????
$1.050 / 1M
????
$3.500 / 1M
不稳定测试
4
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 |
|---|---|---|---|---|---|
| 2026-05-21 23:41 测试集已变更 | 5.6 | 10.0 | $0.057 | 比较 | |
| 2026-05-08 13:04 测试集已变更 | 5.7 | 10.0 | $0.053 | 比较 | |
| 2026-05-08 13:04 测试集已变更 | 5.7 | 10.0 | $0.053 | 比较 | |
| 2026-04-22 12:55 首次记录的运行 | 5.6 | 不适用 | $0.053 | 当前轮次 |
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） |
|---|---|---|---|---|---|---|---|---|
| 2026-04-22 12:55 · 首次记录的运行 | 5.6 | 8.2 | 不适用 | 5/18 | 4 | 3,720 | $0.053 | 4.33s |
| 2026-05-08 13:04 · 测试集已变更 | 5.7 | 8.0 | 10.0 | 6/19 | 5 | 3,731 | $0.053 | 4.23s |
| 差值 | -0.1 | +0.2 | -1 | -1 | -11 | -$0.001 | +105ms |
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
GLM 5.1nonevsQwen3.5-FlashnoneGLM 5.1nonevsSeed-2.0-LitenoneGLM 5.1nonevsNemotron 3 Supermedium免费可用GLM 5.1nonevsOwl AlphamediumGLM 5.1nonevsDeepSeek V4 PrononeGLM 5.1nonevsQwen3.5 Plus 2026-04-20noneGLM 5.1nonevsGemini 3 Flash PreviewmediumGLM 5.1nonevsGemini 3.5 FlashhighGLM 5.1nonevsRing-2.6-1TmediumGLM 5.1nonevsGemini 3.5 Flashlow