Görevler · Hata düzeltme

task-100-label-runs

Görev tanımının prompt metni aşağıdadır; gizli doğrulayıcılar (verify, oracle, reference çözümler) yayınlanmaz. Her sütun bir model ve effort ikilisinin n=1 sonucudur (ilk geçerli deneme); renk tek başına anlam taşımaz.

n=14 ikili: 4 ölçüldü · 0 ölçülmedi

Görev tanımı

`label_runs.py` dosyasindaki `segments(labels)` fonksiyonu son segmentin bitis
indeksini yanlis uretiyor. Hatayi duzelt, mevcut API ve diger davranislari koru.
Tam sozlesme README.md'de. Yalniz label_runs.py degisebilir. Testleri
`python3 -B -m unittest test_labels` ile calistirabilirsin.

Kaynak: fixtures/task-100-label-runs/PROMPT.md · yalnız prompt metni; doğrulayıcılar yayınlanmaz.

Model seçici yükleniyor; bu ara görüntüde varsayılan sütunlar görünür.

claude-haiku-5-5varsayılan

Geçti

Süre
6,9 sn
Çıktı token
944
Maliyet (USD, koşu başı)
<0,01
Modelin değişiklikleri (diff)

Diff kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

Son mesaj

Mesaj kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

claude-opus-5-5high

Geçti

Süre
12,7 sn
Çıktı token
927
Maliyet (USD, koşu başı)
0,03
Modelin değişiklikleri (diff)

Diff kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

Son mesaj

Mesaj kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

claude-opus-5-5max

Geçti

Süre
1,5 dk
Çıktı token
9.484
Maliyet (USD, koşu başı)
0,23
Modelin değişiklikleri (diff)

Diff kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

Son mesaj

Mesaj kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

claude-sonnet-5-5medium

Geçti

Süre
5,9 sn
Çıktı token
429
Maliyet (USD, koşu başı)
<0,01
Modelin değişiklikleri (diff)

Diff kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

Son mesaj

Mesaj kaydı yok (ölçülmedi, sebep: artefakt dosyası yok).

Ölçülmeyen sütunların sebebi sütun üstünde yazar. Diff ve son mesaj açılır-kapanır başlıkların altındadır; ham dosyalar indirilebilir. Maliyet = koşu başı ortalama, API liste fiyatı eşdeğeri (abonelik faturası değil); EVREN ücretsiz katmanında fiyat tanımsız olduğundan ölçülmedi yazar. Veri: Nasıl ölçüldü?