| #91#91 |
DeepSeek V4 Flashnone
|
5.3… |
DeepSeek |
$0.008… |
29.39s… |
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: 8 余分な書式: 2 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）29.39s
応答時間（最大）111.96s
応答時間（合計）529.10s
…
|
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: 33.3%
不安定なテスト: 2…
出力トークン: 4,444
推論トークン: 0
応答時間: 平均 29.39s · 合計 529.10s · 最大 111.96s
-
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）20.18s
応答時間（最大）26.54s
応答時間（合計）80.73s
-
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）24.04s
応答時間（最大）24.04s
応答時間（合計）24.04s
-
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）111.96s
応答時間（最大）111.96s
応答時間（合計）111.96s
-
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）23.79s
応答時間（最大）23.85s
応答時間（合計）47.57s
-
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）19.73s
応答時間（最大）27.66s
応答時間（合計）59.18s
-
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。
不正解: 1
応答時間（平均）23.74s
応答時間（最大）23.74s
応答時間（合計）23.74s
-
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。
余分な書式: 1
応答時間（平均）17.54s
応答時間（最大）18.51s
応答時間（合計）35.08s
-
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。
指示に従っていない: 2 余分な書式: 1
応答時間（平均）22.96s
応答時間（最大）29.24s
応答時間（合計）68.87s
-
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）77.93s
応答時間（最大）77.93s
応答時間（合計）77.93s
|
| #92#92 |
Grok 4.20 Betanone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。
|
5.3… |
X AI |
$0.091… |
1.19s… |
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: 10 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）1.19s
応答時間（最大）6.48s
応答時間（合計）21.37s
…
|
合計テスト数: 18
誤答テスト数: 14
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: 2…
出力トークン: 1,591
推論トークン: 0
応答時間: 平均 1.19s · 合計 21.37s · 最大 6.48s
-
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）597ms
応答時間（最大）866ms
応答時間（合計）2.39s
-
コーディング
: 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）1.14s
応答時間（最大）1.14s
応答時間（合計）1.14s
-
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）6.48s
応答時間（最大）6.48s
応答時間（合計）6.48s
-
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）601ms
応答時間（最大）634ms
応答時間（合計）1.20s
-
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）611ms
応答時間（最大）616ms
応答時間（合計）1.83s
-
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）541ms
応答時間（最大）541ms
応答時間（合計）541ms
-
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。
指示に従っていない: 1 不正解: 1
応答時間（平均）687ms
応答時間（最大）952ms
応答時間（合計）1.37s
-
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）541ms
応答時間（最大）677ms
応答時間（合計）1.62s
-
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）4.79s
応答時間（最大）4.79s
応答時間（合計）4.79s
|
| #93#93 |
MiniMax M2.7medium
|
5.3… |
Minimax |
$0.091… |
31.08s… |
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。
指示に従っていない: 6 不正解: 5 タイムアウト: 2 無効なツール呼び出し: 1
応答時間（平均）31.08s
応答時間（最大）117.04s
応答時間（合計）528.37s
…
|
合計テスト数: 18
誤答テスト数: 14
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: 10…
出力トークン: 4,984
推論トークン: 62,787
応答時間: 平均 31.08s · 合計 528.37s · 最大 117.04s
-
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 不正解: 1
応答時間（平均）40.32s
応答時間（最大）117.04s
応答時間（合計）161.28s
-
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）91.27s
応答時間（最大）91.27s
応答時間（合計）91.27s
-
複合
: 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。
無効なツール呼び出し: 1
応答時間（平均）41.03s
応答時間（最大）41.03s
応答時間（合計）41.03s
-
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）21.95s
応答時間（最大）24.88s
応答時間（合計）43.89s
-
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。
タイムアウト: 2 不正解: 1
応答時間（平均）19.00s
応答時間（最大）21.63s
応答時間（合計）38.01s
-
汎用知能
: 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: 1
応答時間（平均）38.70s
応答時間（最大）38.70s
応答時間（合計）38.70s
-
指示追従
: 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。
指示に従っていない: 1 不正解: 1
応答時間（平均）12.64s
応答時間（最大）15.23s
応答時間（合計）25.28s
-
パズル解決
: 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: 2 不正解: 1
応答時間（平均）25.62s
応答時間（最大）46.29s
応答時間（合計）76.87s
-
ツール呼び出し
: 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）12.05s
応答時間（最大）12.05s
応答時間（合計）12.05s
|
| #94#94 |
Elephant Alphamedium
|
5.2… |
Openrouter |
$0.000… |
1.27s… |
テストは、その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: 3 無効なツール呼び出し: 1
応答時間（平均）1.27s
応答時間（最大）3.70s
応答時間（合計）22.82s
…
|
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: 2,596
推論トークン: 0
応答時間: 平均 1.27s · 合計 22.82s · 最大 3.70s
-
反AIトリック
: 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）1.19s
応答時間（最大）2.04s
応答時間（合計）4.75s
-
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）1.30s
応答時間（最大）1.30s
応答時間（合計）1.30s
-
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）3.70s
応答時間（最大）3.70s
応答時間（合計）3.70s
-
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）979ms
応答時間（最大）1.02s
応答時間（合計）1.96s
-
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）925ms
応答時間（最大）1.16s
応答時間（合計）2.77s
-
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）920ms
応答時間（最大）920ms
応答時間（合計）920ms
-
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）987ms
応答時間（最大）1.13s
応答時間（合計）1.97s
-
パズル解決
: 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。
指示に従っていない: 2 不正解: 1
応答時間（平均）867ms
応答時間（最大）972ms
応答時間（合計）2.60s
-
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）2.83s
応答時間（最大）2.83s
応答時間（合計）2.83s
|
| #95#95 |
Grok 4.20none
|
5.2… |
X AI |
$0.095… |
1.11s… |
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: 9 指示に従っていない: 2 余分な書式: 1 無効なツール呼び出し: 1
応答時間（平均）1.11s
応答時間（最大）6.04s
応答時間（合計）20.02s
…
|
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: 29.6%
不安定なテスト: 1…
出力トークン: 1,967
推論トークン: 0
応答時間: 平均 1.11s · 合計 20.02s · 最大 6.04s
-
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）501ms
応答時間（最大）839ms
応答時間（合計）2.01s
-
コーディング
: 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: 1
応答時間（平均）1.22s
応答時間（最大）1.22s
応答時間（合計）1.22s
-
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）6.04s
応答時間（最大）6.04s
応答時間（合計）6.04s
-
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）522ms
応答時間（最大）537ms
応答時間（合計）1.04s
-
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: 2 余分な書式: 1
応答時間（平均）687ms
応答時間（最大）821ms
応答時間（合計）2.06s
-
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。
不正解: 1
応答時間（平均）659ms
応答時間（最大）659ms
応答時間（合計）659ms
-
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。
指示に従っていない: 1 不正解: 1
応答時間（平均）455ms
応答時間（最大）505ms
応答時間（合計）910ms
-
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）487ms
応答時間（最大）539ms
応答時間（合計）1.46s
-
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）4.63s
応答時間（最大）4.63s
応答時間（合計）4.63s
|
| #96#96 |
Mistral Small 4none
|
5.2… |
Mistral |
$0.006… |
665ms… |
テストは、その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）665ms
応答時間（最大）1.72s
応答時間（合計）11.97s
…
|
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: 31.5%
不安定なテスト: 1…
出力トークン: 2,207
推論トークン: 0
応答時間: 平均 665ms · 合計 11.97s · 最大 1.72s
-
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）395ms
応答時間（最大）769ms
応答時間（合計）1.58s
-
コーディング
: 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）1.28s
応答時間（最大）1.28s
応答時間（合計）1.28s
-
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）1.72s
応答時間（最大）1.72s
応答時間（合計）1.72s
-
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）822ms
応答時間（最大）1.08s
応答時間（合計）1.64s
-
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）367ms
応答時間（最大）388ms
応答時間（合計）1.10s
-
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）729ms
応答時間（最大）729ms
応答時間（合計）729ms
-
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）380ms
応答時間（最大）380ms
応答時間（合計）759ms
-
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。
指示に従っていない: 2 不正解: 1
応答時間（平均）589ms
応答時間（最大）853ms
応答時間（合計）1.77s
-
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）1.40s
応答時間（最大）1.40s
応答時間（合計）1.40s
|
| #97#97 |
gpt-oss-120bnone
|
5.2… |
OpenAI |
$0.009… |
11.96s… |
テストは、その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: 5 API エラー: 3
応答時間（平均）11.96s
応答時間（最大）68.97s
応答時間（合計）179.34s
…
|
合計テスト数: 18
誤答テスト数: 14
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: 5…
出力トークン: 44,652
推論トークン: 0
応答時間: 平均 11.96s · 合計 179.34s · 最大 68.97s
-
反AIトリック
: 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 不正解: 1
応答時間（平均）6.03s
応答時間（最大）13.33s
応答時間（合計）24.10s
-
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）9.57s
応答時間（最大）9.57s
応答時間（合計）9.57s
-
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。
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
: 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）7.12s
応答時間（最大）7.12s
応答時間（合計）7.12s
-
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）34.98s
応答時間（最大）68.97s
応答時間（合計）104.94s
-
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）2.83s
応答時間（最大）2.83s
応答時間（合計）2.83s
-
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）5.10s
応答時間（最大）5.85s
応答時間（合計）10.21s
-
パズル解決
: 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: 2 不正解: 1
応答時間（平均）6.86s
応答時間（最大）10.66s
応答時間（合計）20.59s
-
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
|
| #98#98 |
Elephant Alphanone
|
5.2… |
Openrouter |
$0.000… |
1.23s… |
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 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）1.23s
応答時間（最大）3.81s
応答時間（合計）22.16s
…
|
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: 31.5%
不安定なテスト: 1…
出力トークン: 2,573
推論トークン: 0
応答時間: 平均 1.23s · 合計 22.16s · 最大 3.81s
-
反AIトリック
: 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 不正解: 1
応答時間（平均）963ms
応答時間（最大）1.68s
応答時間（合計）3.85s
-
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）1.39s
応答時間（最大）1.39s
応答時間（合計）1.39s
-
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。
不正解: 1
応答時間（平均）3.81s
応答時間（最大）3.81s
応答時間（合計）3.81s
-
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）1.04s
応答時間（最大）1.05s
応答時間（合計）2.08s
-
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）927ms
応答時間（最大）1.17s
応答時間（合計）2.78s
-
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）854ms
応答時間（最大）854ms
応答時間（合計）854ms
-
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）1.03s
応答時間（最大）1.17s
応答時間（合計）2.07s
-
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）849ms
応答時間（最大）925ms
応答時間（合計）2.55s
-
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）2.79s
応答時間（最大）2.79s
応答時間（合計）2.79s
|
| #99#99 |
GPT-5.4 Mininone
|
5.1… |
OpenAI |
$0.032… |
1.17s… |
テストは、その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: 3
応答時間（平均）1.17s
応答時間（最大）2.52s
応答時間（合計）21.01s
…
|
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: 35.2%
不安定なテスト: 3…
出力トークン: 2,418
推論トークン: 0
応答時間: 平均 1.17s · 合計 21.01s · 最大 2.52s
-
反AIトリック
: 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: 4
応答時間（平均）929ms
応答時間（最大）1.55s
応答時間（合計）3.72s
-
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）1.19s
応答時間（最大）1.19s
応答時間（合計）1.19s
-
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）2.52s
応答時間（最大）2.52s
応答時間（合計）2.52s
-
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）1.30s
応答時間（最大）1.58s
応答時間（合計）2.61s
-
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: 3
応答時間（平均）937ms
応答時間（最大）1.25s
応答時間（合計）2.81s
-
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）1.82s
応答時間（最大）1.82s
応答時間（合計）1.82s
-
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）728ms
応答時間（最大）731ms
応答時間（合計）1.46s
-
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。
指示に従っていない: 1 不正解: 1
応答時間（平均）860ms
応答時間（最大）958ms
応答時間（合計）2.58s
-
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。
指示に従っていない: 1
応答時間（平均）2.32s
応答時間（最大）2.32s
応答時間（合計）2.32s
|
| #100#100 |
Qwen3 Coder Nextnone
|
5.1… |
Qwen |
$0.008… |
10.18s… |
テストは、その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 余分な書式: 1 指示に従っていない: 1
応答時間（平均）10.18s
応答時間（最大）45.14s
応答時間（合計）122.13s
…
|
合計テスト数: 18
誤答テスト数: 14
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: 25.9%
不安定なテスト: 1…
出力トークン: 3,617
推論トークン: 0
応答時間: 平均 10.18s · 合計 122.13s · 最大 45.14s
-
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: 2 余分な書式: 1 指示に従っていない: 1
応答時間（平均）3.31s
応答時間（最大）4.39s
応答時間（合計）6.63s
-
コーディング
: 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）3.14s
応答時間（最大）3.14s
応答時間（合計）3.14s
-
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）45.14s
応答時間（最大）45.14s
応答時間（合計）45.14s
-
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）1.32s
応答時間（最大）1.32s
応答時間（合計）1.32s
-
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）962ms
応答時間（最大）962ms
応答時間（合計）962ms
-
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）1.34s
応答時間（最大）1.34s
応答時間（合計）1.34s
-
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）7.71s
応答時間（最大）14.65s
応答時間（合計）15.42s
-
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。
不正解: 3
応答時間（平均）22.86s
応答時間（最大）42.58s
応答時間（合計）45.73s
-
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）2.47s
応答時間（最大）2.47s
応答時間（合計）2.47s
|
| #101#101 |
MiMo-V2.5none
|
5.1… |
Xiaomi |
$0.019… |
1.05s… |
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: 10 指示に従っていない: 2 余分な書式: 1
応答時間（平均）1.05s
応答時間（最大）2.43s
応答時間（合計）18.94s
…
|
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: 27.8%
不安定なテスト: 0…
出力トークン: 2,177
推論トークン: 0
応答時間: 平均 1.05s · 合計 18.94s · 最大 2.43s
-
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）842ms
応答時間（最大）1.47s
応答時間（合計）3.37s
-
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）1.95s
応答時間（最大）1.95s
応答時間（合計）1.95s
-
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）2.36s
応答時間（最大）2.36s
応答時間（合計）2.36s
-
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。
余分な書式: 1
応答時間（平均）1.01s
応答時間（最大）1.18s
応答時間（合計）2.03s
-
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）756ms
応答時間（最大）877ms
応答時間（合計）2.27s
-
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。
不正解: 1
応答時間（平均）841ms
応答時間（最大）841ms
応答時間（合計）841ms
-
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）751ms
応答時間（最大）821ms
応答時間（合計）1.50s
-
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）731ms
応答時間（最大）958ms
応答時間（合計）2.19s
-
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）2.43s
応答時間（最大）2.43s
応答時間（合計）2.43s
|
| #102#102 |
Nemotron 3 Supernone
|
5.1… |
NVIDIA |
$0.000… |
8.54s… |
テストは、その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: 4
応答時間（平均）8.54s
応答時間（最大）24.97s
応答時間（合計）153.69s
…
|
合計テスト数: 18
誤答テスト数: 14
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: 4…
出力トークン: 4,760
推論トークン: 0
応答時間: 平均 8.54s · 合計 153.69s · 最大 24.97s
-
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）7.43s
応答時間（最大）16.69s
応答時間（合計）29.72s
-
コーディング
: 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: 1
応答時間（平均）2.99s
応答時間（最大）2.99s
応答時間（合計）2.99s
-
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）19.98s
応答時間（最大）19.98s
応答時間（合計）19.98s
-
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）7.92s
応答時間（最大）13.23s
応答時間（合計）15.84s
-
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）6.23s
応答時間（最大）14.38s
応答時間（合計）18.70s
-
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）24.97s
応答時間（最大）24.97s
応答時間（合計）24.97s
-
指示追従
: 4.9
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）1.50s
応答時間（最大）2.07s
応答時間（合計）2.99s
-
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）7.50s
応答時間（最大）15.00s
応答時間（合計）22.50s
-
ツール呼び出し
: 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）16.00s
応答時間（最大）16.00s
応答時間（合計）16.00s
|
| #103#103 |
GPT-4o-mininone
|
4.9… |
OpenAI |
$0.005… |
2.00s… |
テストは、その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: 13 指示に従っていない: 1
応答時間（平均）2.00s
応答時間（最大）7.58s
応答時間（合計）21.99s
…
|
合計テスト数: 18
誤答テスト数: 14
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: 22.2%
不安定なテスト: 0…
出力トークン: 1,947
推論トークン: 0
応答時間: 平均 2.00s · 合計 21.99s · 最大 7.58s
-
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）1.34s
応答時間（最大）1.83s
応答時間（合計）2.67s
-
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。
不正解: 1
応答時間（平均）2.55s
応答時間（最大）2.55s
応答時間（合計）2.55s
-
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）7.58s
応答時間（最大）7.58s
応答時間（合計）7.58s
-
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）1.27s
応答時間（最大）1.27s
応答時間（合計）1.27s
-
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）637ms
応答時間（最大）637ms
応答時間（合計）637ms
-
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）909ms
応答時間（最大）909ms
応答時間（合計）909ms
-
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。
指示に従っていない: 1 不正解: 1
応答時間（平均）1.27s
応答時間（最大）1.27s
応答時間（合計）1.27s
-
パズル解決
: 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: 3
応答時間（平均）1.30s
応答時間（最大）1.54s
応答時間（合計）2.60s
-
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）2.51s
応答時間（最大）2.51s
応答時間（合計）2.51s
|
| #104#104 |
Qwen3.5-9Bnone
|
4.8… |
Qwen |
$0.005… |
1.47s… |
テストは、その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: 3 無効なツール呼び出し: 1
応答時間（平均）1.47s
応答時間（最大）5.91s
応答時間（合計）26.43s
…
|
合計テスト数: 18
誤答テスト数: 14
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: 24.1%
不安定なテスト: 1…
出力トークン: 3,951
推論トークン: 0
応答時間: 平均 1.47s · 合計 26.43s · 最大 5.91s
-
反AIトリック
: 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: 4
応答時間（平均）1.71s
応答時間（最大）3.79s
応答時間（合計）6.84s
-
コーディング
: 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: 1
応答時間（平均）5.69s
応答時間（最大）5.69s
応答時間（合計）5.69s
-
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）5.91s
応答時間（最大）5.91s
応答時間（合計）5.91s
-
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）847ms
応答時間（最大）1.09s
応答時間（合計）1.69s
-
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）464ms
応答時間（最大）622ms
応答時間（合計）1.39s
-
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）552ms
応答時間（最大）552ms
応答時間（合計）552ms
-
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）514ms
応答時間（最大）582ms
応答時間（合計）1.03s
-
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）683ms
応答時間（最大）945ms
応答時間（合計）2.05s
-
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）1.27s
応答時間（最大）1.27s
応答時間（合計）1.27s
|
| #105#105 |
Mercury 2none
|
4.8… |
Inception |
$0.007… |
613ms… |
テストは、その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: 13 指示に従っていない: 1
応答時間（平均）613ms
応答時間（最大）1.27s
応答時間（合計）11.04s
…
|
合計テスト数: 18
誤答テスト数: 14
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: 27.8%
不安定なテスト: 2…
出力トークン: 1,625
推論トークン: 0
応答時間: 平均 613ms · 合計 11.04s · 最大 1.27s
-
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）483ms
応答時間（最大）716ms
応答時間（合計）1.93s
-
コーディング
: 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: 1
応答時間（平均）969ms
応答時間（最大）969ms
応答時間（合計）969ms
-
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）606ms
応答時間（最大）606ms
応答時間（合計）606ms
-
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）667ms
応答時間（最大）819ms
応答時間（合計）1.33s
-
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）534ms
応答時間（最大）733ms
応答時間（合計）1.60s
-
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）628ms
応答時間（最大）628ms
応答時間（合計）628ms
-
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）551ms
応答時間（最大）622ms
応答時間（合計）1.10s
-
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）533ms
応答時間（最大）637ms
応答時間（合計）1.60s
-
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）1.27s
応答時間（最大）1.27s
応答時間（合計）1.27s
|
| #106#106 |
Qwen3 Coder Nextmedium
|
4.7… |
Qwen |
$0.008… |
10.75s… |
テストは、その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: 5 タイムアウト: 1
応答時間（平均）10.75s
応答時間（最大）81.80s
応答時間（合計）129.01s
…
|
合計テスト数: 18
誤答テスト数: 15
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: 27.8%
不安定なテスト: 3…
出力トークン: 3,241
推論トークン: 0
応答時間: 平均 10.75s · 合計 129.01s · 最大 81.80s
-
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: 3 指示に従っていない: 1
応答時間（平均）8.64s
応答時間（最大）15.28s
応答時間（合計）17.29s
-
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）1.69s
応答時間（最大）1.69s
応答時間（合計）1.69s
-
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）4.28s
応答時間（最大）4.28s
応答時間（合計）4.28s
-
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）81.80s
応答時間（最大）81.80s
応答時間（合計）81.80s
-
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）638ms
応答時間（最大）638ms
応答時間（合計）638ms
-
汎用知能
: 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
応答時間（平均）1.39s
応答時間（最大）1.39s
応答時間（合計）1.39s
-
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。
指示に従っていない: 1 不正解: 1
応答時間（平均）7.34s
応答時間（最大）13.67s
応答時間（合計）14.68s
-
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。
指示に従っていない: 2 不正解: 1
応答時間（平均）2.30s
応答時間（最大）3.80s
応答時間（合計）4.61s
-
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）2.64s
応答時間（最大）2.64s
応答時間（合計）2.64s
|
| #107#107 |
HY3 Previewnone
|
4.7… |
Tencent |
$0.000… |
13.56s… |
テストは、その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 API エラー: 2 余分な書式: 1
応答時間（平均）13.56s
応答時間（最大）35.84s
応答時間（合計）230.55s
…
|
合計テスト数: 18
誤答テスト数: 14
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: 27.8%
不安定なテスト: 2…
出力トークン: 2,639
推論トークン: 0
応答時間: 平均 13.56s · 合計 230.55s · 最大 35.84s
-
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。
指示に従っていない: 2 不正解: 1
応答時間（平均）11.10s
応答時間（最大）26.88s
応答時間（合計）44.41s
-
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。
不正解: 1
応答時間（平均）4.56s
応答時間（最大）4.56s
応答時間（合計）4.56s
-
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）35.84s
応答時間（最大）35.84s
応答時間（合計）35.84s
-
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。
API エラー: 1
応答時間（平均）2.85s
応答時間（最大）2.85s
応答時間（合計）2.85s
-
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: 2 API エラー: 1
応答時間（平均）17.61s
応答時間（最大）25.68s
応答時間（合計）52.82s
-
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）16.07s
応答時間（最大）16.07s
応答時間（合計）16.07s
-
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。
余分な書式: 1
応答時間（平均）12.98s
応答時間（最大）23.51s
応答時間（合計）25.95s
-
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）4.76s
応答時間（最大）7.35s
応答時間（合計）14.29s
-
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）33.76s
応答時間（最大）33.76s
応答時間（合計）33.76s
|
| #108#108 |
GLM 4.7 Flashmedium
|
4.6… |
Z.ai |
$0.046… |
32.33s… |
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: 8 指示に従っていない: 2 回答なし: 2 無効なツール呼び出し: 1 タイムアウト: 1
応答時間（平均）32.33s
応答時間（最大）174.55s
応答時間（合計）355.65s
…
|
合計テスト数: 18
誤答テスト数: 14
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: 8…
出力トークン: 39,688
推論トークン: 72,401
応答時間: 平均 32.33s · 合計 355.65s · 最大 174.55s
-
反AIトリック
: 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。
不正解: 2 指示に従っていない: 1
応答時間（平均）14.95s
応答時間（最大）27.09s
応答時間（合計）29.90s
-
コーディング
: 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。
タイムアウト: 1
応答時間（平均）21.26s
応答時間（最大）21.26s
応答時間（合計）21.26s
-
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）65.57s
応答時間（最大）65.57s
応答時間（合計）65.57s
-
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。
回答なし: 1
応答時間（平均）1.51s
応答時間（最大）1.51s
応答時間（合計）1.51s
-
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）174.55s
応答時間（最大）174.55s
応答時間（合計）174.55s
-
汎用知能
: 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: 1
応答時間（平均）18.14s
応答時間（最大）18.14s
応答時間（合計）18.14s
-
指示追従
: 6.2
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）2.97s
応答時間（最大）2.97s
応答時間（合計）2.97s
-
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。
不正解: 2 指示に従っていない: 1
応答時間（平均）12.90s
応答時間（最大）22.33s
応答時間（合計）25.80s
-
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）15.95s
応答時間（最大）15.95s
応答時間（合計）15.95s
|
| #109#109 |
MiMo-V2-Flashnone
|
4.5… |
Xiaomi |
$0.023… |
2.79s… |
テストは、その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 API エラー: 1 余分な書式: 1 指示に従っていない: 1
応答時間（平均）2.79s
応答時間（最大）19.68s
応答時間（合計）39.08s
…
|
合計テスト数: 18
誤答テスト数: 15
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: 27.8%
不安定なテスト: 5…
出力トークン: 68,522
推論トークン: 0
応答時間: 平均 2.79s · 合計 39.08s · 最大 19.68s
-
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）1.19s
応答時間（最大）2.73s
応答時間（合計）4.76s
-
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）2.79s
応答時間（最大）2.79s
応答時間（合計）2.79s
-
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）2.87s
応答時間（最大）2.87s
応答時間（合計）2.87s
-
データ解析と抽出
: 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
応答時間（平均）19.68s
応答時間（最大）19.68s
応答時間（合計）19.68s
-
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）564ms
応答時間（最大）564ms
応答時間（合計）564ms
-
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）1.67s
応答時間（最大）1.67s
応答時間（合計）1.67s
-
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）857ms
応答時間（最大）955ms
応答時間（合計）1.71s
-
パズル解決
: 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）1.38s
応答時間（最大）1.74s
応答時間（合計）2.75s
-
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）2.28s
応答時間（最大）2.28s
応答時間（合計）2.28s
|
| #110#110 |
Grok 4.1 Fastnone
|
4.5… |
X AI |
$0.009… |
1.76s… |
テストは、その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: 13 指示に従っていない: 2
応答時間（平均）1.76s
応答時間（最大）5.51s
応答時間（合計）19.35s
…
|
合計テスト数: 18
誤答テスト数: 15
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: 24.1%
不安定なテスト: 3…
出力トークン: 1,721
推論トークン: 0
応答時間: 平均 1.76s · 合計 19.35s · 最大 5.51s
-
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: 3 指示に従っていない: 1
応答時間（平均）1.07s
応答時間（最大）1.73s
応答時間（合計）2.15s
-
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）1.79s
応答時間（最大）1.79s
応答時間（合計）1.79s
-
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）3.33s
応答時間（最大）3.33s
応答時間（合計）3.33s
-
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）943ms
応答時間（最大）943ms
応答時間（合計）943ms
-
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）1.06s
応答時間（最大）1.06s
応答時間（合計）1.06s
-
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）1.08s
応答時間（最大）1.08s
応答時間（合計）1.08s
-
指示追従
: 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: 2
応答時間（平均）923ms
応答時間（最大）923ms
応答時間（合計）923ms
-
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。
不正解: 3
応答時間（平均）1.28s
応答時間（最大）1.36s
応答時間（合計）2.56s
-
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）5.51s
応答時間（最大）5.51s
応答時間（合計）5.51s
|
| #111#111 |
Ling 2.6 1tnone
|
4.5… |
Inclusionai |
$0.000… |
8.79s… |
テストは、その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: 3 無効なツール呼び出し: 1
応答時間（平均）8.79s
応答時間（最大）25.72s
応答時間（合計）158.19s
…
|
合計テスト数: 18
誤答テスト数: 15
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: 16.7%
不安定なテスト: 0…
出力トークン: 2,434
推論トークン: 0
応答時間: 平均 8.79s · 合計 158.19s · 最大 25.72s
-
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）6.55s
応答時間（最大）9.41s
応答時間（合計）26.19s
-
コーディング
: 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）10.57s
応答時間（最大）10.57s
応答時間（合計）10.57s
-
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。
不正解: 1
応答時間（平均）23.53s
応答時間（最大）23.53s
応答時間（合計）23.53s
-
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）1.37s
応答時間（最大）1.37s
応答時間（合計）2.73s
-
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）1.04s
応答時間（最大）1.08s
応答時間（合計）3.11s
-
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）20.34s
応答時間（最大）20.34s
応答時間（合計）20.34s
-
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）5.36s
応答時間（最大）9.81s
応答時間（合計）10.73s
-
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。
指示に従っていない: 2 不正解: 1
応答時間（平均）11.76s
応答時間（最大）20.15s
応答時間（合計）35.28s
-
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）25.72s
応答時間（最大）25.72s
応答時間（合計）25.72s
|
| #112#112 |
GPT-5.4 Nanonone
|
4.5… |
OpenAI |
$0.009… |
1.40s… |
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: 13 指示に従っていない: 3
応答時間（平均）1.40s
応答時間（最大）3.84s
応答時間（合計）25.14s
…
|
合計テスト数: 18
誤答テスト数: 16
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: 31.5%
不安定なテスト: 7…
出力トークン: 2,762
推論トークン: 0
応答時間: 平均 1.40s · 合計 25.14s · 最大 3.84s
-
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）1.18s
応答時間（最大）1.81s
応答時間（合計）4.70s
-
コーディング
: 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）1.43s
応答時間（最大）1.43s
応答時間（合計）1.43s
-
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）3.84s
応答時間（最大）3.84s
応答時間（合計）3.84s
-
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）1.11s
応答時間（最大）1.25s
応答時間（合計）2.23s
-
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）926ms
応答時間（最大）959ms
応答時間（合計）2.78s
-
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）1.31s
応答時間（最大）1.31s
応答時間（合計）1.31s
-
指示追従
: 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 不正解: 1
応答時間（平均）787ms
応答時間（最大）865ms
応答時間（合計）1.57s
-
パズル解決
: 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 指示に従っていない: 1
応答時間（平均）1.29s
応答時間（最大）1.64s
応答時間（合計）3.86s
-
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）3.40s
応答時間（最大）3.40s
応答時間（合計）3.40s
|
| #113#113 |
Qwen3.5-9Bmedium
|
4.4… |
Qwen |
$0.030… |
73.64s… |
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。
タイムアウト: 11 指示に従っていない: 2 余分な書式: 1 不正解: 1
応答時間（平均）73.64s
応答時間（最大）226.38s
応答時間（合計）1104.60s
…
|
合計テスト数: 18
誤答テスト数: 15
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: 33.3%
不安定なテスト: 6…
出力トークン: 24,291
推論トークン: 172,597
応答時間: 平均 73.64s · 合計 1104.60s · 最大 226.38s
-
反AIトリック
: 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。
タイムアウト: 2 不正解: 1
応答時間（平均）34.44s
応答時間（最大）57.86s
応答時間（合計）103.31s
-
コーディング
: 2.6
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）135.61s
応答時間（最大）135.61s
応答時間（合計）135.61s
-
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。
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
-
データ解析と抽出
: 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。
余分な書式: 1 タイムアウト: 1
応答時間（平均）87.31s
応答時間（最大）87.31s
応答時間（合計）87.31s
-
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。
タイムアウト: 3
応答時間（平均）137.75s
応答時間（最大）202.61s
応答時間（合計）413.24s
-
汎用知能
: 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。
タイムアウト: 1
応答時間（平均）226.38s
応答時間（最大）226.38s
応答時間（合計）226.38s
-
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。
タイムアウト: 1
応答時間（平均）17.15s
応答時間（最大）28.54s
応答時間（合計）34.29s
-
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。
タイムアウト: 2 指示に従っていない: 1
応答時間（平均）33.38s
応答時間（最大）47.31s
応答時間（合計）100.14s
-
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）4.31s
応答時間（最大）4.31s
応答時間（合計）4.31s
|
| #114#114 |
LFM2-24B-A2Bnone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。
|
4.1… |
Liquid |
$0.001… |
811ms… |
テストは、その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 API エラー: 4 指示に従っていない: 2
応答時間（平均）811ms
応答時間（最大）2.88s
応答時間（合計）11.35s
…
|
合計テスト数: 16
誤答テスト数: 15
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: 14.6%
不安定なテスト: 2…
出力トークン: 1,185
推論トークン: 0
応答時間: 平均 811ms · 合計 11.35s · 最大 2.88s
-
反AIトリック
: 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: 3
応答時間（平均）471ms
応答時間（最大）872ms
応答時間（合計）1.41s
-
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
: 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: 2
応答時間（平均）714ms
応答時間（最大）987ms
応答時間（合計）1.43s
-
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。
API エラー: 1 不正解: 1
応答時間（平均）287ms
応答時間（最大）334ms
応答時間（合計）860ms
-
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）395ms
応答時間（最大）395ms
応答時間（合計）395ms
-
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）1.09s
応答時間（最大）1.90s
応答時間（合計）2.18s
-
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。
API エラー: 1 指示に従っていない: 1 不正解: 1
応答時間（平均）1.69s
応答時間（最大）2.88s
応答時間（合計）5.08s
-
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
|
| #115#115 |
Step 3.5 Flashnone
|
3.0… |
Stepfun |
$0.000… |
0ms… |
テストは、その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
…
|
合計テスト数: 1
誤答テスト数: 1
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: 0.0%
不安定なテスト: 0…
出力トークン: 0
推論トークン: 0
応答時間: 平均 0ms · 合計 0ms · 最大 0ms
-
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
|