| #61#61 |
DeepSeek V4 Pronone
|
6.7… |
DeepSeek |
$0.030… |
23.34s… |
テストは、その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 余分な書式: 2 指示に従っていない: 1
応答時間（平均）23.34s
応答時間（最大）109.46s
応答時間（合計）420.04s
…
|
合計テスト数: 18
誤答テスト数: 9
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 51.9%
不安定なテスト: 1…
出力トークン: 1,611
推論トークン: 0
応答時間: 平均 23.34s · 合計 420.04s · 最大 109.46s
-
反AIトリック
: 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。
不正解: 2 余分な書式: 1
応答時間（平均）36.12s
応答時間（最大）109.46s
応答時間（合計）144.50s
-
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）33.40s
応答時間（最大）33.40s
応答時間（合計）33.40s
-
複合
: 9.5
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。
失敗した回答はありません。
応答時間（平均）34.55s
応答時間（最大）34.55s
応答時間（合計）34.55s
-
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）54.04s
応答時間（最大）105.46s
応答時間（合計）108.08s
-
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）3.08s
応答時間（最大）6.59s
応答時間（合計）9.24s
-
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。
不正解: 1
応答時間（平均）6.06s
応答時間（最大）6.06s
応答時間（合計）6.06s
-
指示追従
: 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。
不正解: 1
応答時間（平均）9.47s
応答時間（最大）13.43s
応答時間（合計）18.95s
-
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。
余分な書式: 1 指示に従っていない: 1
応答時間（平均）19.60s
応答時間（最大）38.42s
応答時間（合計）58.79s
-
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）6.47s
応答時間（最大）6.47s
応答時間（合計）6.47s
|
| #62#62 |
Grok 4.1 Fastmedium
|
6.7… |
X AI |
$0.056… |
23.88s… |
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。
指示に従っていない: 4 不正解: 3 回答なし: 1 タイムアウト: 1
応答時間（平均）23.88s
応答時間（最大）121.79s
応答時間（合計）262.66s
…
|
合計テスト数: 18
誤答テスト数: 9
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 64.8%
不安定なテスト: 6…
出力トークン: 2,010
推論トークン: 91,298
応答時間: 平均 23.88s · 合計 262.66s · 最大 121.79s
-
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）3.81s
応答時間（最大）5.65s
応答時間（合計）7.62s
-
コーディング
: 2.3
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
応答時間（平均）23.58s
応答時間（最大）23.58s
応答時間（合計）23.58s
-
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）37.64s
応答時間（最大）37.64s
応答時間（合計）37.64s
-
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）6.63s
応答時間（最大）6.63s
応答時間（合計）6.63s
-
ドメイン特化
: 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。
タイムアウト: 1 不正解: 1
応答時間（平均）121.79s
応答時間（最大）121.79s
応答時間（合計）121.79s
-
汎用知能
: 4.2
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）16.25s
応答時間（最大）16.25s
応答時間（合計）16.25s
-
指示追従
: 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。
指示に従っていない: 1
応答時間（平均）5.30s
応答時間（最大）5.30s
応答時間（合計）5.30s
-
パズル解決
: 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。
指示に従っていない: 1 不正解: 1
応答時間（平均）8.08s
応答時間（最大）8.38s
応答時間（合計）16.17s
-
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。
回答なし: 1
応答時間（平均）27.71s
応答時間（最大）27.71s
応答時間（合計）27.71s
|
| #63#63 |
GLM 5none
|
6.6… |
Z.ai |
$0.020… |
4.23s… |
テストは、その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: 9
応答時間（平均）4.23s
応答時間（最大）11.07s
応答時間（合計）46.51s
…
|
合計テスト数: 18
誤答テスト数: 9
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 51.9%
不安定なテスト: 1…
出力トークン: 1,959
推論トークン: 0
応答時間: 平均 4.23s · 合計 46.51s · 最大 11.07s
-
反AIトリック
: 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。
不正解: 3
応答時間（平均）2.37s
応答時間（最大）3.39s
応答時間（合計）4.75s
-
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。
不正解: 1
応答時間（平均）8.84s
応答時間（最大）8.84s
応答時間（合計）8.84s
-
複合
: 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）4.98s
応答時間（最大）4.98s
応答時間（合計）4.98s
-
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）5.78s
応答時間（最大）5.78s
応答時間（合計）5.78s
-
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。
不正解: 3
応答時間（平均）2.24s
応答時間（最大）2.24s
応答時間（合計）2.24s
-
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）3.27s
応答時間（最大）3.27s
応答時間（合計）3.27s
-
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）1.48s
応答時間（最大）1.48s
応答時間（合計）1.48s
-
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。
不正解: 1
応答時間（平均）2.05s
応答時間（最大）2.08s
応答時間（合計）4.10s
-
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）11.07s
応答時間（最大）11.07s
応答時間（合計）11.07s
|
| #64#64 |
Mercury 2medium
|
6.5… |
Inception |
$0.047… |
2.21s… |
テストは、その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 指示に従っていない: 4
応答時間（平均）2.21s
応答時間（最大）14.63s
応答時間（合計）37.51s
…
|
合計テスト数: 18
誤答テスト数: 10
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 53.7%
不安定なテスト: 3…
出力トークン: 3,972
推論トークン: 48,333
応答時間: 平均 2.21s · 合計 37.51s · 最大 14.63s
-
反AIトリック
: 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）1.12s
応答時間（最大）2.46s
応答時間（合計）4.49s
-
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）1.53s
応答時間（最大）1.53s
応答時間（合計）1.53s
-
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）3.28s
応答時間（最大）3.28s
応答時間（合計）3.28s
-
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。
不正解: 1
応答時間（平均）1.11s
応答時間（最大）1.47s
応答時間（合計）2.21s
-
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: 3
応答時間（平均）6.48s
応答時間（最大）14.63s
応答時間（合計）19.43s
-
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）821ms
応答時間（最大）821ms
応答時間（合計）821ms
-
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）1.07s
応答時間（最大）1.07s
応答時間（合計）1.07s
-
パズル解決
: 3.9
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: 2 不正解: 1
応答時間（平均）934ms
応答時間（最大）1.18s
応答時間（合計）2.80s
-
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）1.89s
応答時間（最大）1.89s
応答時間（合計）1.89s
|
| #65#65 |
MiMo-V2-Omninone
|
6.5… |
Xiaomi |
$0.007… |
1.99s… |
テストは、その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 指示に従っていない: 2
応答時間（平均）1.99s
応答時間（最大）6.81s
応答時間（合計）35.81s
…
|
合計テスト数: 18
誤答テスト数: 10
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 44.4%
不安定なテスト: 0…
出力トークン: 868
推論トークン: 0
応答時間: 平均 1.99s · 合計 35.81s · 最大 6.81s
-
反AIトリック
: 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。
不正解: 3
応答時間（平均）1.10s
応答時間（最大）2.08s
応答時間（合計）4.39s
-
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: 1
応答時間（平均）1.72s
応答時間（最大）1.72s
応答時間（合計）1.72s
-
複合
: 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）2.47s
応答時間（最大）2.47s
応答時間（合計）2.47s
-
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）1.69s
応答時間（最大）2.46s
応答時間（合計）3.38s
-
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）1.14s
応答時間（最大）1.63s
応答時間（合計）3.41s
-
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）1.19s
応答時間（最大）1.19s
応答時間（合計）1.19s
-
指示追従
: 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。
不正解: 1
応答時間（平均）4.18s
応答時間（最大）6.81s
応答時間（合計）8.36s
-
パズル解決
: 8.0
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
応答時間（平均）2.71s
応答時間（最大）5.96s
応答時間（合計）8.14s
-
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）2.76s
応答時間（最大）2.76s
応答時間（合計）2.76s
|
| #66#66 |
Grok 4.20 Multi Agent Betamediumアーカイブ済みモデル: このモデルは今後更新されず、新しいテストでも評価されません。
|
6.4… |
X AI |
$5.074… |
9.80s… |
テストは、その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: 4 不正解: 3 API エラー: 2 余分な書式: 2
応答時間（平均）9.80s
応答時間（最大）35.28s
応答時間（合計）156.75s
…
|
合計テスト数: 18
誤答テスト数: 11
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 57.4%
不安定なテスト: 6…
出力トークン: 299,034
推論トークン: 309,670
応答時間: 平均 9.80s · 合計 156.75s · 最大 35.28s
-
反AIトリック
: 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。
余分な書式: 1 不正解: 1
応答時間（平均）3.46s
応答時間（最大）4.38s
応答時間（合計）13.86s
-
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）27.11s
応答時間（最大）27.11s
応答時間（合計）27.11s
-
複合
: 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
-
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）5.54s
応答時間（最大）7.51s
応答時間（合計）11.08s
-
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 余分な書式: 1
応答時間（平均）24.67s
応答時間（最大）35.28s
応答時間（合計）74.02s
-
汎用知能
: 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。
指示に従っていない: 1
応答時間（平均）6.40s
応答時間（最大）6.40s
応答時間（合計）6.40s
-
指示追従
: 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。
指示に従っていない: 1
応答時間（平均）4.63s
応答時間（最大）5.46s
応答時間（合計）9.26s
-
パズル解決
: 7.2
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: 2
応答時間（平均）5.01s
応答時間（最大）5.49s
応答時間（合計）15.03s
-
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
|
| #67#67 |
GPT-5 Nanomedium
|
6.3… |
OpenAI |
$0.066… |
44.13s… |
テストは、その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: 3 タイムアウト: 1
応答時間（平均）44.13s
応答時間（最大）204.02s
応答時間（合計）485.47s
…
|
合計テスト数: 18
誤答テスト数: 11
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 59.3%
不安定なテスト: 8…
出力トークン: 4,980
推論トークン: 156,288
応答時間: 平均 44.13s · 合計 485.47s · 最大 204.02s
-
反AIトリック
: 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。
不正解: 2
応答時間（平均）25.50s
応答時間（最大）37.73s
応答時間（合計）51.00s
-
コーディング
: 6.7
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）40.73s
応答時間（最大）40.73s
応答時間（合計）40.73s
-
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）65.96s
応答時間（最大）65.96s
応答時間（合計）65.96s
-
データ解析と抽出
: 3.7
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: 2
応答時間（平均）21.42s
応答時間（最大）21.42s
応答時間（合計）21.42s
-
ドメイン特化
: 5.2
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。
タイムアウト: 1 不正解: 1
応答時間（平均）204.02s
応答時間（最大）204.02s
応答時間（合計）204.02s
-
汎用知能
: 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。
指示に従っていない: 1
応答時間（平均）17.51s
応答時間（最大）17.51s
応答時間（合計）17.51s
-
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）11.90s
応答時間（最大）11.90s
応答時間（合計）11.90s
-
パズル解決
: 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。
指示に従っていない: 1 不正解: 1
応答時間（平均）19.81s
応答時間（最大）21.31s
応答時間（合計）39.63s
-
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）33.30s
応答時間（最大）33.30s
応答時間（合計）33.30s
|
| #68#68 |
GLM 5V Turbonone
|
6.2… |
Z.ai |
$0.044… |
3.10s… |
テストは、その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 指示に従っていない: 2
応答時間（平均）3.10s
応答時間（最大）6.51s
応答時間（合計）55.87s
…
|
合計テスト数: 18
誤答テスト数: 10
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 44.4%
不安定なテスト: 0…
出力トークン: 1,724
推論トークン: 0
応答時間: 平均 3.10s · 合計 55.87s · 最大 6.51s
-
反AIトリック
: 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。
不正解: 3
応答時間（平均）3.13s
応答時間（最大）5.90s
応答時間（合計）12.50s
-
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）5.30s
応答時間（最大）5.30s
応答時間（合計）5.30s
-
複合
: 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）6.51s
応答時間（最大）6.51s
応答時間（合計）6.51s
-
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）3.81s
応答時間（最大）5.69s
応答時間（合計）7.62s
-
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）2.09s
応答時間（最大）2.39s
応答時間（合計）6.26s
-
汎用知能
: 4.6
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
応答時間（平均）2.22s
応答時間（最大）2.22s
応答時間（合計）2.22s
-
指示追従
: 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。
不正解: 1
応答時間（平均）1.97s
応答時間（最大）2.43s
応答時間（合計）3.93s
-
パズル解決
: 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。
指示に従っていない: 1 不正解: 1
応答時間（平均）2.22s
応答時間（最大）3.81s
応答時間（合計）6.67s
-
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）4.86s
応答時間（最大）4.86s
応答時間（合計）4.86s
|
| #69#69 |
Qwen3.5-Flashnone
|
6.2… |
Qwen |
$0.006… |
3.25s… |
テストは、その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: 9 指示に従っていない: 1
応答時間（平均）3.25s
応答時間（最大）13.73s
応答時間（合計）58.44s
…
|
合計テスト数: 18
誤答テスト数: 10
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 46.3%
不安定なテスト: 1…
出力トークン: 4,266
推論トークン: 0
応答時間: 平均 3.25s · 合計 58.44s · 最大 13.73s
-
反AIトリック
: 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: 4
応答時間（平均）1.32s
応答時間（最大）3.89s
応答時間（合計）5.30s
-
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）1.29s
応答時間（最大）1.29s
応答時間（合計）1.29s
-
複合
: 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）6.22s
応答時間（最大）6.22s
応答時間（合計）6.22s
-
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）1.57s
応答時間（最大）1.83s
応答時間（合計）3.14s
-
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）905ms
応答時間（最大）1.10s
応答時間（合計）2.71s
-
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）803ms
応答時間（最大）803ms
応答時間（合計）803ms
-
指示追従
: 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。
不正解: 1
応答時間（平均）8.81s
応答時間（最大）13.73s
応答時間（合計）17.61s
-
パズル解決
: 3.3
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 指示に従っていない: 1
応答時間（平均）5.90s
応答時間（最大）12.19s
応答時間（合計）17.69s
-
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）3.67s
応答時間（最大）3.67s
応答時間（合計）3.67s
|
| #70#70 |
Gemma 4 26B A4Bnone
|
6.2… |
Google |
$0.005… |
6.59s… |
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。
不正解: 7 指示に従っていない: 3 タイムアウト: 1
応答時間（平均）6.59s
応答時間（最大）57.10s
応答時間（合計）118.61s
…
|
合計テスト数: 18
誤答テスト数: 11
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 48.2%
不安定なテスト: 3…
出力トークン: 1,783
推論トークン: 0
応答時間: 平均 6.59s · 合計 118.61s · 最大 57.10s
-
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）1.28s
応答時間（最大）2.09s
応答時間（合計）5.13s
-
コーディング
: 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）7.07s
応答時間（最大）7.07s
応答時間（合計）7.07s
-
複合
: 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）30.53s
応答時間（最大）30.53s
応答時間（合計）30.53s
-
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）1.70s
応答時間（最大）2.21s
応答時間（合計）3.41s
-
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）2.49s
応答時間（最大）4.23s
応答時間（合計）7.48s
-
汎用知能
: 4.0
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
応答時間（平均）3.54s
応答時間（最大）3.54s
応答時間（合計）3.54s
-
指示追従
: 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。
指示に従っていない: 1 不正解: 1
応答時間（平均）1.08s
応答時間（最大）1.65s
応答時間（合計）2.15s
-
パズル解決
: 5.7
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 不正解: 1
応答時間（平均）739ms
応答時間（最大）972ms
応答時間（合計）2.22s
-
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）57.10s
応答時間（最大）57.10s
応答時間（合計）57.10s
|
| #71#71 |
Seed-2.0-Litenone
|
6.2… |
Bytedance Seed |
$0.016… |
2.53s… |
テストは、その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: 10
応答時間（平均）2.53s
応答時間（最大）6.70s
応答時間（合計）45.46s
…
|
合計テスト数: 18
誤答テスト数: 10
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 55.6%
不安定なテスト: 5…
出力トークン: 3,129
推論トークン: 0
応答時間: 平均 2.53s · 合計 45.46s · 最大 6.70s
-
反AIトリック
: 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: 4
応答時間（平均）2.43s
応答時間（最大）6.70s
応答時間（合計）9.73s
-
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）4.61s
応答時間（最大）4.61s
応答時間（合計）4.61s
-
複合
: 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）6.59s
応答時間（最大）6.59s
応答時間（合計）6.59s
-
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）1.82s
応答時間（最大）1.97s
応答時間（合計）3.63s
-
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）1.33s
応答時間（最大）1.53s
応答時間（合計）4.00s
-
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）3.45s
応答時間（最大）3.45s
応答時間（合計）3.45s
-
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）1.06s
応答時間（最大）1.09s
応答時間（合計）2.12s
-
パズル解決
: 5.2
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: 2
応答時間（平均）2.46s
応答時間（最大）4.23s
応答時間（合計）7.37s
-
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）3.94s
応答時間（最大）3.94s
応答時間（合計）3.94s
|
| #72#72 |
Gemini 2.5 Flashnone
|
6.2… |
Google |
$0.013… |
903ms… |
テストは、その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: 10 指示に従っていない: 1
応答時間（平均）903ms
応答時間（最大）4.39s
応答時間（合計）16.26s
…
|
合計テスト数: 18
誤答テスト数: 11
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 44.4%
不安定なテスト: 2…
出力トークン: 1,726
推論トークン: 0
応答時間: 平均 903ms · 合計 16.26s · 最大 4.39s
-
反AIトリック
: 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: 4
応答時間（平均）582ms
応答時間（最大）844ms
応答時間（合計）2.33s
-
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）1.16s
応答時間（最大）1.16s
応答時間（合計）1.16s
-
複合
: 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）4.39s
応答時間（最大）4.39s
応答時間（合計）4.39s
-
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）652ms
応答時間（最大）660ms
応答時間（合計）1.30s
-
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）495ms
応答時間（最大）642ms
応答時間（合計）1.49s
-
汎用知能
: 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）615ms
応答時間（最大）615ms
応答時間（合計）615ms
-
指示追従
: 8.0
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）672ms
応答時間（最大）785ms
応答時間（合計）1.34s
-
パズル解決
: 5.7
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 不正解: 1
応答時間（平均）576ms
応答時間（最大）700ms
応答時間（合計）1.73s
-
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）1.91s
応答時間（最大）1.91s
応答時間（合計）1.91s
|
| #73#73 |
Qwen3.5-35B-A3Bnone
|
6.1… |
Qwen |
$0.016… |
3.82s… |
テストは、その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: 9 指示に従っていない: 2
応答時間（平均）3.82s
応答時間（最大）47.43s
応答時間（合計）68.74s
…
|
合計テスト数: 18
誤答テスト数: 11
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 50.0%
不安定なテスト: 3…
出力トークン: 4,300
推論トークン: 0
応答時間: 平均 3.82s · 合計 68.74s · 最大 47.43s
-
反AIトリック
: 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。
不正解: 4
応答時間（平均）1.43s
応答時間（最大）4.39s
応答時間（合計）5.71s
-
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）2.67s
応答時間（最大）2.67s
応答時間（合計）2.67s
-
複合
: 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）47.43s
応答時間（最大）47.43s
応答時間（合計）47.43s
-
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）1.16s
応答時間（最大）1.42s
応答時間（合計）2.33s
-
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）485ms
応答時間（最大）549ms
応答時間（合計）1.45s
-
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）1.19s
応答時間（最大）1.19s
応答時間（合計）1.19s
-
指示追従
: 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。
不正解: 1
応答時間（平均）809ms
応答時間（最大）983ms
応答時間（合計）1.62s
-
パズル解決
: 3.9
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 指示に従っていない: 1
応答時間（平均）1.34s
応答時間（最大）2.25s
応答時間（合計）4.03s
-
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）2.30s
応答時間（最大）2.30s
応答時間（合計）2.30s
|
| #74#74 |
DeepSeek V3.2none
|
6.0… |
DeepSeek |
$0.016… |
12.07s… |
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: 8 余分な書式: 2 無効なツール呼び出し: 1
応答時間（平均）12.07s
応答時間（最大）115.89s
応答時間（合計）217.28s
…
|
合計テスト数: 18
誤答テスト数: 11
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 46.3%
不安定なテスト: 3…
出力トークン: 8,378
推論トークン: 0
応答時間: 平均 12.07s · 合計 217.28s · 最大 115.89s
-
反AIトリック
: 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。
余分な書式: 2 不正解: 2
応答時間（平均）7.63s
応答時間（最大）12.26s
応答時間（合計）30.54s
-
コーディング
: 2.4
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）7.63s
応答時間（最大）7.63s
応答時間（合計）7.63s
-
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。
無効なツール呼び出し: 1
応答時間（平均）115.89s
応答時間（最大）115.89s
応答時間（合計）115.89s
-
データ解析と抽出
: 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。
不正解: 1
応答時間（平均）9.42s
応答時間（最大）16.20s
応答時間（合計）18.84s
-
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。
不正解: 3
応答時間（平均）1.52s
応答時間（最大）1.77s
応答時間（合計）4.55s
-
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）2.86s
応答時間（最大）2.86s
応答時間（合計）2.86s
-
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）1.52s
応答時間（最大）1.99s
応答時間（合計）3.04s
-
パズル解決
: 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）7.37s
応答時間（最大）10.78s
応答時間（合計）22.10s
-
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）11.85s
応答時間（最大）11.85s
応答時間（合計）11.85s
|
| #75#75 |
MiMo-V2-Pronone
|
6.0… |
Xiaomi |
$0.043… |
2.39s… |
テストは、その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: 9 指示に従っていない: 2
応答時間（平均）2.39s
応答時間（最大）6.58s
応答時間（合計）43.06s
…
|
合計テスト数: 18
誤答テスト数: 11
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 48.2%
不安定なテスト: 3…
出力トークン: 2,320
推論トークン: 0
応答時間: 平均 2.39s · 合計 43.06s · 最大 6.58s
-
反AIトリック
: 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: 4
応答時間（平均）1.80s
応答時間（最大）2.62s
応答時間（合計）7.19s
-
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）3.82s
応答時間（最大）3.82s
応答時間（合計）3.82s
-
複合
: 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）6.58s
応答時間（最大）6.58s
応答時間（合計）6.58s
-
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）1.39s
応答時間（最大）1.42s
応答時間（合計）2.78s
-
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）1.78s
応答時間（最大）2.49s
応答時間（合計）5.34s
-
汎用知能
: 4.3
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
応答時間（平均）2.44s
応答時間（最大）2.44s
応答時間（合計）2.44s
-
指示追従
: 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。
不正解: 1
応答時間（平均）2.51s
応答時間（最大）2.95s
応答時間（合計）5.02s
-
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）1.83s
応答時間（最大）2.15s
応答時間（合計）5.50s
-
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）4.39s
応答時間（最大）4.39s
応答時間（合計）4.39s
|
| #76#76 |
GPT-5.4none
|
5.9… |
OpenAI |
$0.104… |
1.51s… |
テストは、その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: 10 指示に従っていない: 1
応答時間（平均）1.51s
応答時間（最大）2.95s
応答時間（合計）27.21s
…
|
合計テスト数: 18
誤答テスト数: 11
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 42.6%
不安定なテスト: 2…
出力トークン: 2,317
推論トークン: 0
応答時間: 平均 1.51s · 合計 27.21s · 最大 2.95s
-
反AIトリック
: 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: 4
応答時間（平均）1.21s
応答時間（最大）2.58s
応答時間（合計）4.85s
-
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）2.95s
応答時間（最大）2.95s
応答時間（合計）2.95s
-
複合
: 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）2.89s
応答時間（最大）2.89s
応答時間（合計）2.89s
-
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）1.04s
応答時間（最大）1.06s
応答時間（合計）2.08s
-
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）1.07s
応答時間（最大）1.54s
応答時間（合計）3.22s
-
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）1.78s
応答時間（最大）1.78s
応答時間（合計）1.78s
-
指示追従
: 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。
不正解: 1
応答時間（平均）1.07s
応答時間（最大）1.17s
応答時間（合計）2.15s
-
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）1.52s
応答時間（最大）1.82s
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）2.75s
応答時間（最大）2.75s
応答時間（合計）2.75s
|
| #77#77 |
Qwen3.5-27Bnone
|
5.9… |
Qwen |
$0.016… |
1.74s… |
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。
不正解: 10 指示に従っていない: 2
応答時間（平均）1.74s
応答時間（最大）9.39s
応答時間（合計）31.32s
…
|
合計テスト数: 18
誤答テスト数: 12
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 38.9%
不安定なテスト: 2…
出力トークン: 3,545
推論トークン: 0
応答時間: 平均 1.74s · 合計 31.32s · 最大 9.39s
-
反AIトリック
: 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。
不正解: 3
応答時間（平均）788ms
応答時間（最大）1.34s
応答時間（合計）3.15s
-
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）2.51s
応答時間（最大）2.51s
応答時間（合計）2.51s
-
複合
: 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）9.39s
応答時間（最大）9.39s
応答時間（合計）9.39s
-
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）1.43s
応答時間（最大）1.45s
応答時間（合計）2.86s
-
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。
不正解: 3
応答時間（平均）540ms
応答時間（最大）649ms
応答時間（合計）1.62s
-
汎用知能
: 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。
指示に従っていない: 1
応答時間（平均）2.51s
応答時間（最大）2.51s
応答時間（合計）2.51s
-
指示追従
: 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。
不正解: 2
応答時間（平均）815ms
応答時間（最大）973ms
応答時間（合計）1.63s
-
パズル解決
: 6.7
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 不正解: 1
応答時間（平均）1.37s
応答時間（最大）2.23s
応答時間（合計）4.12s
-
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）3.54s
応答時間（最大）3.54s
応答時間（合計）3.54s
|
| #78#78 |
gpt-oss-120bmedium
|
5.8… |
OpenAI |
$0.011… |
16.08s… |
テストは、その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: 4
応答時間（平均）16.08s
応答時間（最大）50.92s
応答時間（合計）176.88s
…
|
合計テスト数: 18
誤答テスト数: 11
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 51.9%
不安定なテスト: 6…
出力トークン: 13,493
推論トークン: 36,879
応答時間: 平均 16.08s · 合計 176.88s · 最大 50.92s
-
反AIトリック
: 6.7
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 不正解: 1
応答時間（平均）10.21s
応答時間（最大）19.76s
応答時間（合計）20.43s
-
コーディング
: 4.3
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）26.33s
応答時間（最大）26.33s
応答時間（合計）26.33s
-
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）31.18s
応答時間（最大）31.18s
応答時間（合計）31.18s
-
データ解析と抽出
: 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: 1
応答時間（平均）1.98s
応答時間（最大）1.98s
応答時間（合計）1.98s
-
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: 3
応答時間（平均）50.92s
応答時間（最大）50.92s
応答時間（合計）50.92s
-
汎用知能
: 4.3
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
応答時間（平均）7.90s
応答時間（最大）7.90s
応答時間（合計）7.90s
-
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）7.63s
応答時間（最大）7.63s
応答時間（合計）7.63s
-
パズル解決
: 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。
指示に従っていない: 2 不正解: 1
応答時間（平均）11.80s
応答時間（最大）12.60s
応答時間（合計）23.61s
-
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）6.91s
応答時間（最大）6.91s
応答時間（合計）6.91s
|
| #79#79 |
Kimi K2.6none
|
5.8… |
Moonshot AI |
$0.038… |
2.05s… |
テストは、その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 指示に従っていない: 3
応答時間（平均）2.05s
応答時間（最大）6.65s
応答時間（合計）36.93s
…
|
合計テスト数: 18
誤答テスト数: 11
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 42.6%
不安定なテスト: 2…
出力トークン: 2,973
推論トークン: 0
応答時間: 平均 2.05s · 合計 36.93s · 最大 6.65s
-
反AIトリック
: 4.6
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）1.39s
応答時間（最大）2.96s
応答時間（合計）5.56s
-
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）6.65s
応答時間（最大）6.65s
応答時間（合計）6.65s
-
複合
: 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）3.38s
応答時間（最大）3.38s
応答時間（合計）3.38s
-
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）1.39s
応答時間（合計）2.64s
-
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）1.48s
応答時間（最大）1.85s
応答時間（合計）4.45s
-
汎用知能
: 5.4
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）1.55s
応答時間（最大）1.55s
応答時間（合計）1.55s
-
指示追従
: 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。
不正解: 1
応答時間（平均）1.64s
応答時間（最大）1.80s
応答時間（合計）3.28s
-
パズル解決
: 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。
指示に従っていない: 2 不正解: 1
応答時間（平均）1.66s
応答時間（最大）1.81s
応答時間（合計）4.98s
-
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）4.46s
応答時間（最大）4.46s
応答時間（合計）4.46s
|
| #80#80 |
MiMo-V2.5-Pronone
|
5.8… |
Xiaomi |
$0.033… |
1.51s… |
テストは、その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: 10 指示に従っていない: 2
応答時間（平均）1.51s
応答時間（最大）3.54s
応答時間（合計）27.21s
…
|
合計テスト数: 18
誤答テスト数: 12
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 46.3%
不安定なテスト: 4…
出力トークン: 2,451
推論トークン: 0
応答時間: 平均 1.51s · 合計 27.21s · 最大 3.54s
-
反AIトリック
: 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: 4
応答時間（平均）1.29s
応答時間（最大）2.83s
応答時間（合計）5.18s
-
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: 1
応答時間（平均）2.39s
応答時間（最大）2.39s
応答時間（合計）2.39s
-
複合
: 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。
指示に従っていない: 1
応答時間（平均）3.54s
応答時間（最大）3.54s
応答時間（合計）3.54s
-
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）1.32s
応答時間（最大）1.42s
応答時間（合計）2.64s
-
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）877ms
応答時間（最大）904ms
応答時間（合計）2.63s
-
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。
不正解: 1
応答時間（平均）1.53s
応答時間（最大）1.53s
応答時間（合計）1.53s
-
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。
不正解: 1
応答時間（平均）1.03s
応答時間（最大）1.10s
応答時間（合計）2.06s
-
パズル解決
: 6.7
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 不正解: 1
応答時間（平均）1.32s
応答時間（最大）1.66s
応答時間（合計）3.95s
-
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）3.30s
応答時間（最大）3.30s
応答時間（合計）3.30s
|
| #81#81 |
Qwen3.5-122B-A10Bnone
|
5.7… |
Qwen |
$0.022… |
3.69s… |
テストは、その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: 11 指示に従っていない: 1
応答時間（平均）3.69s
応答時間（最大）46.00s
応答時間（合計）66.50s
…
|
合計テスト数: 18
誤答テスト数: 12
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 38.9%
不安定なテスト: 2…
出力トークン: 3,341
推論トークン: 0
応答時間: 平均 3.69s · 合計 66.50s · 最大 46.00s
-
反AIトリック
: 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。
不正解: 3
応答時間（平均）1.59s
応答時間（最大）3.60s
応答時間（合計）6.38s
-
コーディング
: 4.3
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）3.44s
応答時間（最大）3.44s
応答時間（合計）3.44s
-
複合
: 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）46.00s
応答時間（最大）46.00s
応答時間（合計）46.00s
-
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）1.01s
応答時間（最大）1.06s
応答時間（合計）2.02s
-
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）465ms
応答時間（最大）492ms
応答時間（合計）1.39s
-
汎用知能
: 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。
指示に従っていない: 1
応答時間（平均）1.12s
応答時間（最大）1.12s
応答時間（合計）1.12s
-
指示追従
: 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。
不正解: 2
応答時間（平均）585ms
応答時間（最大）715ms
応答時間（合計）1.17s
-
パズル解決
: 5.4
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）982ms
応答時間（最大）1.36s
応答時間（合計）2.95s
-
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）2.04s
応答時間（最大）2.04s
応答時間（合計）2.04s
|
| #82#82 |
MiniMax M2.5medium
|
5.7… |
Minimax |
$0.250… |
39.65s… |
テストは、その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 タイムアウト: 4 指示に従っていない: 3 無効なツール呼び出し: 1
応答時間（平均）39.65s
応答時間（最大）237.27s
応答時間（合計）396.47s
…
|
合計テスト数: 18
誤答テスト数: 13
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 57.4%
不安定なテスト: 10…
出力トークン: 107,044
推論トークン: 206,422
応答時間: 平均 39.65s · 合計 396.47s · 最大 237.27s
-
反AIトリック
: 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。
指示に従っていない: 1 タイムアウト: 1
応答時間（平均）20.82s
応答時間（最大）32.42s
応答時間（合計）41.63s
-
コーディング
: 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。
タイムアウト: 1
応答時間（平均）0ms
応答時間（最大）0ms
応答時間（合計）0ms
-
複合
: 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。
無効なツール呼び出し: 1
応答時間（平均）60.39s
応答時間（最大）60.39s
応答時間（合計）60.39s
-
データ解析と抽出
: 4.6
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）7.48s
応答時間（最大）7.48s
応答時間（合計）7.48s
-
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 タイムアウト: 1
応答時間（平均）237.27s
応答時間（最大）237.27s
応答時間（合計）237.27s
-
汎用知能
: 3.8
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）6.63s
応答時間（最大）6.63s
応答時間（合計）6.63s
-
指示追従
: 8.1
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
応答時間（平均）4.64s
応答時間（最大）4.64s
応答時間（合計）4.64s
-
パズル解決
: 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。
タイムアウト: 1 不正解: 1
応答時間（平均）11.54s
応答時間（最大）17.37s
応答時間（合計）23.08s
-
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）15.35s
応答時間（最大）15.35s
応答時間（合計）15.35s
|
| #83#83 |
Hunter Alphanoneアーカイブ済みモデル: このモデルは今後更新されず、新しいテストでも評価されません。
|
5.7… |
OpenRouter |
$0.000… |
4.58s… |
テストは、その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: 9 指示に従っていない: 2 API エラー: 1
応答時間（平均）4.58s
応答時間（最大）15.17s
応答時間（合計）77.92s
…
|
合計テスト数: 18
誤答テスト数: 12
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 46.3%
不安定なテスト: 4…
出力トークン: 2,278
推論トークン: 0
応答時間: 平均 4.58s · 合計 77.92s · 最大 15.17s
-
反AIトリック
: 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: 4
応答時間（平均）3.81s
応答時間（最大）6.85s
応答時間（合計）15.23s
-
コーディング
: 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
-
複合
: 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）15.17s
応答時間（最大）15.17s
応答時間（合計）15.17s
-
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）8.49s
応答時間（最大）14.02s
応答時間（合計）16.98s
-
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）2.33s
応答時間（最大）2.94s
応答時間（合計）6.99s
-
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。
指示に従っていない: 1
応答時間（平均）2.71s
応答時間（最大）2.71s
応答時間（合計）2.71s
-
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。
不正解: 1
応答時間（平均）2.82s
応答時間（最大）2.92s
応答時間（合計）5.65s
-
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。
指示に従っていない: 1 不正解: 1
応答時間（平均）3.06s
応答時間（最大）3.50s
応答時間（合計）9.19s
-
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）6.02s
応答時間（最大）6.02s
応答時間（合計）6.02s
|
| #84#84 |
Mistral Small 4medium
|
5.7… |
Mistral |
$0.034… |
5.64s… |
テストは、その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 指示に従っていない: 3 API エラー: 2
応答時間（平均）5.64s
応答時間（最大）30.49s
応答時間（合計）101.52s
…
|
合計テスト数: 18
誤答テスト数: 13
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 50.0%
不安定なテスト: 7…
出力トークン: 15,084
推論トークン: 39,408
応答時間: 平均 5.64s · 合計 101.52s · 最大 30.49s
-
反AIトリック
: 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。
不正解: 3
応答時間（平均）2.67s
応答時間（最大）5.03s
応答時間（合計）10.66s
-
コーディング
: 6.7
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）30.49s
応答時間（最大）30.49s
応答時間（合計）30.49s
-
複合
: 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）25.25s
応答時間（最大）25.25s
応答時間（合計）25.25s
-
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。
API エラー: 1
応答時間（平均）1.23s
応答時間（最大）1.96s
応答時間（合計）2.46s
-
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。
API エラー: 1 不正解: 1
応答時間（平均）6.11s
応答時間（最大）13.72s
応答時間（合計）18.34s
-
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）2.05s
応答時間（最大）2.05s
応答時間（合計）2.05s
-
指示追従
: 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）1.38s
応答時間（最大）1.61s
応答時間（合計）2.75s
-
パズル解決
: 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。
指示に従っていない: 2 不正解: 1
応答時間（平均）2.00s
応答時間（最大）2.60s
応答時間（合計）6.01s
-
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）3.50s
応答時間（最大）3.50s
応答時間（合計）3.50s
|
| #85#85 |
GLM 4.7 Flashnone
|
5.6… |
Z.ai |
$0.003… |
3.35s… |
テストは、その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: 10 指示に従っていない: 2 無効なツール呼び出し: 1
応答時間（平均）3.35s
応答時間（最大）7.05s
応答時間（合計）36.90s
…
|
合計テスト数: 18
誤答テスト数: 13
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 37.0%
不安定なテスト: 3…
出力トークン: 2,489
推論トークン: 0
応答時間: 平均 3.35s · 合計 36.90s · 最大 7.05s
-
反AIトリック
: 5.2
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）5.51s
応答時間（最大）6.59s
応答時間（合計）11.02s
-
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: 1
応答時間（平均）5.57s
応答時間（最大）5.57s
応答時間（合計）5.57s
-
複合
: 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）3.22s
応答時間（最大）3.22s
応答時間（合計）3.22s
-
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。
不正解: 1
応答時間（平均）4.82s
応答時間（最大）4.82s
応答時間（合計）4.82s
-
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）744ms
応答時間（最大）744ms
応答時間（合計）744ms
-
汎用知能
: 4.0
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）1.59s
応答時間（最大）1.59s
応答時間（合計）1.59s
-
指示追従
: 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。
不正解: 1
応答時間（平均）888ms
応答時間（最大）888ms
応答時間（合計）888ms
-
パズル解決
: 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。
指示に従っていない: 2 不正解: 1
応答時間（平均）1.00s
応答時間（最大）1.12s
応答時間（合計）2.00s
-
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）7.05s
応答時間（最大）7.05s
応答時間（合計）7.05s
|
| #86#86 |
GLM 5.1none
|
5.6… |
Z.ai |
$0.053… |
4.33s… |
テストは、その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: 10 指示に従っていない: 2 無効なツール呼び出し: 1
応答時間（平均）4.33s
応答時間（最大）32.57s
応答時間（合計）78.02s
…
|
合計テスト数: 18
誤答テスト数: 13
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 37.0%
不安定なテスト: 4…
出力トークン: 3,720
推論トークン: 0
応答時間: 平均 4.33s · 合計 78.02s · 最大 32.57s
-
反AIトリック
: 4.0
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: 4
応答時間（平均）2.11s
応答時間（最大）3.94s
応答時間（合計）8.46s
-
コーディング
: 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）9.79s
応答時間（最大）9.79s
応答時間（合計）9.79s
-
複合
: 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。
無効なツール呼び出し: 1
応答時間（平均）32.57s
応答時間（最大）32.57s
応答時間（合計）32.57s
-
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）1.08s
応答時間（最大）1.62s
応答時間（合計）2.15s
-
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: 3
応答時間（平均）1.99s
応答時間（最大）3.99s
応答時間（合計）5.98s
-
汎用知能
: 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）790ms
応答時間（最大）790ms
応答時間（合計）790ms
-
指示追従
: 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。
指示に従っていない: 1
応答時間（平均）1.58s
応答時間（最大）1.69s
応答時間（合計）3.17s
-
パズル解決
: 5.7
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 不正解: 1
応答時間（平均）1.48s
応答時間（最大）2.09s
応答時間（合計）4.44s
-
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）10.68s
応答時間（最大）10.68s
応答時間（合計）10.68s
|
| #87#87 |
Kimi K2.5none
|
5.5… |
Moonshot AI |
$0.017… |
13.37s… |
テストは、その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: 12
応答時間（平均）13.37s
応答時間（最大）42.13s
応答時間（合計）147.05s
…
|
合計テスト数: 18
誤答テスト数: 12
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 40.7%
不安定なテスト: 3…
出力トークン: 2,659
推論トークン: 0
応答時間: 平均 13.37s · 合計 147.05s · 最大 42.13s
-
反AIトリック
: 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: 4
応答時間（平均）6.24s
応答時間（最大）11.38s
応答時間（合計）12.48s
-
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）38.78s
応答時間（最大）38.78s
応答時間（合計）38.78s
-
複合
: 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）19.16s
応答時間（最大）19.16s
応答時間（合計）19.16s
-
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。
不正解: 1
応答時間（平均）42.13s
応答時間（最大）42.13s
応答時間（合計）42.13s
-
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）4.38s
応答時間（最大）4.38s
応答時間（合計）4.38s
-
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）4.00s
応答時間（最大）4.00s
応答時間（合計）4.00s
-
指示追従
: 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。
不正解: 1
応答時間（平均）2.67s
応答時間（最大）2.67s
応答時間（合計）2.67s
-
パズル解決
: 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。
不正解: 3
応答時間（平均）4.73s
応答時間（最大）7.81s
応答時間（合計）9.45s
-
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）13.99s
応答時間（最大）13.99s
応答時間（合計）13.99s
|
| #88#88 |
GLM 5 Turbonone
|
5.5… |
Z.ai |
$0.032… |
2.94s… |
テストは、その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: 10 指示に従っていない: 2
応答時間（平均）2.94s
応答時間（最大）8.21s
応答時間（合計）52.98s
…
|
合計テスト数: 18
誤答テスト数: 12
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 37.0%
不安定なテスト: 2…
出力トークン: 1,775
推論トークン: 0
応答時間: 平均 2.94s · 合計 52.98s · 最大 8.21s
-
反AIトリック
: 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: 4
応答時間（平均）2.84s
応答時間（最大）4.15s
応答時間（合計）11.35s
-
コーディング
: 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）3.93s
応答時間（最大）3.93s
応答時間（合計）3.93s
-
複合
: 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）4.89s
応答時間（最大）4.89s
応答時間（合計）4.89s
-
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）2.47s
応答時間（最大）2.48s
応答時間（合計）4.95s
-
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）1.97s
応答時間（最大）2.65s
応答時間（合計）5.92s
-
汎用知能
: 4.2
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）2.18s
応答時間（最大）2.18s
応答時間（合計）2.18s
-
指示追従
: 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。
不正解: 1
応答時間（平均）2.13s
応答時間（最大）2.53s
応答時間（合計）4.27s
-
パズル解決
: 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。
指示に従っていない: 1 不正解: 1
応答時間（平均）2.43s
応答時間（最大）2.69s
応答時間（合計）7.28s
-
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）8.21s
応答時間（最大）8.21s
応答時間（合計）8.21s
|
| #89#89 |
Ling 2.6 Flashnone
|
5.4… |
Inclusionai |
$0.000… |
11.33s… |
テストは、その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: 3 無効なツール呼び出し: 2
応答時間（平均）11.33s
応答時間（最大）35.34s
応答時間（合計）203.88s
…
|
合計テスト数: 18
誤答テスト数: 12
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 35.2%
不安定なテスト: 1…
出力トークン: 3,338
推論トークン: 0
応答時間: 平均 11.33s · 合計 203.88s · 最大 35.34s
-
反AIトリック
: 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。
不正解: 2
応答時間（平均）12.30s
応答時間（最大）16.60s
応答時間（合計）49.20s
-
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）11.21s
応答時間（最大）11.21s
応答時間（合計）11.21s
-
複合
: 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）35.34s
応答時間（最大）35.34s
応答時間（合計）35.34s
-
データ解析と抽出
: 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。
不正解: 1
応答時間（平均）8.48s
応答時間（最大）12.71s
応答時間（合計）16.96s
-
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。
不正解: 3
応答時間（平均）4.94s
応答時間（最大）7.65s
応答時間（合計）14.81s
-
汎用知能
: 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。
指示に従っていない: 1
応答時間（平均）11.85s
応答時間（最大）11.85s
応答時間（合計）11.85s
-
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）5.52s
応答時間（最大）8.19s
応答時間（合計）11.04s
-
パズル解決
: 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。
指示に従っていない: 2 不正解: 1
応答時間（平均）11.55s
応答時間（最大）17.06s
応答時間（合計）34.66s
-
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）18.80s
応答時間（最大）18.80s
応答時間（合計）18.80s
|
| #90#90 |
Trinity Large Previewnone
|
5.3… |
Arcee AI |
$0.000… |
5.07s… |
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: 11 指示に従っていない: 2
応答時間（平均）5.07s
応答時間（最大）39.47s
応答時間（合計）91.23s
…
|
合計テスト数: 18
誤答テスト数: 13
信頼性: 該当なしこのモデルの信頼性テレメトリは利用できないか、不完全です。
試行ごとの合格率: 29.6%
不安定なテスト: 1…
出力トークン: 1,985
推論トークン: 0
応答時間: 平均 5.07s · 合計 91.23s · 最大 39.47s
-
反AIトリック
: 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: 4
応答時間（平均）3.02s
応答時間（最大）8.17s
応答時間（合計）12.07s
-
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。
不正解: 1
応答時間（平均）39.47s
応答時間（最大）39.47s
応答時間（合計）39.47s
-
複合
: 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）8.91s
応答時間（最大）8.91s
応答時間（合計）8.91s
-
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）3.26s
応答時間（最大）4.66s
応答時間（合計）6.52s
-
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）877ms
応答時間（最大）894ms
応答時間（合計）2.63s
-
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。
指示に従っていない: 1
応答時間（平均）2.86s
応答時間（最大）2.86s
応答時間（合計）2.86s
-
指示追従
: 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。
指示に従っていない: 1 不正解: 1
応答時間（平均）1.09s
応答時間（最大）1.23s
応答時間（合計）2.19s
-
パズル解決
: 5.4
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）3.30s
応答時間（最大）4.81s
応答時間（合計）9.91s
-
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）6.67s
応答時間（最大）6.67s
応答時間（合計）6.67s
|