测试对象分析 / GLM-5.3-Flash

GLM-5.3-Flash 13 仅测试报告

通过 19 / 30总得分 70.5 分(百分制)有效得分 86.5 分总耗时 7h 50m总 Token 5,388,033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
19/ 30
已评 30 题
总得分(百分制)
70.5分
有成绩题目平均分 × 100
有效得分(百分制)
86.5分
仅计入通过的题
总时间消耗
7h 50m
合计 Token 5,388,033

1. 成绩分布与失败原因构成

得分分布(30 道有成绩的题)

7
0.9–1.0
7
0.8–0.9
6
0.7–0.8
2
0.6–0.7
8
< 0.6
0.705平均分
19通过题数
11未通过题数
0无成绩题数

30 道题全部有成绩,平均 70.5 分。分布:90 分以上 7 题、80–90 分 7 题、70–80 分 6 题、60–70 分 2 题、60 分以下 8 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)、HR Workforce Planning(95)、学术写作(94)。

短板

得分最低的三道题:工程造价(22)、精神卫生社工(22)、DevOps SOP Design(24)。

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_prepay0.880通过16m 40s35,193—
2个人理财C02zh_personal_finance0.877通过20m 30s69,376—
3房地产金融C03en_real_estate_finance0.777通过11m 10s303,228—
4编程C04zh_image_processing0.922通过16m 10s272,722—
5个人理财C05zh_personal_finance_20.495未通过44m 11s313,284—
6临床药学C06zh_clinical_pharmacy0.750通过21m 20s65,796—
7金融估值C07zh_financial_valuation0.428未通过5m 30s331,833—
8个人理财C08zh_personal_finance_30.929通过15m 10s80,629—
9AI视频创作C09zh_ai_video_creation0.656未通过18m 40s375,511—
10劳动法务C10zh_labor_law0.868通过10m 20s59,127—
11容器编排C11zh_container_orchestration0.518未通过5m 30s360,694—
12电商运营C12zh_ecommerce_operations0.752通过9m 50s136,379—
13心理统计C13zh_psychology_statistics0.730未通过21m 10s112,763—
14跨境合规C14zh_cross_border_compliance0.842通过11m 40s51,186—
15 Seismic Facade DesignC15en_structural_seismic_design0.330未通过7m 50s276,288—
16HR Workforce PlanningC16en_hr_workforce_planning0.948通过28m 20s54,364—
17DevOps SOP DesignC17en_devops_sop_design0.240未通过3m 30s642,220—
18Statistical Analysis SPSSC18en_statistical_analysis_spss0.626未通过39m 21s118,505—
19B Testing Sample SizeC19en_ab_testing_sample_size0.782通过8m 50s54,292—
20精神卫生社工C20zh_mental_health_social_work0.224未通过3m 40s313,613—
21电商数据分析C21zh_ecommerce_data_analysis0.868通过18m 10s178,797—
22实验心理学C22zh_experimental_psychology0.863通过12m 00s172,173—
23学术写作C23zh_academic_writing0.943通过11m 50s58,819—
24消防规范C24zh_fire_safety_code0.770通过38m 21s124,726—
25工程造价C25zh_construction_cost0.216未通过1m 50s149,503—
26公共卫生C26zh_public_health0.259未通过7m 20s470,337—
27数据自动化C27zh_data_automation0.914通过25m 00s75,274—
28分布式系统C28zh_distributed_systems0.891通过9m 40s43,929—
29儿童用药C29zh_pediatric_medication0.900通过7m 10s37,332—
30数据排查C30zh_data_troubleshooting0.965通过20m 00s50,140—

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88.0 分 · 16m 40s · 35,193 Token
得分 88.0 / 100耗时 16m 40s输入 2,901输出 32,292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87.7 分 · 20m 30s · 69,376 Token · 5 次
得分 87.7 / 100耗时 20m 30s输入 32,666输出 36,710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。
▸房地产金融C03en_real_estate_finance通过77.7 分 · 11m 10s · 303,228 Token · 42 次
得分 77.7 / 100耗时 11m 10s输入 289,067输出 14,161工具调用 42
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92.2 分 · 16m 10s · 272,722 Token · 13 次
得分 92.2 / 100耗时 16m 10s输入 239,087输出 33,635工具调用 13
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49.5 分 · 44m 11s · 313,284 Token · 26 次
得分 49.5 / 100耗时 44m 11s输入 176,477输出 136,807工具调用 26
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75.0 分 · 21m 20s · 65,796 Token · 6 次
得分 75.0 / 100耗时 21m 20s输入 46,689输出 19,107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。
▸金融估值C07zh_financial_valuation未通过42.8 分 · 5m 30s · 331,833 Token · 31 次
得分 42.8 / 100耗时 5m 30s输入 329,534输出 2,299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。
▸个人理财C08zh_personal_finance_3通过92.9 分 · 15m 10s · 80,629 Token · 12 次
得分 92.9 / 100耗时 15m 10s输入 57,654输出 22,975工具调用 12
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未通过65.6 分 · 18m 40s · 375,511 Token · 42 次
得分 65.6 / 100耗时 18m 40s输入 359,769输出 15,742工具调用 42
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86.8 分 · 10m 20s · 59,127 Token · 7 次
得分 86.8 / 100耗时 10m 20s输入 46,696输出 12,431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。
▸容器编排C11zh_container_orchestration未通过51.8 分 · 5m 30s · 360,694 Token · 29 次
得分 51.8 / 100耗时 5m 30s输入 355,873输出 4,821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。
▸电商运营C12zh_ecommerce_operations通过75.2 分 · 9m 50s · 136,379 Token · 20 次
得分 75.2 / 100耗时 9m 50s输入 126,967输出 9,412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。
▸心理统计C13zh_psychology_statistics未通过73.0 分 · 21m 10s · 112,763 Token · 5 次
得分 73.0 / 100耗时 21m 10s输入 83,410输出 29,353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。
▸跨境合规C14zh_cross_border_compliance通过84.2 分 · 11m 40s · 51,186 Token · 5 次
得分 84.2 / 100耗时 11m 40s输入 39,883输出 11,303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未通过33.0 分 · 7m 50s · 276,288 Token · 34 次
得分 33.0 / 100耗时 7m 50s输入 268,136输出 8,152工具调用 34
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94.8 分 · 28m 20s · 54,364 Token
得分 94.8 / 100耗时 28m 20s输入 13,345输出 41,019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未通过24.0 分 · 3m 30s · 642,220 Token · 50 次
得分 24.0 / 100耗时 3m 30s输入 638,647输出 3,573工具调用 50
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未通过62.6 分 · 39m 21s · 118,505 Token · 8 次
得分 62.6 / 100耗时 39m 21s输入 69,321输出 49,184工具调用 8
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78.2 分 · 8m 50s · 54,292 Token · 3 次
得分 78.2 / 100耗时 8m 50s输入 46,956输出 7,336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。
▸精神卫生社工C20zh_mental_health_social_work未通过22.4 分 · 3m 40s · 313,613 Token · 33 次
得分 22.4 / 100耗时 3m 40s输入 306,887输出 6,726工具调用 33
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86.8 分 · 18m 10s · 178,797 Token · 6 次
得分 86.8 / 100耗时 18m 10s输入 144,351输出 34,446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。
▸实验心理学C22zh_experimental_psychology通过86.3 分 · 12m 00s · 172,173 Token · 18 次
得分 86.3 / 100耗时 12m 00s输入 147,307输出 24,866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94.3 分 · 11m 50s · 58,819 Token
得分 94.3 / 100耗时 11m 50s输入 40,908输出 17,911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。
▸消防规范C24zh_fire_safety_code通过77.0 分 · 38m 21s · 124,726 Token · 13 次
得分 77.0 / 100耗时 38m 21s输入 95,935输出 28,791工具调用 13
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21.6 分 · 1m 50s · 149,503 Token · 50 次
得分 21.6 / 100耗时 1m 50s输入 147,446输出 2,057工具调用 50
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25.9 分 · 7m 20s · 470,337 Token · 49 次
得分 25.9 / 100耗时 7m 20s输入 460,618输出 9,719工具调用 49
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91.4 分 · 25m 00s · 75,274 Token · 6 次
得分 91.4 / 100耗时 25m 00s输入 34,840输出 40,434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。
▸分布式系统C28zh_distributed_systems通过89.1 分 · 9m 40s · 43,929 Token · 5 次
得分 89.1 / 100耗时 9m 40s输入 35,640输出 8,289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。
▸儿童用药C29zh_pediatric_medication通过90.0 分 · 7m 10s · 37,332 Token · 4 次
得分 90.0 / 100耗时 7m 10s输入 29,201输出 8,131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。
▸数据排查C30zh_data_troubleshooting通过96.5 分 · 20m 00s · 50,140 Token · 2 次
得分 96.5 / 100耗时 20m 00s输入 32,628输出 17,512工具调用 2
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
GLM-5.3-Flash.pdf30测试报告—
← 返回测试对象分析