MakoBench：主工作台

• Total = Code + Chat. 10 each is a perfect run of the standard tests, so 20 is the nominal top; bonus packs add points on top, up to the suite's most possible (a row's bars run to it).
• ± 总和 = 在测试案例上进行自助法计算后所得90%置信区间的一半；数值相差小于此值的模型在统计学上可视为相当。
• 每个模型仅运行一次，因此±值反映的是被抽中的案例情况，而非多次运行产生的误差；这一数值实际上低估了真实的不确定性。在此处，使用相同权重的模型结果之间的最大差异可达2.4个百分点。相差1到2个百分点的情况可视为结果相当。
• 等级划分标准为：S级≥16，A级≥13，B级≥10，C级≥0。
• 当与板面中位数的差距达到1.5分或更多时，即为偏向聊天或偏向代码；否则为平衡状态。
• tok/s = 平均生成速度；仅适用于在同一主机上运行的模型之间的比较。
• 量化等级 = 我们评定的量化级别。Q8_0是本地模型的标准量化等级；其他任何量化等级在详细信息行中均被标记为非标准量化等级。API = 由服务提供商托管并提供的模型。
• 运行成本 = 按照服务商的价格计算，仅执行一次“代码与聊天”测试所需的费用。~ = 根据令牌数量及标价估算得出。* 表示部分请求返回的结果中未包含使用数据，因此该数值可能偏低。— 表示在我们自己的硬件上运行，故不产生费用。
• N被阻止 = 提供商的内容过滤器阻止了N条回复；每条回复的得分均为零。
• 每个模型占一行：具有相同权重的其他量化级别和服务层级都列在主行下方（点击箭头展开），且不予排名。
• ⚠ 暂定状态 = 未显示排名；原因会在相应行中说明（兼容性检查未通过、测试尚未完成，或奖励包需重新测试）。可重新测试的条目在重新测试后会获得排名；而测试结果低于Q5标准的条目以及因规模过小而无法参与所有测试的模型则仍保持无排名状态。
• 在“总计”栏中的短横线表示该型号的某个运行项目（代码、聊天功能或奖励包）尚未评分，因此未被排名。

初次使用？查看这些测试所衡量的内容。