动态多步计算
推理能力 · 0.0 / 10.0 分
未通过
最终答案或格式约束不符合预期。
多约束逻辑推理
推理能力 · 0.0 / 10.0 分
不适用
多约束逻辑推理:接口未支持该可选能力,未计入总分。
知识与概念边界
知识准确度 · 0.0 / 10.0 分
未通过
缺少关键词或最终结论不符合:可靠、顺序、拥塞、实时
动态结构化输出
JSON 结构化 · 0.0 / 12.0 分
不适用
动态结构化输出:接口未支持该可选能力,未计入总分。
复杂指令遵循
指令遵循 · 0.0 / 10.0 分
未通过
最终答案或格式约束不符合预期。
结构污染检查
协议完整性 · 0.0 / 8.0 分
未通过
JSON 不可解析、字段多余/缺失,或字段值类型不符合。
长文本定位与记忆
上下文能力 · 0.0 / 12.0 分
不适用
长文本定位与记忆:接口未支持该可选能力,未计入总分。
工具调用兼容性
高级功能 · 0.0 / 14.0 分
不适用
工具调用兼容性:接口未支持该可选能力,未计入总分。
身份自报检查
声明一致性 · 0.0 / 2.0 分
不适用
身份自报检查:接口未支持该可选能力,未计入总分。
响应协议完整性
协议完整性 · 5.0 / 5.0 分
通过
流式输出检查
协议完整性 · 7.0 / 7.0 分
通过