muse-spark-1-1xhigh
第 16 名
当前排名
53%±3%
能力得分
$2.36
平均运行成本
74k
平均输出量
96
平均执行步数
113
参与测试数量
测试详情
推理档位xhigh
95% 置信区间50.3% - 56.4%
Pass@479.6%
尝试次数452
通过任务数241
至少通过一次的任务数90
平均输入量12005k
中位峰值上下文155k
中位运行成本$1.72
中位输出量66k
平均运行时长15 分钟
重复测试轮次4
任务集规模113
数据更新时间2026-08-13
数据生成时间2026-08-13