测试对象分析 / Qwen3.8-Max(xhigh)

Qwen3.8-Max(xhigh) 14 仅测试报告

通过 16 / 30总得分 67.2 分(百分制)有效得分 87.9 分总耗时 7h 04m总 Token 12,222,537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
16/ 30
已评 30 题
总得分(百分制)
67.2分
有成绩题目平均分 × 100
有效得分(百分制)
87.9分
仅计入通过的题
总时间消耗
7h 04m
合计 Token 12,222,537

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
5
0.8–0.9
3
0.7–0.8
3
0.6–0.7
11
< 0.6
0.672平均分
16通过题数
14未通过题数
0无成绩题数

30 道题全部有成绩,平均 67.2 分。分布:90 分以上 8 题、80–90 分 5 题、70–80 分 3 题、60–70 分 3 题、60 分以下 11 题;最高 96 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:HR Workforce Planning(96)、分布式系统(94)、临床药学(93)。

短板

得分最低的三道题:公共卫生(23)、消防规范(23)、工程造价(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_prepay0.448未通过14m 50s247,622—
2个人理财C02zh_personal_finance0.915通过9m 20s88,555—
3房地产金融C03en_real_estate_finance0.572未通过20m 50s508,949—
4编程C04zh_image_processing0.898通过16m 20s620,850—
5个人理财C05zh_personal_finance_20.256未通过5m 40s352,463—
6临床药学C06zh_clinical_pharmacy0.926通过19m 50s272,071—
7金融估值C07zh_financial_valuation0.634未通过19m 20s586,232—
8个人理财C08zh_personal_finance_30.248未通过8m 20s587,914—
9AI视频创作C09zh_ai_video_creation0.796通过13m 10s450,974—
10劳动法务C10zh_labor_law0.580未通过11m 10s614,085—
11容器编排C11zh_container_orchestration0.644未通过18m 00s202,997—
12电商运营C12zh_ecommerce_operations0.304未通过5m 50s457,645—
13心理统计C13zh_psychology_statistics0.778通过20m 00s173,411—
14跨境合规C14zh_cross_border_compliance0.872通过20m 31s603,587—
15 Seismic Facade DesignC15en_structural_seismic_design0.507未通过20m 00s85,000—
16HR Workforce PlanningC16en_hr_workforce_planning0.962通过15m 30s45,498—
17DevOps SOP DesignC17en_devops_sop_design0.836通过16m 50s869,222—
18Statistical Analysis SPSSC18en_statistical_analysis_spss0.685未通过21m 30s319,088—
19B Testing Sample SizeC19en_ab_testing_sample_size0.845通过15m 50s333,180—
20精神卫生社工C20zh_mental_health_social_work0.870通过21m 40s122,300—
21电商数据分析C21zh_ecommerce_data_analysis0.908通过14m 30s130,975—
22实验心理学C22zh_experimental_psychology0.763通过14m 10s277,696—
23学术写作C23zh_academic_writing0.919通过13m 03s102,718—
24消防规范C24zh_fire_safety_code0.232未通过11m 40s459,264—
25工程造价C25zh_construction_cost0.244未通过8m 10s1,760,336—
26公共卫生C26zh_public_health0.232未通过7m 20s1,035,409—
27数据自动化C27zh_data_automation0.511未通过9m 03s386,586—
28分布式系统C28zh_distributed_systems0.941通过13m 30s191,496—
29儿童用药C29zh_pediatric_medication0.923通过8m 50s109,464—
30数据排查C30zh_data_troubleshooting0.910通过10m 10s226,950—

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未通过44.8 分 · 14m 50s · 247,622 Token
得分 44.8 / 100耗时 14m 50s输入 213,131输出 34,491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91.5 分 · 9m 20s · 88,555 Token · 9 次
得分 91.5 / 100耗时 9m 20s输入 75,506输出 13,049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57.2 分 · 20m 50s · 508,949 Token · 49 次
得分 57.2 / 100耗时 20m 50s输入 481,044输出 27,905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89.8 分 · 16m 20s · 620,850 Token · 24 次
得分 89.8 / 100耗时 16m 20s输入 581,741输出 39,109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。
▸个人理财C05zh_personal_finance_2未通过25.6 分 · 5m 40s · 352,463 Token · 31 次
得分 25.6 / 100耗时 5m 40s输入 341,448输出 11,015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。
▸临床药学C06zh_clinical_pharmacy通过92.6 分 · 19m 50s · 272,071 Token · 15 次
得分 92.6 / 100耗时 19m 50s输入 234,744输出 37,327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。
▸金融估值C07zh_financial_valuation未通过63.4 分 · 19m 20s · 586,232 Token · 31 次
得分 63.4 / 100耗时 19m 20s输入 554,025输出 32,207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未通过24.8 分 · 8m 20s · 587,914 Token · 42 次
得分 24.8 / 100耗时 8m 20s输入 574,238输出 13,676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。
▸AI视频创作C09zh_ai_video_creation通过79.6 分 · 13m 10s · 450,974 Token · 29 次
得分 79.6 / 100耗时 13m 10s输入 432,916输出 18,058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。
▸劳动法务C10zh_labor_law未通过58.0 分 · 11m 10s · 614,085 Token · 40 次
得分 58.0 / 100耗时 11m 10s输入 596,335输出 17,750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。
▸容器编排C11zh_container_orchestration未通过64.4 分 · 18m 00s · 202,997 Token · 8 次
得分 64.4 / 100耗时 18m 00s输入 169,029输出 33,968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。
▸电商运营C12zh_ecommerce_operations未通过30.4 分 · 5m 50s · 457,645 Token · 31 次
得分 30.4 / 100耗时 5m 50s输入 447,638输出 10,007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77.8 分 · 20m 00s · 173,411 Token · 11 次
得分 77.8 / 100耗时 20m 00s输入 141,665输出 31,746工具调用 11
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87.2 分 · 20m 31s · 603,587 Token · 35 次
得分 87.2 / 100耗时 20m 31s输入 572,993输出 30,594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。
▸ Seismic Facade DesignC15en_structural_seismic_design未通过50.7 分 · 20m 00s · 85,000 Token · 10 次
得分 50.7 / 100耗时 20m 00s输入 50,440输出 34,560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。
▸HR Workforce PlanningC16en_hr_workforce_planning通过96.2 分 · 15m 30s · 45,498 Token
得分 96.2 / 100耗时 15m 30s输入 20,656输出 24,842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83.6 分 · 16m 50s · 869,222 Token · 33 次
得分 83.6 / 100耗时 16m 50s输入 845,841输出 23,381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。
▸Statistical Analysis SPSSC18en_statistical_analysis_spss未通过68.5 分 · 21m 30s · 319,088 Token · 17 次
得分 68.5 / 100耗时 21m 30s输入 288,504输出 30,584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。
▸B Testing Sample SizeC19en_ab_testing_sample_size通过84.5 分 · 15m 50s · 333,180 Token · 18 次
得分 84.5 / 100耗时 15m 50s输入 304,865输出 28,315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。
▸精神卫生社工C20zh_mental_health_social_work通过87.0 分 · 21m 40s · 122,300 Token · 14 次
得分 87.0 / 100耗时 21m 40s输入 91,729输出 30,571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90.8 分 · 14m 30s · 130,975 Token · 3 次
得分 90.8 / 100耗时 14m 30s输入 107,047输出 23,928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通过76.3 分 · 14m 10s · 277,696 Token · 22 次
得分 76.3 / 100耗时 14m 10s输入 259,589输出 18,107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91.9 分 · 13m 03s · 102,718 Token · 4 次
得分 91.9 / 100耗时 13m 03s输入 82,490输出 20,228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 · 11m 40s · 459,264 Token · 36 次
得分 23.2 / 100耗时 11m 40s输入 446,595输出 12,669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。
▸工程造价C25zh_construction_cost未通过24.4 分 · 8m 10s · 1,760,336 Token · 46 次
得分 24.4 / 100耗时 8m 10s输入 1,750,998输出 9,338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。
▸公共卫生C26zh_public_health未通过23.2 分 · 7m 20s · 1,035,409 Token · 40 次
得分 23.2 / 100耗时 7m 20s输入 1,023,922输出 11,487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。
▸数据自动化C27zh_data_automation未通过51.1 分 · 9m 03s · 386,586 Token · 28 次
得分 51.1 / 100耗时 9m 03s输入 372,575输出 14,011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。
▸分布式系统C28zh_distributed_systems通过94.1 分 · 13m 30s · 191,496 Token · 10 次
得分 94.1 / 100耗时 13m 30s输入 167,618输出 23,878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。
▸儿童用药C29zh_pediatric_medication通过92.3 分 · 8m 50s · 109,464 Token · 9 次
得分 92.3 / 100耗时 8m 50s输入 95,318输出 14,146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。
▸数据排查C30zh_data_troubleshooting通过91.0 分 · 10m 10s · 226,950 Token · 12 次
得分 91.0 / 100耗时 10m 10s输入 208,004输出 18,946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。

4. 运行记录与选样说明

压缩包结果数运行状态失败原因
Qwen3.8max.pdf30测试报告—
← 返回测试对象分析