | 3.0 | 不适用 | $0.000 | 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 15:30 · 当前轮次 | 7.8 | 10.0 | 10.0 | 6/9 | 0 | 64,795 | $0.020 | 39.03s |
| 2026-04-11 01:44 · 首次记录的运行 | 3.0 | 10.0 | 不适用 | 0/1 | 0 | 0 | $0.000 | 0ms |
| 差值 | +4.8 | 0.0 | +9 | 0 | +64795 | +$0.020 | +39032ms |
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。