GLM 5.3 12 仅测试报告

通过 20 / 30总得分 71.0 分(百分制)有效得分 87.1 分总耗时 7h 04m总 Token 12,705,112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
20/ 30
已评 30 题
总得分(百分制)
71.0分
有成绩题目平均分 × 100
有效得分(百分制)
87.1分
仅计入通过的题
总时间消耗
7h 04m
合计 Token 12,705,112

1. 成绩分布与失败原因构成

得分分布(30 道有成绩的题)

8
0.9–1.0
9
0.8–0.9
4
0.7–0.8
1
0.6–0.7
8
< 0.6
0.710平均分
20通过题数
10未通过题数
0无成绩题数

30 道题全部有成绩,平均 71.0 分。分布:90 分以上 8 题、80–90 分 9 题、70–80 分 4 题、60–70 分 1 题、60 分以下 8 题;最高 95 分,最低 23 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:学术写作(95)、数据排查(93)、临床药学(93)。

短板

得分最低的三道题:公共卫生(23)、精神卫生社工(23)、工程造价(25)。

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8m 00s24,333—
2个人理财C02zh_personal_finance0.812通过21m 10s454,464—
3房地产金融C03en_real_estate_finance0.288未通过8m 20s447,040—
4编程C04zh_image_processing0.804通过17m 21s277,028—
5个人理财C05zh_personal_finance_20.564未通过17m 40s401,761—
6临床药学C06zh_clinical_pharmacy0.929通过19m 00s358,960—
7金融估值C07zh_financial_valuation0.612未通过13m 10s887,873—
8个人理财C08zh_personal_finance_30.861通过30m 10s266,851—
9AI视频创作C09zh_ai_video_creation0.763通过15m 30s443,886—
10劳动法务C10zh_labor_law0.928通过12m 30s185,066—
11容器编排C11zh_container_orchestration0.848通过18m 30s697,922—
12电商运营C12zh_ecommerce_operations0.318未通过4m 00s332,451—
13心理统计C13zh_psychology_statistics0.898通过25m 00s205,080—
14跨境合规C14zh_cross_border_compliance0.890通过13m 20s710,592—
15 Seismic Facade DesignC15en_structural_seismic_design0.320未通过25m 50s205,153—
16HR Workforce PlanningC16en_hr_workforce_planning0.914通过10m 40s58,969—
17DevOps SOP DesignC17en_devops_sop_design0.706未通过17m 30s358,437—
18Statistical Analysis SPSSC18en_statistical_analysis_spss0.922通过16m 10s157,233—
19B Testing Sample SizeC19en_ab_testing_sample_size0.772通过8m 40s97,765—
20精神卫生社工C20zh_mental_health_social_work0.232未通过3m 50s439,089—
21电商数据分析C21zh_ecommerce_data_analysis0.872通过15m 10s877,680—
22实验心理学C22zh_experimental_psychology0.785通过11m 54s637,397—
23学术写作C23zh_academic_writing0.953通过9m 20s141,922—
24消防规范C24zh_fire_safety_code0.339未通过12m 30s757,462—
25工程造价C25zh_construction_cost0.248未通过3m 20s1,087,567—
26公共卫生C26zh_public_health0.232未通过6m 10s436,128—
27数据自动化C27zh_data_automation0.910通过16m 30s1,111,533—
28分布式系统C28zh_distributed_systems0.900通过20m 40s512,643—
29儿童用药C29zh_pediatric_medication0.855通过5m 10s35,062—
30数据排查C30zh_data_troubleshooting0.934通过17m 30s97,765—

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 · 8m 00s · 24,333 Token
得分 88.0 / 100耗时 8m 00s输入 2,625输出 21,708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81.2 分 · 21m 10s · 454,464 Token · 32 次
得分 81.2 / 100耗时 21m 10s输入 407,063输出 47,401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。
▸房地产金融C03en_real_estate_finance未通过28.8 分 · 8m 20s · 447,040 Token · 49 次
得分 28.8 / 100耗时 8m 20s输入 435,465输出 11,575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。
▸编程C04zh_image_processing通过80.4 分 · 17m 21s · 277,028 Token · 10 次
得分 80.4 / 100耗时 17m 21s输入 219,762输出 57,266工具调用 10
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56.4 分 · 17m 40s · 401,761 Token · 30 次
得分 56.4 / 100耗时 17m 40s输入 375,837输出 25,924工具调用 30
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92.9 分 · 19m 00s · 358,960 Token · 8 次
得分 92.9 / 100耗时 19m 00s输入 301,311输出 57,649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。
▸金融估值C07zh_financial_valuation未通过61.2 分 · 13m 10s · 887,873 Token · 37 次
得分 61.2 / 100耗时 13m 10s输入 846,793输出 41,080工具调用 37
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86.1 分 · 30m 10s · 266,851 Token · 19 次
得分 86.1 / 100耗时 30m 10s输入 194,637输出 72,214工具调用 19
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76.3 分 · 15m 30s · 443,886 Token · 31 次
得分 76.3 / 100耗时 15m 30s输入 406,873输出 37,013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。
▸劳动法务C10zh_labor_law通过92.8 分 · 12m 30s · 185,066 Token · 12 次
得分 92.8 / 100耗时 12m 30s输入 156,498输出 28,568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。
▸容器编排C11zh_container_orchestration通过84.8 分 · 18m 30s · 697,922 Token · 28 次
得分 84.8 / 100耗时 18m 30s输入 641,857输出 56,065工具调用 28
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31.8 分 · 4m 00s · 332,451 Token · 35 次
得分 31.8 / 100耗时 4m 00s输入 326,479输出 5,972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。
▸心理统计C13zh_psychology_statistics通过89.8 分 · 25m 00s · 205,080 Token · 6 次
得分 89.8 / 100耗时 25m 00s输入 143,437输出 61,643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。
▸跨境合规C14zh_cross_border_compliance通过89.0 分 · 13m 20s · 710,592 Token · 15 次
得分 89.0 / 100耗时 13m 20s输入 685,956输出 24,636工具调用 15
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32.0 分 · 25m 50s · 205,153 Token
得分 32.0 / 100耗时 25m 50s输入 74,081输出 131,072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。
▸HR Workforce PlanningC16en_hr_workforce_planning通过91.4 分 · 10m 40s · 58,969 Token
得分 91.4 / 100耗时 10m 40s输入 32,865输出 26,104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70.6 分 · 17m 30s · 358,437 Token · 40 次
得分 70.6 / 100耗时 17m 30s输入 336,536输出 21,901工具调用 40
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92.2 分 · 16m 10s · 157,233 Token · 7 次
得分 92.2 / 100耗时 16m 10s输入 122,438输出 34,795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77.2 分 · 8m 40s · 97,765 Token · 4 次
得分 77.2 / 100耗时 8m 40s输入 81,427输出 16,338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。
▸精神卫生社工C20zh_mental_health_social_work未通过23.2 分 · 3m 50s · 439,089 Token · 40 次
得分 23.2 / 100耗时 3m 50s输入 431,431输出 7,658工具调用 40
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87.2 分 · 15m 10s · 877,680 Token · 24 次
得分 87.2 / 100耗时 15m 10s输入 831,554输出 46,126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78.5 分 · 11m 54s · 637,397 Token · 37 次
得分 78.5 / 100耗时 11m 54s输入 604,812输出 32,585工具调用 37
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95.3 分 · 9m 20s · 141,922 Token
得分 95.3 / 100耗时 9m 20s输入 119,200输出 22,722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未通过33.9 分 · 12m 30s · 757,462 Token · 34 次
得分 33.9 / 100耗时 12m 30s输入 729,533输出 27,929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。
▸工程造价C25zh_construction_cost未通过24.8 分 · 3m 20s · 1,087,567 Token · 39 次
得分 24.8 / 100耗时 3m 20s输入 1,082,237输出 5,330工具调用 39
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23.2 分 · 6m 10s · 436,128 Token · 35 次
得分 23.2 / 100耗时 6m 10s输入 418,058输出 18,070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。
▸数据自动化C27zh_data_automation通过91.0 分 · 16m 30s · 1,111,533 Token · 21 次
得分 91.0 / 100耗时 16m 30s输入 1,061,036输出 50,497工具调用 21
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90.0 分 · 20m 40s · 512,643 Token · 13 次
得分 90.0 / 100耗时 20m 40s输入 459,598输出 53,045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。
▸儿童用药C29zh_pediatric_medication通过85.5 分 · 5m 10s · 35,062 Token · 4 次
得分 85.5 / 100耗时 5m 10s输入 26,224输出 8,838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93.4 分 · 17m 30s · 97,765 Token
得分 93.4 / 100耗时 17m 30s输入 60,894输出 36,871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。

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.pdf30测试报告—
← 返回测试对象分析