muse-spark-1-2xhigh
第 13 名
当前排名
55%±2%
能力得分
$3.70
平均运行成本
99k
平均输出量
101
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52.7% - 57.0%
Pass@481.4%
尝试次数452
通过任务数248
至少通过一次的任务数92
平均输入量13694k
中位峰值上下文189k
中位运行成本$2.68
中位输出量81k
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