测试对象分析 / Qwen3.8-Flash(xhigh)

Qwen3.8-Flash(xhigh) 8 仅测试报告

通过 23 / 30总得分 78.8 分(百分制)有效得分 88.6 分总耗时 7h 04m总 Token 16,851,486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)
78.8分
有成绩题目平均分 × 100
有效得分(百分制)
88.6分
仅计入通过的题
总时间消耗
7h 04m
合计 Token 16,851,486

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
11
0.8–0.9
2
0.7–0.8
4
0.6–0.7
3
< 0.6
0.788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 78.8 分。分布:90 分以上 10 题、80–90 分 11 题、70–80 分 2 题、60–70 分 4 题、60 分以下 3 题;最高 96 分,最低 24 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:劳动法务(96)、精神卫生社工(95)、数据排查(95)。

短板

得分最低的三道题:电商运营(24)、实验心理学(24)、房地产金融(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_prepay0.928通过4m 10s10,672—
2个人理财C02zh_personal_finance0.942通过9m 30s137,624—
3房地产金融C03en_real_estate_finance0.244未通过8m 40s317,511—
4编程C04zh_image_processing0.896通过15m 50s918,657—
5个人理财C05zh_personal_finance_20.612未通过17m 30s612,421—
6临床药学C06zh_clinical_pharmacy0.804通过21m 30s902,306—
7金融估值C07zh_financial_valuation0.682未通过13m 10s992,029—
8个人理财C08zh_personal_finance_30.638未通过11m 20s672,956—
9AI视频创作C09zh_ai_video_creation0.818通过10m 00s471,526—
10劳动法务C10zh_labor_law0.956通过14m 50s426,407—
11容器编排C11zh_container_orchestration0.778通过12m 10s796,306—
12电商运营C12zh_ecommerce_operations0.236未通过4m 50s512,289—
13心理统计C13zh_psychology_statistics0.843通过18m 00s598,647—
14跨境合规C14zh_cross_border_compliance0.896通过14m 40s889,913—
15 Seismic Facade DesignC15en_structural_seismic_design0.609未通过24m 10s376,926—
16HR Workforce PlanningC16en_hr_workforce_planning0.880通过15m 30s84,961—
17DevOps SOP DesignC17en_devops_sop_design0.847通过25m 20s1,090,912—
18Statistical Analysis SPSSC18en_statistical_analysis_spss0.846通过21m 40s180,732—
19B Testing Sample SizeC19en_ab_testing_sample_size0.852通过13m 30s519,018—
20精神卫生社工C20zh_mental_health_social_work0.951通过17m 21s305,080—
21电商数据分析C21zh_ecommerce_data_analysis0.906通过11m 30s174,105—
22实验心理学C22zh_experimental_psychology0.244未通过9m 30s822,642—
23学术写作C23zh_academic_writing0.926通过12m 10s236,770—
24消防规范C24zh_fire_safety_code0.791通过17m 20s294,268—
25工程造价C25zh_construction_cost0.885通过16m 02s1,729,196—
26公共卫生C26zh_public_health0.934通过19m 20s555,811—
27数据自动化C27zh_data_automation0.880通过12m 35s718,747—
28分布式系统C28zh_distributed_systems0.942通过17m 10s1,333,137—
29儿童用药C29zh_pediatric_medication0.934通过4m 50s63,840—
30数据排查C30zh_data_troubleshooting0.948通过10m 00s106,077—

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92.8 分 · 4m 10s · 10,672 Token
得分 92.8 / 100耗时 4m 10s输入 3,655输出 7,017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94.2 分 · 9m 30s · 137,624 Token · 7 次
得分 94.2 / 100耗时 9m 30s输入 121,355输出 16,269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。
▸房地产金融C03en_real_estate_finance未通过24.4 分 · 8m 40s · 317,511 Token · 43 次
得分 24.4 / 100耗时 8m 40s输入 308,967输出 8,544工具调用 43
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89.6 分 · 15m 50s · 918,657 Token · 25 次
得分 89.6 / 100耗时 15m 50s输入 878,721输出 39,936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C05zh_personal_finance_2未通过61.2 分 · 17m 30s · 612,421 Token · 20 次
得分 61.2 / 100耗时 17m 30s输入 576,666输出 35,755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。
▸临床药学C06zh_clinical_pharmacy通过80.4 分 · 21m 30s · 902,306 Token · 36 次
得分 80.4 / 100耗时 21m 30s输入 866,222输出 36,084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。
▸金融估值C07zh_financial_valuation未通过68.2 分 · 13m 10s · 992,029 Token · 44 次
得分 68.2 / 100耗时 13m 10s输入 953,356输出 38,673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。
▸个人理财C08zh_personal_finance_3未通过63.8 分 · 11m 20s · 672,956 Token · 33 次
得分 63.8 / 100耗时 11m 20s输入 650,387输出 22,569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。
▸AI视频创作C09zh_ai_video_creation通过81.8 分 · 10m 00s · 471,526 Token · 22 次
得分 81.8 / 100耗时 10m 00s输入 453,309输出 18,217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。
▸劳动法务C10zh_labor_law通过95.6 分 · 14m 50s · 426,407 Token · 15 次
得分 95.6 / 100耗时 14m 50s输入 378,087输出 48,320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。
▸容器编排C11zh_container_orchestration通过77.8 分 · 12m 10s · 796,306 Token · 33 次
得分 77.8 / 100耗时 12m 10s输入 760,734输出 35,572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。
▸电商运营C12zh_ecommerce_operations未通过23.6 分 · 4m 50s · 512,289 Token · 39 次
得分 23.6 / 100耗时 4m 50s输入 501,988输出 10,301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。
▸心理统计C13zh_psychology_statistics通过84.3 分 · 18m 00s · 598,647 Token · 14 次
得分 84.3 / 100耗时 18m 00s输入 546,144输出 52,503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89.6 分 · 14m 40s · 889,913 Token · 37 次
得分 89.6 / 100耗时 14m 40s输入 846,270输出 43,643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。
▸ Seismic Facade DesignC15en_structural_seismic_design未通过60.9 分 · 24m 10s · 376,926 Token · 20 次
得分 60.9 / 100耗时 24m 10s输入 325,475输出 51,451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。
▸HR Workforce PlanningC16en_hr_workforce_planning通过88.0 分 · 15m 30s · 84,961 Token
得分 88.0 / 100耗时 15m 30s输入 48,129输出 36,832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84.7 分 · 25m 20s · 1,090,912 Token · 40 次
得分 84.7 / 100耗时 25m 20s输入 1,037,241输出 53,671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84.6 分 · 21m 40s · 180,732 Token · 6 次
得分 84.6 / 100耗时 21m 40s输入 150,623输出 30,109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。
▸B Testing Sample SizeC19en_ab_testing_sample_size通过85.2 分 · 13m 30s · 519,018 Token · 16 次
得分 85.2 / 100耗时 13m 30s输入 476,149输出 42,869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。
▸精神卫生社工C20zh_mental_health_social_work通过95.1 分 · 17m 21s · 305,080 Token · 14 次
得分 95.1 / 100耗时 17m 21s输入 272,740输出 32,340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90.6 分 · 11m 30s · 174,105 Token · 6 次
得分 90.6 / 100耗时 11m 30s输入 152,231输出 21,874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未通过24.4 分 · 9m 30s · 822,642 Token · 41 次
得分 24.4 / 100耗时 9m 30s输入 798,194输出 24,448工具调用 41
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92.6 分 · 12m 10s · 236,770 Token · 5 次
得分 92.6 / 100耗时 12m 10s输入 208,692输出 28,078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。
▸消防规范C24zh_fire_safety_code通过79.1 分 · 17m 20s · 294,268 Token · 14 次
得分 79.1 / 100耗时 17m 20s输入 252,511输出 41,757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。
▸工程造价C25zh_construction_cost通过88.5 分 · 16m 02s · 1,729,196 Token · 50 次
得分 88.5 / 100耗时 16m 02s输入 1,692,034输出 37,162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通过93.4 分 · 19m 20s · 555,811 Token · 23 次
得分 93.4 / 100耗时 19m 20s输入 513,013输出 42,798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。
▸数据自动化C27zh_data_automation通过88.0 分 · 12m 35s · 718,747 Token · 26 次
得分 88.0 / 100耗时 12m 35s输入 686,977输出 31,770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94.2 分 · 17m 10s · 1,333,137 Token · 29 次
得分 94.2 / 100耗时 17m 10s输入 1,281,893输出 51,244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。
▸儿童用药C29zh_pediatric_medication通过93.4 分 · 4m 50s · 63,840 Token · 4 次
得分 93.4 / 100耗时 4m 50s输入 54,108输出 9,732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94.8 分 · 10m 00s · 106,077 Token · 5 次
得分 94.8 / 100耗时 10m 00s输入 86,767输出 19,310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。

4. 运行记录与选样说明

压缩包结果数运行状态失败原因
agenttest-report-2112107377193476096.pdf30测试报告—
← 返回测试对象分析