| #139#139 |
GLM 5.3 FlashX Legalhigh
|
8.2… |
Z.ai |
$0.521
…
|
35.19s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 4 回答なし: 2 指示に従っていない: 1 無効なツール呼び出し: 1
応答時間(平均)35.19s
応答時間(最大)298.81s
応答時間(合計)809.47s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 72.5%
- 入力トークン
- 238,713
- 出力トークン
- 7,034
- 推論トークン
- 338,951
- 応答時間(平均)
- 35.19s
- 応答時間(合計)
- 809.47s
- 応答時間(最大)
- 298.81s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)78.95s
応答時間(最大)78.95s
応答時間(合計)78.95s
-
反AIトリック
: 8.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)1.50s
応答時間(最大)1.67s
応答時間(合計)5.99s
-
コーディング
: 8.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)27.50s
応答時間(最大)46.74s
応答時間(合計)82.51s
-
複合
: 6.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)22.42s
応答時間(最大)35.42s
応答時間(合計)44.85s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)1.32s
応答時間(最大)1.41s
応答時間(合計)2.65s
-
ドメイン特化
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 2 不正解: 1
応答時間(平均)188.77s
応答時間(最大)298.81s
応答時間(合計)566.30s
-
汎用知能
: 4.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)1.78s
応答時間(最大)1.78s
応答時間(合計)1.78s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)1.53s
応答時間(最大)1.53s
応答時間(合計)3.05s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.45s
応答時間(最大)2.64s
応答時間(合計)7.36s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)7.41s
応答時間(最大)7.41s
応答時間(合計)7.41s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)8.62s
応答時間(最大)8.62s
応答時間(合計)8.62s
|
| #138#138 |
GPT-5.6 Terramedium
|
8.2… |
OpenAI |
$0.483
↓
…
|
8.93s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 8
応答時間(平均)8.93s
応答時間(最大)54.74s
応答時間(合計)205.39s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 71.0%
- 入力トークン
- 172,507
- 出力トークン
- 5,824
- 推論トークン
- 27,365
- 応答時間(平均)
- 8.93s
- 応答時間(合計)
- 205.39s
- 応答時間(最大)
- 54.74s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)54.74s
応答時間(最大)54.74s
応答時間(合計)54.74s
-
反AIトリック
: 8.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)2.22s
応答時間(最大)3.03s
応答時間(合計)8.87s
-
コーディング
: 6.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)7.19s
応答時間(最大)9.73s
応答時間(合計)21.57s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)11.10s
応答時間(最大)15.93s
応答時間(合計)22.19s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)872ms
応答時間(最大)920ms
応答時間(合計)1.74s
-
ドメイン特化
: 5.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)21.52s
応答時間(最大)41.68s
応答時間(合計)64.57s
-
汎用知能
: 5.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)2.37s
応答時間(最大)2.37s
応答時間(合計)2.37s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)1.43s
応答時間(最大)1.84s
応答時間(合計)2.87s
-
パズル解決
: 8.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)3.78s
応答時間(最大)6.96s
応答時間(合計)11.33s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.09s
応答時間(最大)5.09s
応答時間(合計)5.09s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)10.05s
応答時間(最大)10.05s
応答時間(合計)10.05s
|
| #137#137 |
GLM 5.2medium66/69 回 (目標: テストごとに 3 回)
|
8.2… |
Z.ai |
$1.007
↑
…
|
26.88s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3 回答なし: 2 タイムアウト: 1
応答時間(平均)26.88s
応答時間(最大)102.40s
応答時間(合計)591.34s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 6
- 試行ごとの合格率
- 81.2%
- 入力トークン
- 227,164
- 出力トークン
- 20,029
- 推論トークン
- 60,991
- 応答時間(平均)
- 26.88s
- 応答時間(合計)
- 591.34s
- 応答時間(最大)
- 102.40s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)102.40s
応答時間(最大)102.40s
応答時間(合計)102.40s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.89s
応答時間(最大)7.10s
応答時間(合計)23.56s
-
コーディング
: 8.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)40.96s
応答時間(最大)60.28s
応答時間(合計)122.88s
-
複合
: 5.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)51.96s
応答時間(最大)51.96s
応答時間(合計)51.96s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)13.44s
応答時間(最大)16.02s
応答時間(合計)26.88s
-
ドメイン特化
: 4.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1 タイムアウト: 1 不正解: 1
応答時間(平均)45.47s
応答時間(最大)101.36s
応答時間(合計)136.40s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)17.39s
応答時間(最大)17.39s
応答時間(合計)17.39s
-
指示追従
: 9.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)7.90s
応答時間(最大)10.13s
応答時間(合計)15.80s
-
パズル解決
: 8.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)13.13s
応答時間(最大)25.90s
応答時間(合計)39.40s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)20.41s
応答時間(最大)20.41s
応答時間(合計)20.41s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)34.25s
応答時間(最大)34.25s
応答時間(合計)34.25s
|
| #136#136 |
Grok 4.5high
|
8.2… |
X AI |
$2.687
↑
…
|
72.50s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3 回答なし: 2 指示に従っていない: 1
応答時間(平均)72.50s
応答時間(最大)676.83s
応答時間(合計)1667.51s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 6
- 試行ごとの合格率
- 82.6%
- 入力トークン
- 342,124
- 出力トークン
- 7,135
- 推論トークン
- 326,497
- 応答時間(平均)
- 72.50s
- 応答時間(合計)
- 1667.51s
- 応答時間(最大)
- 676.83s
-
エージェントタスク
: 5.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)76.95s
応答時間(最大)76.95s
応答時間(合計)76.95s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.67s
応答時間(最大)7.12s
応答時間(合計)22.67s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)155.16s
応答時間(最大)236.14s
応答時間(合計)465.48s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)35.56s
応答時間(最大)51.56s
応答時間(合計)71.11s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)7.63s
応答時間(最大)8.37s
応答時間(合計)15.26s
-
ドメイン特化
: 4.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2 回答なし: 1
応答時間(平均)301.27s
応答時間(最大)676.83s
応答時間(合計)903.82s
-
汎用知能
: 4.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)9.82s
応答時間(最大)9.82s
応答時間(合計)9.82s
-
指示追従
: 9.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)6.23s
応答時間(最大)8.15s
応答時間(合計)12.47s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)7.88s
応答時間(最大)14.72s
応答時間(合計)23.65s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.71s
応答時間(最大)5.71s
応答時間(合計)5.71s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)60.58s
応答時間(最大)60.58s
応答時間(合計)60.58s
|
| #135#135 |
DeepSeek V4.1 Flash 1017max
|
8.2… |
DeepSeek |
$0.757
…
|
78.20s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 4 指示に従っていない: 2 回答なし: 2
応答時間(平均)78.20s
応答時間(最大)605.14s
応答時間(合計)1798.65s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 76.8%
- 入力トークン
- 360,065
- 出力トークン
- 7,711
- 推論トークン
- 1,162,470
- 応答時間(平均)
- 78.20s
- 応答時間(合計)
- 1798.65s
- 応答時間(最大)
- 605.14s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)45.58s
応答時間(最大)45.58s
応答時間(合計)45.58s
-
反AIトリック
: 8.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)4.16s
応答時間(最大)11.32s
応答時間(合計)16.65s
-
コーディング
: 5.6
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 回答なし: 1
応答時間(平均)199.23s
応答時間(最大)301.09s
応答時間(合計)597.69s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)104.92s
応答時間(最大)201.92s
応答時間(合計)209.84s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)1.99s
応答時間(最大)2.42s
応答時間(合計)3.97s
-
ドメイン特化
: 5.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1 不正解: 1
応答時間(平均)260.29s
応答時間(最大)605.14s
応答時間(合計)780.87s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.52s
応答時間(最大)3.52s
応答時間(合計)3.52s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)1.73s
応答時間(最大)1.91s
応答時間(合計)3.45s
-
パズル解決
: 6.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)12.29s
応答時間(最大)31.33s
応答時間(合計)36.87s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.43s
応答時間(最大)2.43s
応答時間(合計)2.43s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)97.77s
応答時間(最大)97.77s
応答時間(合計)97.77s
|
| #133#133 |
Ling 3.1 Flashmedium
|
8.3… |
Inclusionai |
$0.000
…
|
88.74s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 4 不正解: 3 無効なツール呼び出し: 1
応答時間(平均)88.74s
応答時間(最大)567.88s
応答時間(合計)2041.10s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 71.0%
- 入力トークン
- 369,495
- 出力トークン
- 172,852
- 推論トークン
- 476,002
- 応答時間(平均)
- 88.74s
- 応答時間(合計)
- 2041.10s
- 応答時間(最大)
- 567.88s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)100.10s
応答時間(最大)100.10s
応答時間(合計)100.10s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.24s
応答時間(最大)7.51s
応答時間(合計)16.95s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)87.15s
応答時間(最大)156.86s
応答時間(合計)261.44s
-
複合
: 6.6
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)306.46s
応答時間(最大)567.88s
応答時間(合計)612.92s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)20.92s
応答時間(最大)31.94s
応答時間(合計)41.83s
-
ドメイン特化
: 2.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 2 不正解: 1
応答時間(平均)262.25s
応答時間(最大)358.79s
応答時間(合計)786.76s
-
汎用知能
: 5.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)7.28s
応答時間(最大)7.28s
応答時間(合計)7.28s
-
指示追従
: 9.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.57s
応答時間(最大)4.05s
応答時間(合計)7.14s
-
パズル解決
: 8.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)42.32s
応答時間(最大)117.56s
応答時間(合計)126.97s
-
ツール呼び出し
: 2.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)47.17s
応答時間(最大)47.17s
応答時間(合計)47.17s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)32.55s
応答時間(最大)32.55s
応答時間(合計)32.55s
|
| #134#134 |
Qwen3.7 Plusmedium
|
8.3… |
Qwen |
$0.415
↓
…
|
59.73s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 6 無効なツール呼び出し: 1
応答時間(平均)59.73s
応答時間(最大)315.30s
応答時間(合計)1373.73s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 7
- 試行ごとの合格率
- 76.8%
- 入力トークン
- 350,546
- 出力トークン
- 8,576
- 推論トークン
- 206,984
- 応答時間(平均)
- 59.73s
- 応答時間(合計)
- 1373.73s
- 応答時間(最大)
- 315.30s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)196.47s
応答時間(最大)196.47s
応答時間(合計)196.47s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)8.58s
応答時間(最大)12.75s
応答時間(合計)34.33s
-
コーディング
: 6.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)108.60s
応答時間(最大)178.04s
応答時間(合計)325.79s
-
複合
: 8.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)190.27s
応答時間(最大)315.30s
応答時間(合計)380.54s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)21.75s
応答時間(最大)23.18s
応答時間(合計)43.49s
-
ドメイン特化
: 3.6
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3
応答時間(平均)60.05s
応答時間(最大)88.89s
応答時間(合計)180.15s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)25.48s
応答時間(最大)25.48s
応答時間(合計)25.48s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)16.13s
応答時間(最大)17.18s
応答時間(合計)32.26s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)16.38s
応答時間(最大)19.42s
応答時間(合計)49.14s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)15.02s
応答時間(最大)15.02s
応答時間(合計)15.02s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)91.07s
応答時間(最大)91.07s
応答時間(合計)91.07s
|
| #131#131 |
GPT-6 Lunamedium
|
8.3… |
OpenAI |
$0.047
…
|
18.07s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 7 指示に従っていない: 1
応答時間(平均)18.07s
応答時間(最大)66.44s
応答時間(合計)415.53s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 73.9%
- 入力トークン
- 203,193
- 出力トークン
- 5,751
- 推論トークン
- 47,410
- 応答時間(平均)
- 18.07s
- 応答時間(合計)
- 415.53s
- 応答時間(最大)
- 66.44s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)66.44s
応答時間(最大)66.44s
応答時間(合計)66.44s
-
反AIトリック
: 8.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)4.32s
応答時間(最大)7.04s
応答時間(合計)17.27s
-
コーディング
: 6.6
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)23.63s
応答時間(最大)30.28s
応答時間(合計)70.88s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)22.65s
応答時間(最大)35.14s
応答時間(合計)45.30s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)26.09s
応答時間(最大)28.13s
応答時間(合計)52.18s
-
ドメイン特化
: 5.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)22.71s
応答時間(最大)27.87s
応答時間(合計)68.14s
-
汎用知能
: 4.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)28.25s
応答時間(最大)28.25s
応答時間(合計)28.25s
-
指示追従
: 9.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)13.24s
応答時間(最大)24.24s
応答時間(合計)26.48s
-
パズル解決
: 7.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)9.78s
応答時間(最大)17.71s
応答時間(合計)29.35s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.84s
応答時間(最大)4.84s
応答時間(合計)4.84s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)6.39s
応答時間(最大)6.39s
応答時間(合計)6.39s
|
| #132#132 |
Claude Opus 4.8medium
|
8.3… |
Anthropic |
$3.490
…
|
16.72s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5 回答なし: 1
応答時間(平均)16.72s
応答時間(最大)99.37s
応答時間(合計)384.66s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 6
- 試行ごとの合格率
- 82.6%
- 入力トークン
- 360,294
- 出力トークン
- 43,441
- 推論トークン
- 24,401
- 応答時間(平均)
- 16.72s
- 応答時間(合計)
- 384.66s
- 応答時間(最大)
- 99.37s
-
エージェントタスク
: 6.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)99.37s
応答時間(最大)99.37s
応答時間(合計)99.37s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.95s
応答時間(最大)5.76s
応答時間(合計)15.79s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)15.33s
応答時間(最大)22.27s
応答時間(合計)45.98s
-
複合
: 9.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)54.29s
応答時間(最大)70.54s
応答時間(合計)108.57s
-
データ解析と抽出
: 7.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)12.29s
応答時間(最大)19.64s
応答時間(合計)24.59s
-
ドメイン特化
: 3.6
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3
応答時間(平均)18.11s
応答時間(最大)28.41s
応答時間(合計)54.32s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.46s
応答時間(最大)2.46s
応答時間(合計)2.46s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.32s
応答時間(最大)5.07s
応答時間(合計)6.63s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.95s
応答時間(最大)4.33s
応答時間(合計)11.85s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)8.96s
応答時間(最大)8.96s
応答時間(合計)8.96s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)6.14s
応答時間(最大)6.14s
応答時間(合計)6.14s
|
| #130#130 |
Kimi K3max
|
8.3… |
Moonshot AI |
$3.409
↓
…
|
139.41s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
API エラー: 2 回答なし: 2 余分な書式: 1 タイムアウト: 1
応答時間(平均)139.41s
応答時間(最大)766.58s
応答時間(合計)2788.26s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 6
- 試行ごとの合格率
- 78.3%
- 入力トークン
- 170,700
- 出力トークン
- 7,719
- 推論トークン
- 225,608
- 応答時間(平均)
- 139.41s
- 応答時間(合計)
- 2788.26s
- 応答時間(最大)
- 766.58s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)74.24s
応答時間(最大)74.24s
応答時間(合計)74.24s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)10.24s
応答時間(最大)15.21s
応答時間(合計)40.97s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)325.79s
応答時間(最大)589.43s
応答時間(合計)977.36s
-
複合
: 6.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
API エラー: 1
応答時間(平均)223.03s
応答時間(最大)223.03s
応答時間(合計)223.03s
-
データ解析と抽出
: 7.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
余分な書式: 1
応答時間(平均)16.72s
応答時間(最大)18.73s
応答時間(合計)33.44s
-
ドメイン特化
: 5.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1 タイムアウト: 1
応答時間(平均)683.62s
応答時間(最大)766.58s
応答時間(合計)1367.25s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)14.91s
応答時間(最大)14.91s
応答時間(合計)14.91s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)7.66s
応答時間(最大)7.99s
応答時間(合計)15.33s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)7.36s
応答時間(最大)12.30s
応答時間(合計)22.07s
-
ツール呼び出し
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
API エラー: 1
応答時間(平均)0ms
応答時間(最大)0ms
応答時間(合計)0ms
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)19.67s
応答時間(最大)19.67s
応答時間(合計)19.67s
|
| #129#129 |
Gemini 3.5 Flashhigh
|
8.3… |
Google |
$2.737
…
|
18.59s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 2 不正解: 2
応答時間(平均)18.59s
応答時間(最大)145.92s
応答時間(合計)427.52s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 4
- 試行ごとの合格率
- 85.5%
- 入力トークン
- 348,103
- 出力トークン
- 11,045
- 推論トークン
- 234,967
- 応答時間(平均)
- 18.59s
- 応答時間(合計)
- 427.52s
- 応答時間(最大)
- 145.92s
-
エージェントタスク
: 3.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)87.32s
応答時間(最大)87.32s
応答時間(合計)87.32s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.57s
応答時間(最大)3.60s
応答時間(合計)10.27s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)22.96s
応答時間(最大)34.82s
応答時間(合計)68.88s
-
複合
: 8.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)84.14s
応答時間(最大)145.92s
応答時間(合計)168.28s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)6.43s
応答時間(最大)8.51s
応答時間(合計)12.87s
-
ドメイン特化
: 5.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)16.99s
応答時間(最大)22.00s
応答時間(合計)50.98s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.63s
応答時間(最大)3.63s
応答時間(合計)3.63s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.35s
応答時間(最大)3.42s
応答時間(合計)6.69s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.23s
応答時間(最大)3.68s
応答時間(合計)9.69s
-
ツール呼び出し
: 9.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.96s
応答時間(最大)4.96s
応答時間(合計)4.96s
-
雑学
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.94s
応答時間(最大)3.94s
応答時間(合計)3.94s
|
| #128#128 |
Claude Haiku 5.5high
|
8.3… |
Anthropic |
$0.088
…
|
10.41s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 4 余分な書式: 2 指示に従っていない: 1 回答なし: 1
応答時間(平均)10.41s
応答時間(最大)52.61s
応答時間(合計)239.38s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 76.8%
- 入力トークン
- 346,451
- 出力トークン
- 10,136
- 推論トークン
- 95,504
- 応答時間(平均)
- 10.41s
- 応答時間(合計)
- 239.38s
- 応答時間(最大)
- 52.61s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)52.61s
応答時間(最大)52.61s
応答時間(合計)52.61s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.70s
応答時間(最大)3.88s
応答時間(合計)10.81s
-
コーディング
: 6.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)9.54s
応答時間(最大)12.73s
応答時間(合計)28.63s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)30.00s
応答時間(最大)37.55s
応答時間(合計)59.99s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.77s
応答時間(最大)4.30s
応答時間(合計)7.53s
-
ドメイン特化
: 4.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
余分な書式: 2 不正解: 1
応答時間(平均)16.29s
応答時間(最大)28.54s
応答時間(合計)48.86s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.89s
応答時間(最大)4.89s
応答時間(合計)4.89s
-
指示追従
: 9.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.19s
応答時間(最大)3.21s
応答時間(合計)6.38s
-
パズル解決
: 5.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)3.28s
応答時間(最大)4.68s
応答時間(合計)9.85s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.34s
応答時間(最大)5.34s
応答時間(合計)5.34s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)4.49s
応答時間(最大)4.49s
応答時間(合計)4.49s
|
| #127#127 |
GPT-5.6 Terrahigh
|
8.3… |
OpenAI |
$0.698
↓
…
|
13.62s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 7 無効なツール呼び出し: 1
応答時間(平均)13.62s
応答時間(最大)91.49s
応答時間(合計)313.21s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 69.6%
- 入力トークン
- 197,239
- 出力トークン
- 6,083
- 推論トークン
- 53,982
- 応答時間(平均)
- 13.62s
- 応答時間(合計)
- 313.21s
- 応答時間(最大)
- 91.49s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)66.44s
応答時間(最大)66.44s
応答時間(合計)66.44s
-
反AIトリック
: 8.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)2.54s
応答時間(最大)3.19s
応答時間(合計)10.15s
-
コーディング
: 7.6
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)9.14s
応答時間(最大)15.19s
応答時間(合計)27.43s
-
複合
: 8.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)13.72s
応答時間(最大)20.49s
応答時間(合計)27.43s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)938ms
応答時間(最大)1.01s
応答時間(合計)1.88s
-
ドメイン特化
: 5.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)42.65s
応答時間(最大)91.49s
応答時間(合計)127.94s
-
汎用知能
: 5.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)3.03s
応答時間(最大)3.03s
応答時間(合計)3.03s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.14s
応答時間(最大)2.48s
応答時間(合計)4.28s
-
パズル解決
: 7.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)5.45s
応答時間(最大)10.40s
応答時間(合計)16.36s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.97s
応答時間(最大)4.97s
応答時間(合計)4.97s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)23.30s
応答時間(最大)23.30s
応答時間(合計)23.30s
|
| #126#126 |
Ernie 5.5 Flash Previewhigh
|
8.3… |
Baidu |
$0.000
…
|
34.81s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
余分な書式: 2 API エラー: 1 無効なツール呼び出し: 1 回答なし: 1 不正解: 1
応答時間(平均)34.81s
応答時間(最大)246.40s
応答時間(合計)800.65s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 6
- 試行ごとの合格率
- 82.6%
- 入力トークン
- 341,965
- 出力トークン
- 7,959
- 推論トークン
- 582,592
- 応答時間(平均)
- 34.81s
- 応答時間(合計)
- 800.65s
- 応答時間(最大)
- 246.40s
-
エージェントタスク
: 6.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)63.99s
応答時間(最大)63.99s
応答時間(合計)63.99s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)1.66s
応答時間(最大)2.16s
応答時間(合計)6.64s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)16.70s
応答時間(最大)22.17s
応答時間(合計)50.11s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)38.20s
応答時間(最大)62.75s
応答時間(合計)76.39s
-
データ解析と抽出
: 7.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
余分な書式: 1
応答時間(平均)2.66s
応答時間(最大)2.77s
応答時間(合計)5.33s
-
ドメイン特化
: 3.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
API エラー: 1 余分な書式: 1 不正解: 1
応答時間(平均)193.25s
応答時間(最大)246.40s
応答時間(合計)579.75s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.60s
応答時間(最大)4.60s
応答時間(合計)4.60s
-
指示追従
: 9.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)1.55s
応答時間(最大)1.61s
応答時間(合計)3.10s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)1.52s
応答時間(最大)1.91s
応答時間(合計)4.56s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.19s
応答時間(最大)4.19s
応答時間(合計)4.19s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)2.01s
応答時間(最大)2.01s
応答時間(合計)2.01s
|
| #125#125 |
GLM 5.2high
|
8.4… |
Z.ai |
$4.632
↑
…
|
69.11s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5 回答なし: 2 指示に従っていない: 1
応答時間(平均)69.11s
応答時間(最大)599.43s
応答時間(合計)1589.43s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 71.0%
- 入力トークン
- 288,913
- 出力トークン
- 79,462
- 推論トークン
- 303,120
- 応答時間(平均)
- 69.11s
- 応答時間(合計)
- 1589.43s
- 応答時間(最大)
- 599.43s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)52.45s
応答時間(最大)52.45s
応答時間(合計)52.45s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.80s
応答時間(最大)7.00s
応答時間(合計)23.18s
-
コーディング
: 6.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)73.03s
応答時間(最大)129.73s
応答時間(合計)219.09s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)321.47s
応答時間(最大)599.43s
応答時間(合計)642.94s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.81s
応答時間(最大)9.80s
応答時間(合計)11.62s
-
ドメイン特化
: 3.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 2 不正解: 1
応答時間(平均)126.85s
応答時間(最大)180.69s
応答時間(合計)380.54s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)12.90s
応答時間(最大)12.90s
応答時間(合計)12.90s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.26s
応答時間(最大)5.88s
応答時間(合計)8.52s
-
パズル解決
: 6.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)33.71s
応答時間(最大)76.21s
応答時間(合計)101.13s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)9.25s
応答時間(最大)9.25s
応答時間(合計)9.25s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)127.82s
応答時間(最大)127.82s
応答時間(合計)127.82s
|
| #124#124 |
Particle-1minimal
|
8.4… |
Particle AI |
$0.231
…
|
31.19s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5 回答なし: 2 指示に従っていない: 1 無効なツール呼び出し: 1
応答時間(平均)31.19s
応答時間(最大)241.96s
応答時間(合計)717.45s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 9
- 試行ごとの合格率
- 73.9%
- 入力トークン
- 269,321
- 出力トークン
- 6,889
- 推論トークン
- 426,218
- 応答時間(平均)
- 31.19s
- 応答時間(合計)
- 717.45s
- 応答時間(最大)
- 241.96s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)46.82s
応答時間(最大)46.82s
応答時間(合計)46.82s
-
反AIトリック
: 8.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)1.73s
応答時間(最大)2.72s
応答時間(合計)6.94s
-
コーディング
: 8.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)48.01s
応答時間(最大)120.15s
応答時間(合計)144.02s
-
複合
: 7.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)64.13s
応答時間(最大)122.06s
応答時間(合計)128.25s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.48s
応答時間(最大)2.51s
応答時間(合計)4.96s
-
ドメイン特化
: 2.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2 回答なし: 1
応答時間(平均)116.39s
応答時間(最大)241.96s
応答時間(合計)349.16s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.52s
応答時間(最大)2.52s
応答時間(合計)2.52s
-
指示追従
: 9.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.00s
応答時間(最大)2.00s
応答時間(合計)4.00s
-
パズル解決
: 6.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)2.12s
応答時間(最大)2.79s
応答時間(合計)6.37s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.92s
応答時間(最大)2.92s
応答時間(合計)2.92s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)21.49s
応答時間(最大)21.49s
応答時間(合計)21.49s
|
| #123#123 |
Particle-1high
|
8.4… |
Particle AI |
$0.170
…
|
26.66s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 6 無効なツール呼び出し: 1 回答なし: 1
応答時間(平均)26.66s
応答時間(最大)205.97s
応答時間(合計)613.21s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 72.5%
- 入力トークン
- 314,243
- 出力トークン
- 7,814
- 推論トークン
- 299,782
- 応答時間(平均)
- 26.66s
- 応答時間(合計)
- 613.21s
- 応答時間(最大)
- 205.97s
-
エージェントタスク
: 6.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)54.76s
応答時間(最大)54.76s
応答時間(合計)54.76s
-
反AIトリック
: 8.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)2.08s
応答時間(最大)3.62s
応答時間(合計)8.33s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)41.83s
応答時間(最大)80.02s
応答時間(合計)125.50s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)22.79s
応答時間(最大)39.51s
応答時間(合計)45.58s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.05s
応答時間(最大)2.51s
応答時間(合計)4.09s
-
ドメイン特化
: 2.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2 回答なし: 1
応答時間(平均)111.06s
応答時間(最大)205.97s
応答時間(合計)333.18s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)1.94s
応答時間(最大)1.94s
応答時間(合計)1.94s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.03s
応答時間(最大)2.13s
応答時間(合計)4.06s
-
パズル解決
: 5.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)4.21s
応答時間(最大)5.69s
応答時間(合計)12.62s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.01s
応答時間(最大)5.01s
応答時間(合計)5.01s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)18.15s
応答時間(最大)18.15s
応答時間(合計)18.15s
|
| #122#122 |
DeepSeek V4 Flash 0731high
|
8.4… |
DeepSeek |
$0.576
↑
…
|
118.83s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5 指示に従っていない: 2 回答なし: 1
応答時間(平均)118.83s
応答時間(最大)600.61s
応答時間(合計)2733.01s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 76.8%
- 入力トークン
- 281,863
- 出力トークン
- 24,535
- 推論トークン
- 507,976
- 応答時間(平均)
- 118.83s
- 応答時間(合計)
- 2733.01s
- 応答時間(最大)
- 600.61s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)204.36s
応答時間(最大)204.36s
応答時間(合計)204.36s
-
反AIトリック
: 8.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)13.62s
応答時間(最大)39.34s
応答時間(合計)54.50s
-
コーディング
: 6.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)252.67s
応答時間(最大)396.09s
応答時間(合計)758.02s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)87.10s
応答時間(最大)131.57s
応答時間(合計)174.19s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.65s
応答時間(最大)4.40s
応答時間(合計)7.30s
-
ドメイン特化
: 3.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2 回答なし: 1
応答時間(平均)458.65s
応答時間(最大)600.61s
応答時間(合計)1375.95s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.64s
応答時間(最大)5.64s
応答時間(合計)5.64s
-
指示追従
: 9.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.46s
応答時間(最大)4.55s
応答時間(合計)8.91s
-
パズル解決
: 8.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)9.36s
応答時間(最大)12.00s
応答時間(合計)28.09s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.42s
応答時間(最大)5.42s
応答時間(合計)5.42s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)110.63s
応答時間(最大)110.63s
応答時間(合計)110.63s
|
| #121#121 |
Muse Spark 1.1high
|
8.4… |
Meta |
$2.570
…
|
37.41s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3 指示に従っていない: 2 無効なツール呼び出し: 2 API エラー: 1 余分な書式: 1 回答なし: 1
応答時間(平均)37.41s
応答時間(最大)196.03s
応答時間(合計)860.39s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 10
- 試行ごとの合格率
- 69.6%
- 入力トークン
- 336,310
- 出力トークン
- 10,838
- 推論トークン
- 494,728
- 応答時間(平均)
- 37.41s
- 応答時間(合計)
- 860.39s
- 応答時間(最大)
- 196.03s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)49.67s
応答時間(最大)49.67s
応答時間(合計)49.67s
-
反AIトリック
: 7.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)8.60s
応答時間(最大)15.63s
応答時間(合計)34.39s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)22.92s
応答時間(最大)27.22s
応答時間(合計)68.75s
-
複合
: 5.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 2
応答時間(平均)70.25s
応答時間(最大)78.10s
応答時間(合計)140.51s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)8.40s
応答時間(最大)10.84s
応答時間(合計)16.81s
-
ドメイン特化
: 2.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
API エラー: 1 余分な書式: 1 不正解: 1
応答時間(平均)94.74s
応答時間(最大)163.05s
応答時間(合計)284.23s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)7.73s
応答時間(最大)7.73s
応答時間(合計)7.73s
-
指示追従
: 6.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)7.81s
応答時間(最大)9.13s
応答時間(合計)15.62s
-
パズル解決
: 7.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)69.96s
応答時間(最大)196.03s
応答時間(合計)209.89s
-
ツール呼び出し
: 9.6
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)9.88s
応答時間(最大)9.88s
応答時間(合計)9.88s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)22.93s
応答時間(最大)22.93s
応答時間(合計)22.93s
|
| #120#120 |
Inklinghigh
|
8.4… |
Thinkingmachines |
$1.238
↓
…
|
62.72s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 4 無効なツール呼び出し: 2 指示に従っていない: 1
応答時間(平均)62.72s
応答時間(最大)327.51s
応答時間(合計)1442.48s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 7
- 試行ごとの合格率
- 78.3%
- 入力トークン
- 240,395
- 出力トークン
- 7,169
- 推論トークン
- 242,073
- 応答時間(平均)
- 62.72s
- 応答時間(合計)
- 1442.48s
- 応答時間(最大)
- 327.51s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)66.01s
応答時間(最大)66.01s
応答時間(合計)66.01s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)12.68s
応答時間(最大)26.90s
応答時間(合計)50.73s
-
コーディング
: 8.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)148.36s
応答時間(最大)327.51s
応答時間(合計)445.07s
-
複合
: 7.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)63.78s
応答時間(最大)103.34s
応答時間(合計)127.56s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)8.19s
応答時間(最大)11.82s
応答時間(合計)16.38s
-
ドメイン特化
: 7.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)174.68s
応答時間(最大)325.98s
応答時間(合計)524.04s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)6.53s
応答時間(最大)6.53s
応答時間(合計)6.53s
-
指示追従
: 9.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)7.00s
応答時間(最大)7.33s
応答時間(合計)14.01s
-
パズル解決
: 6.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)10.69s
応答時間(最大)12.94s
応答時間(合計)32.06s
-
ツール呼び出し
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)6.52s
応答時間(最大)6.52s
応答時間(合計)6.52s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)153.57s
応答時間(最大)153.57s
応答時間(合計)153.57s
|
| #119#119 |
Gemini 3.1 Pro Previewmedium
|
8.4… |
Google |
$1.585
…
|
22.71s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2 タイムアウト: 1
応答時間(平均)22.71s
応答時間(最大)88.68s
応答時間(合計)386.11s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 3
- 試行ごとの合格率
- 89.9%
- 入力トークン
- 176,208
- 出力トークン
- 6,093
- 推論トークン
- 96,598
- 応答時間(平均)
- 22.71s
- 応答時間(合計)
- 386.11s
- 応答時間(最大)
- 88.68s
-
エージェントタスク
: 4.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
タイムアウト: 1
応答時間(平均)56.17s
応答時間(最大)56.17s
応答時間(合計)56.17s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)7.90s
応答時間(最大)9.52s
応答時間(合計)15.80s
-
コーディング
: 7.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)40.17s
応答時間(最大)88.68s
応答時間(合計)120.52s
-
複合
: 9.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)40.39s
応答時間(最大)40.61s
応答時間(合計)80.77s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)7.72s
応答時間(最大)7.72s
応答時間(合計)7.72s
-
ドメイン特化
: 7.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)20.29s
応答時間(最大)32.73s
応答時間(合計)40.59s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)11.77s
応答時間(最大)11.77s
応答時間(合計)11.77s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)9.56s
応答時間(最大)9.56s
応答時間(合計)9.56s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)6.90s
応答時間(最大)8.49s
応答時間(合計)13.79s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)23.15s
応答時間(最大)23.15s
応答時間(合計)23.15s
-
雑学
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)6.27s
応答時間(最大)6.27s
応答時間(合計)6.27s
|
| #118#118 |
Muse Glimmer 30Bxhigh
|
8.4… |
Meta |
$0.585
↓
…
|
97.70s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 4 回答なし: 3 指示に従っていない: 1 無効なツール呼び出し: 1
応答時間(平均)97.70s
応答時間(最大)576.79s
応答時間(合計)2247.18s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 9
- 試行ごとの合格率
- 71.0%
- 入力トークン
- 287,538
- 出力トークン
- 118,266
- 推論トークン
- 346,758
- 応答時間(平均)
- 97.70s
- 応答時間(合計)
- 2247.18s
- 応答時間(最大)
- 576.79s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)145.06s
応答時間(最大)145.06s
応答時間(合計)145.06s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)13.01s
応答時間(最大)33.19s
応答時間(合計)52.06s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)105.91s
応答時間(最大)159.45s
応答時間(合計)317.72s
-
複合
: 6.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1 回答なし: 1
応答時間(平均)272.74s
応答時間(最大)467.25s
応答時間(合計)545.49s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)19.84s
応答時間(最大)23.87s
応答時間(合計)39.68s
-
ドメイン特化
: 2.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2 回答なし: 1
応答時間(平均)142.55s
応答時間(最大)292.27s
応答時間(合計)427.66s
-
汎用知能
: 5.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)7.41s
応答時間(最大)7.41s
応答時間(合計)7.41s
-
指示追従
: 8.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)8.90s
応答時間(最大)9.09s
応答時間(合計)17.81s
-
パズル解決
: 7.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)199.67s
応答時間(最大)576.79s
応答時間(合計)599.00s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)8.08s
応答時間(最大)8.08s
応答時間(合計)8.08s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)87.23s
応答時間(最大)87.23s
応答時間(合計)87.23s
|
| #117#117 |
GPT-5 Minimedium
|
8.4… |
OpenAI |
$0.315
↑
…
|
29.42s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5 指示に従っていない: 3 回答なし: 1 タイムアウト: 1
応答時間(平均)29.42s
応答時間(最大)111.48s
応答時間(合計)676.56s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 10
- 試行ごとの合格率
- 66.7%
- 入力トークン
- 214,645
- 出力トークン
- 15,532
- 推論トークン
- 103,679
- 応答時間(平均)
- 29.42s
- 応答時間(合計)
- 676.56s
- 応答時間(最大)
- 111.48s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)68.54s
応答時間(最大)68.54s
応答時間(合計)68.54s
-
反AIトリック
: 7.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)13.86s
応答時間(最大)26.00s
応答時間(合計)55.45s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)27.63s
応答時間(最大)38.31s
応答時間(合計)82.89s
-
複合
: 7.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)99.82s
応答時間(最大)111.48s
応答時間(合計)199.63s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)12.58s
応答時間(最大)13.87s
応答時間(合計)25.16s
-
ドメイン特化
: 3.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2 タイムアウト: 1
応答時間(平均)44.66s
応答時間(最大)82.55s
応答時間(合計)133.99s
-
汎用知能
: 4.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)13.50s
応答時間(最大)13.50s
応答時間(合計)13.50s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)11.59s
応答時間(最大)13.66s
応答時間(合計)23.18s
-
パズル解決
: 5.6
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)15.20s
応答時間(最大)18.90s
応答時間(合計)45.59s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)18.64s
応答時間(最大)18.64s
応答時間(合計)18.64s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)9.99s
応答時間(最大)9.99s
応答時間(合計)9.99s
|
| #116#116 |
Qwen3.8 2.4T A95Blow
|
8.4… |
Qwen |
$4.016
↑
…
|
120.40s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5 無効なツール呼び出し: 1 回答なし: 1
応答時間(平均)120.40s
応答時間(最大)534.21s
応答時間(合計)2769.16s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 7
- 試行ごとの合格率
- 73.9%
- 入力トークン
- 313,881
- 出力トークン
- 123,706
- 推論トークン
- 388,328
- 応答時間(平均)
- 120.40s
- 応答時間(合計)
- 2769.16s
- 応答時間(最大)
- 534.21s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)151.76s
応答時間(最大)151.76s
応答時間(合計)151.76s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)22.04s
応答時間(最大)42.15s
応答時間(合計)88.14s
-
コーディング
: 7.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)172.53s
応答時間(最大)384.94s
応答時間(合計)517.59s
-
複合
: 8.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)231.85s
応答時間(最大)331.16s
応答時間(合計)463.69s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)22.27s
応答時間(最大)37.21s
応答時間(合計)44.54s
-
ドメイン特化
: 3.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3
応答時間(平均)287.65s
応答時間(最大)534.21s
応答時間(合計)862.96s
-
汎用知能
: 6.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)22.97s
応答時間(最大)22.97s
応答時間(合計)22.97s
-
指示追従
: 9.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)19.54s
応答時間(最大)28.63s
応答時間(合計)39.07s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)43.37s
応答時間(最大)96.64s
応答時間(合計)130.12s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)25.88s
応答時間(最大)25.88s
応答時間(合計)25.88s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)422.46s
応答時間(最大)422.46s
応答時間(合計)422.46s
|
| #115#115 |
Nemotron 3.5 Super VLhigh
|
8.4… |
NVIDIA |
$0.349
…
|
49.88s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3 指示に従っていない: 2 回答なし: 2 API エラー: 1
応答時間(平均)49.88s
応答時間(最大)310.51s
応答時間(合計)1147.24s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 82.6%
- 入力トークン
- 296,001
- 出力トークン
- 8,105
- 推論トークン
- 600,178
- 応答時間(平均)
- 49.88s
- 応答時間(合計)
- 1147.24s
- 応答時間(最大)
- 310.51s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)112.72s
応答時間(最大)112.72s
応答時間(合計)112.72s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)6.75s
応答時間(最大)7.93s
応答時間(合計)27.01s
-
コーディング
: 8.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)59.18s
応答時間(最大)100.45s
応答時間(合計)177.54s
-
複合
: 7.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)183.49s
応答時間(最大)310.51s
応答時間(合計)366.98s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.65s
応答時間(最大)4.36s
応答時間(合計)7.31s
-
ドメイン特化
: 4.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
API エラー: 1 回答なし: 1 不正解: 1
応答時間(平均)113.75s
応答時間(最大)169.90s
応答時間(合計)341.25s
-
汎用知能
: 6.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)14.34s
応答時間(最大)14.34s
応答時間(合計)14.34s
-
指示追従
: 8.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)6.10s
応答時間(最大)8.09s
応答時間(合計)12.19s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.32s
応答時間(最大)5.27s
応答時間(合計)12.95s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)35.56s
応答時間(最大)35.56s
応答時間(合計)35.56s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)39.39s
応答時間(最大)39.39s
応答時間(合計)39.39s
|