Bảng xếp hạng khả dụng: GPT 6.1 Sol 24 giờ qua
Tỷ lệ yêu cầu thành công trong 24 giờ qua; phản hồi 200 giả, luồng bị cắt giữa chừng và phản hồi sai định dạng đều bị tính là thất bại. Khoảng hạng là khoảng tin cậy Wilson 95% tính theo số mẫu, nên tuyến có ít mẫu hơn sẽ có khoảng rộng hơn.
| Hạng | Khoảng | Mô hình @ trạm | Khả dụng | Mẫu | Token đầu tiên | Chi phí phiên | Bảo mật dữ liệu |
|---|---|---|---|---|---|---|---|
| 1 | 1–2 | 98.7%±2.2 | 148 | 0.87 s | ¥0.44 | 4 | |
| 2 | 1–2 | 100.0%±5.5 | 31 | 8.85 s | — | 4 | |
| 3 | 3–7 | 100.0%±5.7 | 30 | 4.62 s | ¥2.38 | 0 | |
| 4 | 3–7 | 100.0%±8.8 | 18 | 7.18 s | ¥0.66 | 0 | |
| 5 | 3–7 | 100.0%±8.8 | 18 | 2.45 s | — | 0 | |
| 6 | 3–7 | 90.0%±11.1 | 30 | 6.70 s | — | 0 | |
| 7 | 3–7 | 86.7%±12.2 | 30 | 4.67 s | — | 0 |
Câu hỏi thường gặp
Tỷ lệ khả dụng được tính thế nào?
Tỷ lệ yêu cầu thành công trong 24 giờ qua; phản hồi 200 giả, luồng bị cắt giữa chừng và phản hồi sai định dạng đều bị tính là thất bại. Khoảng hạng là khoảng tin cậy Wilson 95% tính theo số mẫu, nên tuyến có ít mẫu hơn sẽ có khoảng rộng hơn.
“Khoảng” nghĩa là gì?
Chúng tôi tính khoảng tin cậy 95% từ số mẫu của mỗi tuyến, rồi đếm xem những tuyến nào rõ ràng tốt hơn hoặc kém hơn để suy ra khoảng hạng có thể đạt được. Một tuyến đạt 100% nhưng chỉ có vài yêu cầu sẽ có khoảng rất rộng.
Vì sao cùng một trạm lại xuất hiện nhiều lần?
Mỗi hàng là một tuyến “mô hình @ trạm”. Các mô hình và nhóm khác nhau tại cùng một trạm có thể hoạt động rất khác nhau, nên được xếp hạng riêng.