gpt-5.6-luna
100.00完成 · 2026年8月30日 06:46
运行 #17 评测报告
Luna，1 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。
1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 | Luna |
|---|---|
| 综合得分 固定规则加权 / 100 | 100.00 |
| Token / 归一单位 | 18,345每得分折算题 · 1/1 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 | Luna |
|---|---|
| 基础查询 | 100.00 |
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
Luna
全部 1 次计划作答 · 结果正确（页面派生）
A1 · 完成 · 100.00
筛选 2026-01-01 起的已完成订单，连接客户名称，输出订单信息并按订单金额降序、订单号升序排列。
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