gpt-5.6-sol
8.33已取消 · 2026年8月30日 04:41
运行 #15 评测报告
Sol，12 道题。综合得分为规则加权分，不是正确率。
比较条件存在差异：single_model。阅读模型间差距时必须保留这一前提。
12题目数量
1每题尝试次数
0失败案例
样本边界：结论仅适用于此题库哈希、模型版本、适配器和参数快照。跨版本、跨运行稳定性需要独立复测。
得分与资源消耗
新 efficiency-v2 按业务结果正确题数归一；旧 efficiency-v1 保留综合得分 ÷ 100 的折算口径，两种指标不能混排。记录不完整时不估算单位正确题消耗。
| 指标 | Sol |
|---|---|
| 综合得分 固定规则加权 / 100 | 8.33 |
| Token / 归一单位 | 19,270每得分折算题 · 1/12 题有记录 |
| 费用 / 归一单位 基于冻结价格；缺失不估 | 不可估算每得分折算题 · unavailable |
| 生成耗时中位数 模型生成阶段 | —P95 — |
分项得分
分项为加权得分，不是业务结果正确率。
| 题目维度 | Sol |
|---|---|
| 基础查询 | 100.00 |
| 复杂管道 | 0.00 |
| 子查询 | 0.00 |
| 窗口函数 | 0.00 |
| 聚合分析 | 0.00 |
| 连接语义 | 0.00 |
逐题结果
得分为全部计划尝试的均分，失败计入分母，未完成显示未知。展开可查看每次作答。
基础筛选与排序basic_filter_sort100.00
Sol
全部 1 次计划作答 · 结果正确（页面派生）
A1 · 完成 · 100.00
查询 2026-01-01（含）起的已完成订单及客户名称，按订单总额降序、订单 ID 升序排列。
结果正确（页面派生）
SELECT
o.order_id,
c.customer_name,
o.order_date,
o.total_amount
FROM fact_orders AS o
JOIN dim_customers AS c
ON o.customer_id = c.customer_id
WHERE
o.status = 'completed' AND o.order_date >= CAST('2026-01-01' AS DATE)
ORDER BY
o.total_amount DESC,
o.order_id ASC多表连接品类收入multi_join_category_revenue0.00
Sol
全部 1 次计划作答 · 结果正确性未知
A1 · 已取消 · —
没有可见摘要。
结果正确性未知
查看 A1 完整证据保留零订单客户left_join_zero_orders0.00
Sol
全部 1 次计划作答 · 结果正确性未知
A1 · 已取消 · —
没有可见摘要。
结果正确性未知
查看 A1 完整证据相关子查询分群均值correlated_segment_average0.00
Sol
全部 1 次计划作答 · 结果正确性未知
A1 · 已取消 · —
没有可见摘要。
结果正确性未知
查看 A1 完整证据从未完成订单客户not_exists_customers0.00
Sol
全部 1 次计划作答 · 结果正确性未知
A1 · 已取消 · —
没有可见摘要。
结果正确性未知
查看 A1 完整证据每品类收入前三商品top3_products_per_category0.00
Sol
全部 1 次计划作答 · 结果正确性未知
A1 · 已取消 · —
没有可见摘要。
结果正确性未知
查看 A1 完整证据月收入与累计收入monthly_running_revenue0.00
Sol
全部 1 次计划作答 · 结果正确性未知
A1 · 已取消 · —
没有可见摘要。
结果正确性未知
查看 A1 完整证据月收入环比增长monthly_mom_growth0.00
Sol
全部 1 次计划作答 · 结果正确性未知
A1 · 已取消 · —
没有可见摘要。
结果正确性未知
查看 A1 完整证据高于平均累计消费客户above_average_customer_spend0.00
Sol
全部 1 次计划作答 · 结果正确性未知
A1 · 已取消 · —
没有可见摘要。
结果正确性未知
查看 A1 完整证据渠道支付状态金额payment_status_by_channel0.00
Sol
全部 1 次计划作答 · 结果正确性未知
A1 · 已取消 · —
没有可见摘要。
结果正确性未知
查看 A1 完整证据品类退货率category_return_rate0.00
Sol
全部 1 次计划作答 · 结果正确性未知
A1 · 已取消 · —
没有可见摘要。
结果正确性未知
查看 A1 完整证据每单最新成功支付latest_successful_payment0.00
Sol
全部 1 次计划作答 · 结果正确性未知
A1 · 已取消 · —
没有可见摘要。
结果正确性未知
查看 A1 完整证据