测试对象分析 / deepseek-v4.1-flash-1017

deepseek-v4.1-flash-1017 9 仅测试报告

通过 23 / 30总得分 75.7 分(百分制)有效得分 87.5 分总耗时 4h 35m总 Token 12,667,882测试报告
数据来源:测试报告(无轨迹)。该对象没有 results 轨迹文件,本页的得分、耗时、Token 均取自它的测试报告 PDF;没有对话过程、工具调用记录与判分理由,因此不能做过程复盘与错误归因。
通过题数
23/ 30
已评 30 题
总得分(百分制)
75.7分
有成绩题目平均分 × 100
有效得分(百分制)
87.5分
仅计入通过的题
总时间消耗
4h 35m
合计 Token 12,667,882

1. 成绩分布与失败原因构成

得分分布(30 道有成绩的题)

10
0.9–1.0
9
0.8–0.9
4
0.7–0.8
2
0.6–0.7
5
< 0.6
0.757平均分
23通过题数
7未通过题数
0无成绩题数

30 道题全部有成绩,平均 75.7 分。分布:90 分以上 10 题、80–90 分 9 题、70–80 分 4 题、60–70 分 2 题、60 分以下 5 题;最高 96 分,最低 22 分。

失败原因构成

该对象没有轨迹文件,无法做过程归因;只能按测试报告的得分分布看强弱题。

强项

得分最高的三道题:数据排查(96)、儿童用药(94)、AI视频创作(94)。

短板

得分最低的三道题:公共卫生(22)、工程造价(23)、消防规范(23)。

环境事件说明

  • 该对象没有轨迹文件,得分、耗时与 Token 均来自测试报告 PDF;工具调用、超时、判分理由等过程信息无法核对。

2. 题目成绩总览

点击题名跳到下方对应轨迹
#题目得分结果耗时Token轮数失分要点
1房贷提前还款咨询C01zh_mortgage_prepay0.888通过3m 10s9,301—
2个人理财C02zh_personal_finance0.882通过7m 20s155,150—
3房地产金融C03en_real_estate_finance0.433未通过7m 10s401,753—
4编程C04zh_image_processing0.860通过10m 40s792,510—
5个人理财C05zh_personal_finance_20.608未通过12m 00s539,061—
6临床药学C06zh_clinical_pharmacy0.928通过10m 50s769,197—
7金融估值C07zh_financial_valuation0.617未通过10m 20s525,590—
8个人理财C08zh_personal_finance_30.922通过11m 50s354,438—
9AI视频创作C09zh_ai_video_creation0.938通过10m 50s451,222—
10劳动法务C10zh_labor_law0.922通过9m 10s224,218—
11容器编排C11zh_container_orchestration0.816通过12m 00s147,433—
12电商运营C12zh_ecommerce_operations0.250未通过4m 20s318,472—
13心理统计C13zh_psychology_statistics0.933通过17m 10s692,417—
14跨境合规C14zh_cross_border_compliance0.864通过7m 50s230,530—
15 Seismic Facade DesignC15en_structural_seismic_design0.799通过10m 00s210,863—
16HR Workforce PlanningC16en_hr_workforce_planning0.750通过3m 40s30,220—
17DevOps SOP DesignC17en_devops_sop_design0.858通过13m 50s840,044—
18Statistical Analysis SPSSC18en_statistical_analysis_spss0.780通过21m 50s185,500—
19B Testing Sample SizeC19en_ab_testing_sample_size0.836通过6m 50s127,946—
20精神卫生社工C20zh_mental_health_social_work0.873通过14m 20s764,666—
21电商数据分析C21zh_ecommerce_data_analysis0.878通过10m 50s755,303—
22实验心理学C22zh_experimental_psychology0.768通过8m 40s300,419—
23学术写作C23zh_academic_writing0.904通过5m 50s142,369—
24消防规范C24zh_fire_safety_code0.232未通过4m 20s418,864—
25工程造价C25zh_construction_cost0.229未通过4m 20s1,542,773—
26公共卫生C26zh_public_health0.216未通过5m 10s381,910—
27数据自动化C27zh_data_automation0.908通过9m 40s935,630—
28分布式系统C28zh_distributed_systems0.910通过10m 00s157,306—
29儿童用药C29zh_pediatric_medication0.939通过3m 30s57,285—
30数据排查C30zh_data_troubleshooting0.965通过7m 30s205,492—

3. 逐题成绩(无轨迹)

该对象没有对话与工具轨迹,以下只列测试报告给出的每道题结果
得分、耗时、Token 与工具调用次数来自测试报告 PDF;没有题目回答原文、没有判分理由,因此无法像其他对象一样做逐步复盘。
▸房贷提前还款咨询C01zh_mortgage_prepay通过88.8 分 · 3m 10s · 9,301 Token
得分 88.8 / 100耗时 3m 10s输入 1,876输出 7,425工具调用 —
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸个人理财C02zh_personal_finance通过88.2 分 · 7m 20s · 155,150 Token · 9 次
得分 88.2 / 100耗时 7m 20s输入 141,267输出 13,883工具调用 9
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸房地产金融C03en_real_estate_finance未通过43.3 分 · 7m 10s · 401,753 Token · 48 次
得分 43.3 / 100耗时 7m 10s输入 391,945输出 9,808工具调用 48
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸编程C04zh_image_processing通过86.0 分 · 10m 40s · 792,510 Token · 23 次
得分 86.0 / 100耗时 10m 40s输入 759,887输出 32,623工具调用 23
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸个人理财C05zh_personal_finance_2未通过60.8 分 · 12m 00s · 539,061 Token · 32 次
得分 60.8 / 100耗时 12m 00s输入 528,594输出 10,467工具调用 32
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸临床药学C06zh_clinical_pharmacy通过92.8 分 · 10m 50s · 769,197 Token · 23 次
得分 92.8 / 100耗时 10m 50s输入 736,837输出 32,360工具调用 23
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸金融估值C07zh_financial_valuation未通过61.7 分 · 10m 20s · 525,590 Token · 29 次
得分 61.7 / 100耗时 10m 20s输入 494,912输出 30,678工具调用 29
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸个人理财C08zh_personal_finance_3通过92.2 分 · 11m 50s · 354,438 Token · 20 次
得分 92.2 / 100耗时 11m 50s输入 322,678输出 31,760工具调用 20
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸AI视频创作C09zh_ai_video_creation通过93.8 分 · 10m 50s · 451,222 Token · 17 次
得分 93.8 / 100耗时 10m 50s输入 425,771输出 25,451工具调用 17
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸劳动法务C10zh_labor_law通过92.2 分 · 9m 10s · 224,218 Token · 6 次
得分 92.2 / 100耗时 9m 10s输入 189,844输出 34,374工具调用 6
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸容器编排C11zh_container_orchestration通过81.6 分 · 12m 00s · 147,433 Token · 4 次
得分 81.6 / 100耗时 12m 00s输入 108,505输出 38,928工具调用 4
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸电商运营C12zh_ecommerce_operations未通过25.0 分 · 4m 20s · 318,472 Token · 31 次
得分 25.0 / 100耗时 4m 20s输入 312,263输出 6,209工具调用 31
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸心理统计C13zh_psychology_statistics通过93.3 分 · 17m 10s · 692,417 Token · 14 次
得分 93.3 / 100耗时 17m 10s输入 638,240输出 54,177工具调用 14
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸跨境合规C14zh_cross_border_compliance通过86.4 分 · 7m 50s · 230,530 Token · 5 次
得分 86.4 / 100耗时 7m 50s输入 206,227输出 24,303工具调用 5
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸ Seismic Facade DesignC15en_structural_seismic_design通过79.9 分 · 10m 00s · 210,863 Token · 7 次
得分 79.9 / 100耗时 10m 00s输入 183,687输出 27,176工具调用 7
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸HR Workforce PlanningC16en_hr_workforce_planning通过75.0 分 · 3m 40s · 30,220 Token
得分 75.0 / 100耗时 3m 40s输入 19,755输出 10,465工具调用 —
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸DevOps SOP DesignC17en_devops_sop_design通过85.8 分 · 13m 50s · 840,044 Token · 29 次
得分 85.8 / 100耗时 13m 50s输入 805,987输出 34,057工具调用 29
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸Statistical Analysis SPSSC18en_statistical_analysis_spss通过78.0 分 · 21m 50s · 185,500 Token · 7 次
得分 78.0 / 100耗时 21m 50s输入 160,170输出 25,330工具调用 7
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸B Testing Sample SizeC19en_ab_testing_sample_size通过83.6 分 · 6m 50s · 127,946 Token · 7 次
得分 83.6 / 100耗时 6m 50s输入 113,623输出 14,323工具调用 7
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸精神卫生社工C20zh_mental_health_social_work通过87.3 分 · 14m 20s · 764,666 Token · 25 次
得分 87.3 / 100耗时 14m 20s输入 727,134输出 37,532工具调用 25
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸电商数据分析C21zh_ecommerce_data_analysis通过87.8 分 · 10m 50s · 755,303 Token · 24 次
得分 87.8 / 100耗时 10m 50s输入 722,602输出 32,701工具调用 24
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸实验心理学C22zh_experimental_psychology通过76.8 分 · 8m 40s · 300,419 Token · 18 次
得分 76.8 / 100耗时 8m 40s输入 279,631输出 20,788工具调用 18
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸学术写作C23zh_academic_writing通过90.4 分 · 5m 50s · 142,369 Token · 4 次
得分 90.4 / 100耗时 5m 50s输入 129,353输出 13,016工具调用 4
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸消防规范C24zh_fire_safety_code未通过23.2 分 · 4m 20s · 418,864 Token · 27 次
得分 23.2 / 100耗时 4m 20s输入 405,869输出 12,995工具调用 27
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸工程造价C25zh_construction_cost未通过22.9 分 · 4m 20s · 1,542,773 Token · 35 次
得分 22.9 / 100耗时 4m 20s输入 1,530,528输出 12,245工具调用 35
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸公共卫生C26zh_public_health未通过21.6 分 · 5m 10s · 381,910 Token · 31 次
得分 21.6 / 100耗时 5m 10s输入 370,474输出 11,436工具调用 31
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸数据自动化C27zh_data_automation通过90.8 分 · 9m 40s · 935,630 Token · 20 次
得分 90.8 / 100耗时 9m 40s输入 904,373输出 31,257工具调用 20
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸分布式系统C28zh_distributed_systems通过91.0 分 · 10m 00s · 157,306 Token · 6 次
得分 91.0 / 100耗时 10m 00s输入 133,228输出 24,078工具调用 6
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸儿童用药C29zh_pediatric_medication通过93.9 分 · 3m 30s · 57,285 Token · 5 次
得分 93.9 / 100耗时 3m 30s输入 51,466输出 5,819工具调用 5
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。
▸数据排查C30zh_data_troubleshooting通过96.5 分 · 7m 30s · 205,492 Token · 3 次
得分 96.5 / 100耗时 7m 30s输入 186,821输出 18,671工具调用 3
这道题没有轨迹:测试报告只给了分数与用量,没有回答原文和判分理由。

4. 运行记录与选样说明

压缩包结果数运行状态失败原因
deepseek-v4.1-flash-1017.pdf30测试报告—
← 返回测试对象分析