测试对象分析 / mimo-v2.6-pro-ultraspeed

mimo-v2.6-pro-ultraspeed 6 仅测试报告

通过 23 / 30总得分 82.9 分(百分制)有效得分 88.7 分总耗时 3h 21m总 Token 12,831,929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)
82.9分
有成绩题目平均分 × 100
有效得分(百分制)
88.7分
仅计入通过的题
总时间消耗
3h 21m
合计 Token 12,831,929

1. 成绩分布与失败原因构成

得分分布(30 道有成绩的题)

12
0.9–1.0
9
0.8–0.9
7
0.7–0.8
1
0.6–0.7
1
< 0.6
0.829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 82.9 分。分布:90 分以上 12 题、80–90 分 9 题、70–80 分 7 题、60–70 分 1 题、60 分以下 1 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:临床药学(96)、容器编排(96)、数据排查(95)。

短板

得分最低的三道题:AI视频创作(22)、实验心理学(65)、消防规范(70)。

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_prepay0.885通过2m 40s40,707—
2个人理财C02zh_personal_finance0.944通过5m 20s194,329—
3房地产金融C03en_real_estate_finance0.754通过17m 50s472,031—
4编程C04zh_image_processing0.946通过4m 40s637,436—
5个人理财C05zh_personal_finance_20.709未通过11m 50s388,525—
6临床药学C06zh_clinical_pharmacy0.963通过4m 30s197,454—
7金融估值C07zh_financial_valuation0.743未通过12m 40s825,824—
8个人理财C08zh_personal_finance_30.849通过6m 50s167,703—
9AI视频创作C09zh_ai_video_creation0.216未通过8m 00s276,283—
10劳动法务C10zh_labor_law0.922通过4m 50s492,897—
11容器编排C11zh_container_orchestration0.956通过7m 00s1,546,142—
12电商运营C12zh_ecommerce_operations0.802通过5m 00s702,935—
13心理统计C13zh_psychology_statistics0.883通过9m 00s135,835—
14跨境合规C14zh_cross_border_compliance0.884通过7m 20s161,865—
15 Seismic Facade DesignC15en_structural_seismic_design0.836通过12m 20s703,852—
16HR Workforce PlanningC16en_hr_workforce_planning0.945通过3m 20s39,575—
17DevOps SOP DesignC17en_devops_sop_design0.805通过9m 40s1,001,957—
18Statistical Analysis SPSSC18en_statistical_analysis_spss0.737未通过6m 30s147,521—
19B Testing Sample SizeC19en_ab_testing_sample_size0.790通过5m 10s447,346—
20精神卫生社工C20zh_mental_health_social_work0.941通过6m 10s263,600—
21电商数据分析C21zh_ecommerce_data_analysis0.825通过6m 10s85,020—
22实验心理学C22zh_experimental_psychology0.649未通过5m 10s284,271—
23学术写作C23zh_academic_writing0.927通过3m 10s196,394—
24消防规范C24zh_fire_safety_code0.704未通过7m 10s1,955,537—
25工程造价C25zh_construction_cost0.923通过4m 50s313,016—
26公共卫生C26zh_public_health0.719未通过4m 10s427,543—
27数据自动化C27zh_data_automation0.838通过8m 00s511,788—
28分布式系统C28zh_distributed_systems0.921通过4m 50s120,339—
29儿童用药C29zh_pediatric_medication0.909通过3m 10s48,566—
30数据排查C30zh_data_troubleshooting0.952通过4m 20s45,638—

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88.5 分 · 2m 40s · 40,707 Token
得分 88.5 / 100耗时 2m 40s输入 23,147输出 17,560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94.4 分 · 5m 20s · 194,329 Token · 16 次
得分 94.4 / 100耗时 5m 20s输入 177,653输出 16,676工具调用 16
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75.4 分 · 17m 50s · 472,031 Token · 45 次
得分 75.4 / 100耗时 17m 50s输入 449,626输出 22,405工具调用 45
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94.6 分 · 4m 40s · 637,436 Token · 33 次
得分 94.6 / 100耗时 4m 40s输入 596,126输出 41,310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。
▸个人理财C05zh_personal_finance_2未通过70.9 分 · 11m 50s · 388,525 Token · 18 次
得分 70.9 / 100耗时 11m 50s输入 356,734输出 31,791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。
▸临床药学C06zh_clinical_pharmacy通过96.3 分 · 4m 30s · 197,454 Token · 13 次
得分 96.3 / 100耗时 4m 30s输入 179,791输出 17,663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。
▸金融估值C07zh_financial_valuation未通过74.3 分 · 12m 40s · 825,824 Token · 25 次
得分 74.3 / 100耗时 12m 40s输入 765,116输出 60,708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。
▸个人理财C08zh_personal_finance_3通过84.9 分 · 6m 50s · 167,703 Token · 6 次
得分 84.9 / 100耗时 6m 50s输入 142,334输出 25,369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。
▸AI视频创作C09zh_ai_video_creation未通过21.6 分 · 8m 00s · 276,283 Token · 44 次
得分 21.6 / 100耗时 8m 00s输入 270,699输出 5,584工具调用 44
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 · 4m 50s · 492,897 Token · 12 次
得分 92.2 / 100耗时 4m 50s输入 472,688输出 20,209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95.6 分 · 7m 00s · 1,546,142 Token · 46 次
得分 95.6 / 100耗时 7m 00s输入 1,473,148输出 72,994工具调用 46
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80.2 分 · 5m 00s · 702,935 Token · 44 次
得分 80.2 / 100耗时 5m 00s输入 685,281输出 17,654工具调用 44
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88.3 分 · 9m 00s · 135,835 Token · 9 次
得分 88.3 / 100耗时 9m 00s输入 115,412输出 20,423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。
▸跨境合规C14zh_cross_border_compliance通过88.4 分 · 7m 20s · 161,865 Token · 7 次
得分 88.4 / 100耗时 7m 20s输入 134,699输出 27,166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。
▸ Seismic Facade DesignC15en_structural_seismic_design通过83.6 分 · 12m 20s · 703,852 Token · 36 次
得分 83.6 / 100耗时 12m 20s输入 661,662输出 42,190工具调用 36
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94.5 分 · 3m 20s · 39,575 Token
得分 94.5 / 100耗时 3m 20s输入 23,514输出 16,061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80.5 分 · 9m 40s · 1,001,957 Token · 37 次
得分 80.5 / 100耗时 9m 40s输入 964,606输出 37,351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。
▸Statistical Analysis SPSSC18en_statistical_analysis_spss未通过73.7 分 · 6m 30s · 147,521 Token · 7 次
得分 73.7 / 100耗时 6m 30s输入 124,104输出 23,417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79.0 分 · 5m 10s · 447,346 Token · 13 次
得分 79.0 / 100耗时 5m 10s输入 414,339输出 33,007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。
▸精神卫生社工C20zh_mental_health_social_work通过94.1 分 · 6m 10s · 263,600 Token · 14 次
得分 94.1 / 100耗时 6m 10s输入 233,754输出 29,846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。
▸电商数据分析C21zh_ecommerce_data_analysis通过82.5 分 · 6m 10s · 85,020 Token · 3 次
得分 82.5 / 100耗时 6m 10s输入 71,149输出 13,871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。
▸实验心理学C22zh_experimental_psychology未通过64.9 分 · 5m 10s · 284,271 Token · 22 次
得分 64.9 / 100耗时 5m 10s输入 262,047输出 22,224工具调用 22
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92.7 分 · 3m 10s · 196,394 Token · 7 次
得分 92.7 / 100耗时 3m 10s输入 176,323输出 20,071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。
▸消防规范C24zh_fire_safety_code未通过70.4 分 · 7m 10s · 1,955,537 Token · 31 次
得分 70.4 / 100耗时 7m 10s输入 1,926,294输出 29,243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。
▸工程造价C25zh_construction_cost通过92.3 分 · 4m 50s · 313,016 Token · 23 次
得分 92.3 / 100耗时 4m 50s输入 296,566输出 16,450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。
▸公共卫生C26zh_public_health未通过71.9 分 · 4m 10s · 427,543 Token · 27 次
得分 71.9 / 100耗时 4m 10s输入 404,580输出 22,963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。
▸数据自动化C27zh_data_automation通过83.8 分 · 8m 00s · 511,788 Token · 26 次
得分 83.8 / 100耗时 8m 00s输入 485,895输出 25,893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。
▸分布式系统C28zh_distributed_systems通过92.1 分 · 4m 50s · 120,339 Token · 5 次
得分 92.1 / 100耗时 4m 50s输入 103,572输出 16,767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90.9 分 · 3m 10s · 48,566 Token · 4 次
得分 90.9 / 100耗时 3m 10s输入 42,671输出 5,895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95.2 分 · 4m 20s · 45,638 Token · 4 次
得分 95.2 / 100耗时 4m 20s输入 38,440输出 7,198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。

4. 运行记录与选样说明

压缩包结果数运行状态失败原因
mimo-v2.6-pro.pdf30测试报告—
← 返回测试对象分析