| #226#226 |
GPT-5.2 Chatdefault
|
7.0… |
OpenAI |
$0.594
…
|
7.43s… |
テストは、その全実行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 API エラー: 2 指示に従っていない: 1 回答なし: 1
応答時間(平均)7.43s
応答時間(最大)38.52s
応答時間(合計)163.35s
…
|
- 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
- 101,104
- 出力トークン
- 10,414
- 推論トークン
- 19,328
- 応答時間(平均)
- 7.43s
- 応答時間(合計)
- 163.35s
- 応答時間(最大)
- 38.52s
-
エージェントタスク
: 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。
API エラー: 1
応答時間(平均)955ms
応答時間(最大)955ms
応答時間(合計)955ms
-
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)3.40s
応答時間(最大)4.78s
応答時間(合計)13.59s
-
コーディング
: 8.8
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)9.82s
応答時間(最大)13.35s
応答時間(合計)29.45s
-
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)13.91s
応答時間(最大)18.70s
応答時間(合計)27.82s
-
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)3.05s
応答時間(最大)3.33s
応答時間(合計)6.10s
-
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 API エラー: 1
応答時間(平均)23.67s
応答時間(最大)38.52s
応答時間(合計)47.34s
-
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)3.20s
応答時間(最大)3.20s
応答時間(合計)3.20s
-
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)5.51s
応答時間(最大)6.55s
応答時間(合計)11.02s
-
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)4.10s
応答時間(最大)5.04s
応答時間(合計)12.31s
-
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)4.68s
応答時間(最大)4.68s
応答時間(合計)4.68s
-
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)6.89s
応答時間(最大)6.89s
応答時間(合計)6.89s
|
| #227#227 |
Qwen3.6 Max Previewmedium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。
|
7.0… |
Qwen |
$1.132
↓
…
|
66.52s… |
テストは、その全実行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 タイムアウト: 1
応答時間(平均)66.52s
応答時間(最大)238.07s
応答時間(合計)1463.50s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 5
- 試行ごとの合格率
- 79.7%
- 入力トークン
- 79,249
- 出力トークン
- 5,097
- 推論トークン
- 165,276
- 応答時間(平均)
- 66.52s
- 応答時間(合計)
- 1463.50s
- 応答時間(最大)
- 238.07s
-
エージェントタスク
: 0.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)0ms
応答時間(最大)0ms
応答時間(合計)0ms
-
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)22.13s
応答時間(最大)28.70s
応答時間(合計)88.50s
-
コーディング
: 8.8
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)146.48s
応答時間(最大)238.07s
応答時間(合計)439.45s
-
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。
タイムアウト: 1
応答時間(平均)177.48s
応答時間(最大)233.47s
応答時間(合計)354.96s
-
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)41.15s
応答時間(最大)48.02s
応答時間(合計)82.30s
-
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)88.53s
応答時間(最大)186.74s
応答時間(合計)265.58s
-
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)32.24s
応答時間(最大)32.24s
応答時間(合計)32.24s
-
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)24.31s
応答時間(最大)27.94s
応答時間(合計)48.63s
-
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)24.32s
応答時間(最大)37.68s
応答時間(合計)72.96s
-
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)18.32s
応答時間(最大)18.32s
応答時間(合計)18.32s
-
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)60.56s
応答時間(最大)60.56s
応答時間(合計)60.56s
|
| #228#228 |
Gemini 3.1 Flash Lite Previewmedium
|
7.0… |
Google |
$0.158
…
|
6.78s… |
テストは、その全実行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 無効なツール呼び出し: 1
応答時間(平均)6.78s
応答時間(最大)54.91s
応答時間(合計)155.96s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 9
- 試行ごとの合格率
- 60.9%
- 入力トークン
- 272,221
- 出力トークン
- 12,345
- 推論トークン
- 47,189
- 応答時間(平均)
- 6.78s
- 応答時間(合計)
- 155.96s
- 応答時間(最大)
- 54.91s
-
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)54.91s
応答時間(最大)54.91s
応答時間(合計)54.91s
-
反AIトリック
: 9.1
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)2.33s
応答時間(最大)3.89s
応答時間(合計)9.30s
-
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: 2
応答時間(平均)4.09s
応答時間(最大)4.34s
応答時間(合計)12.27s
-
複合
: 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。
無効なツール呼び出し: 1
応答時間(平均)16.63s
応答時間(最大)18.34s
応答時間(合計)33.26s
-
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)2.29s
応答時間(最大)2.31s
応答時間(合計)4.59s
-
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)4.09s
応答時間(最大)5.86s
応答時間(合計)12.28s
-
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)3.16s
応答時間(最大)3.16s
応答時間(合計)3.16s
-
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)1.91s
応答時間(最大)1.93s
応答時間(合計)3.82s
-
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)5.30s
応答時間(最大)9.55s
応答時間(合計)15.89s
-
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)3.80s
応答時間(最大)3.80s
応答時間(合計)3.80s
-
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)2.68s
応答時間(最大)2.68s
応答時間(合計)2.68s
|
| #229#229 |
Ling 3.2 Flashhigh
|
7.0… |
Inclusionai |
$0.000
…
|
225.47s… |
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。
API エラー: 3 タイムアウト: 3 不正解: 2 余分な書式: 1 指示に従っていない: 1 無効なツール呼び出し: 1 回答なし: 1
応答時間(平均)225.47s
応答時間(最大)960.03s
応答時間(合計)5185.79s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 12
- 試行ごとの合格率
- 59.4%
- 入力トークン
- 340,468
- 出力トークン
- 12,361
- 推論トークン
- 135,352
- 応答時間(平均)
- 225.47s
- 応答時間(合計)
- 5185.79s
- 応答時間(最大)
- 960.03s
-
エージェントタスク
: 7.4
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)494.96s
応答時間(最大)494.96s
応答時間(合計)494.96s
-
反AIトリック
: 9.0
テストは、その全実行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)45.17s
応答時間(最大)91.16s
応答時間(合計)180.69s
-
コーディング
: 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。
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)402.10s
応答時間(最大)436.38s
応答時間(合計)1206.30s
-
複合
: 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。
無効なツール呼び出し: 1
応答時間(平均)292.94s
応答時間(最大)486.97s
応答時間(合計)585.88s
-
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)30.62s
応答時間(最大)45.51s
応答時間(合計)61.23s
-
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 API エラー: 1
応答時間(平均)734.33s
応答時間(最大)960.03s
応答時間(合計)2202.99s
-
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)31.10s
応答時間(最大)31.10s
応答時間(合計)31.10s
-
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)27.36s
応答時間(最大)32.66s
応答時間(合計)54.72s
-
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)91.49s
応答時間(最大)242.83s
応答時間(合計)274.46s
-
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。
API エラー: 1
応答時間(平均)75.01s
応答時間(最大)75.01s
応答時間(合計)75.01s
-
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。
回答なし: 1
応答時間(平均)18.45s
応答時間(最大)18.45s
応答時間(合計)18.45s
|
| #230#230 |
Qwen4 Maxnone
|
7.0… |
Qwen |
$0.465
…
|
6.38s… |
テストは、その全実行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 無効なツール呼び出し: 1
応答時間(平均)6.38s
応答時間(最大)67.27s
応答時間(合計)146.64s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 9
- 試行ごとの合格率
- 63.8%
- 入力トークン
- 281,902
- 出力トークン
- 9,342
- 推論トークン
- 0
- 応答時間(平均)
- 6.38s
- 応答時間(合計)
- 146.64s
- 応答時間(最大)
- 67.27s
-
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。
無効なツール呼び出し: 1
応答時間(平均)67.27s
応答時間(最大)67.27s
応答時間(合計)67.27s
-
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)1.69s
応答時間(最大)3.13s
応答時間(合計)6.77s
-
コーディング
: 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)1.97s
応答時間(最大)3.30s
応答時間(合計)5.92s
-
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。
不正解: 1
応答時間(平均)13.58s
応答時間(最大)21.22s
応答時間(合計)27.16s
-
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)2.06s
応答時間(最大)2.18s
応答時間(合計)4.12s
-
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)1.81s
応答時間(最大)2.10s
応答時間(合計)5.43s
-
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)2.42s
応答時間(最大)2.42s
応答時間(合計)2.42s
-
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)2.12s
応答時間(最大)2.56s
応答時間(合計)4.23s
-
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)3.09s
応答時間(最大)4.03s
応答時間(合計)9.28s
-
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)7.06s
応答時間(最大)7.06s
応答時間(合計)7.06s
-
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)6.98s
応答時間(最大)6.98s
応答時間(合計)6.98s
|
| #231#231 |
Kimi K2.7 Codemedium
|
7.0… |
Moonshot AI |
$1.136
↑
…
|
81.18s… |
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: 8 タイムアウト: 2 API エラー: 1 指示に従っていない: 1
応答時間(平均)81.18s
応答時間(最大)365.80s
応答時間(合計)1785.87s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 12
- 試行ごとの合格率
- 60.9%
- 入力トークン
- 245,179
- 出力トークン
- 62,697
- 推論トークン
- 196,621
- 応答時間(平均)
- 81.18s
- 応答時間(合計)
- 1785.87s
- 応答時間(最大)
- 365.80s
-
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)104.02s
応答時間(最大)104.02s
応答時間(合計)104.02s
-
反AIトリック
: 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: 2
応答時間(平均)11.56s
応答時間(最大)16.30s
応答時間(合計)46.24s
-
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。
タイムアウト: 1
応答時間(平均)146.73s
応答時間(最大)365.80s
応答時間(合計)440.18s
-
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)66.03s
応答時間(最大)97.22s
応答時間(合計)132.06s
-
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)12.27s
応答時間(最大)18.56s
応答時間(合計)24.54s
-
ドメイン特化
: 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 タイムアウト: 1
応答時間(平均)184.17s
応答時間(最大)331.73s
応答時間(合計)552.51s
-
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)10.78s
応答時間(最大)10.78s
応答時間(合計)10.78s
-
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)5.39s
応答時間(最大)6.01s
応答時間(合計)10.78s
-
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)41.00s
応答時間(最大)113.78s
応答時間(合計)123.01s
-
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。
不正解: 1
応答時間(平均)341.76s
応答時間(最大)341.76s
応答時間(合計)341.76s
|
| #232#232 |
Ember-1low
|
7.0… |
Fireworks |
$1.488
…
|
34.90s… |
テストは、その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: 6 不正解: 3 無効なツール呼び出し: 1
応答時間(平均)34.90s
応答時間(最大)121.29s
応答時間(合計)802.79s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 10
- 試行ごとの合格率
- 65.2%
- 入力トークン
- 211,908
- 出力トークン
- 14,158
- 推論トークン
- 42,608
- 応答時間(平均)
- 34.90s
- 応答時間(合計)
- 802.79s
- 応答時間(最大)
- 121.29s
-
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。
無効なツール呼び出し: 1
応答時間(平均)121.29s
応答時間(最大)121.29s
応答時間(合計)121.29s
-
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。
API エラー: 1
応答時間(平均)22.18s
応答時間(最大)60.05s
応答時間(合計)88.72s
-
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)37.91s
応答時間(最大)60.34s
応答時間(合計)113.74s
-
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)51.45s
応答時間(最大)93.10s
応答時間(合計)102.91s
-
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)34.82s
応答時間(最大)62.94s
応答時間(合計)69.64s
-
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 API エラー: 1
応答時間(平均)56.17s
応答時間(最大)77.05s
応答時間(合計)168.51s
-
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)5.67s
応答時間(最大)5.67s
応答時間(合計)5.67s
-
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。
API エラー: 1
応答時間(平均)32.73s
応答時間(最大)60.73s
応答時間(合計)65.46s
-
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)3.27s
応答時間(最大)4.30s
応答時間(合計)9.82s
-
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)26.43s
応答時間(最大)26.43s
応答時間(合計)26.43s
-
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)30.60s
応答時間(最大)30.60s
応答時間(合計)30.60s
|
| #233#233 |
Step 5 Previewhigh
|
7.0… |
Stepfun |
$4.513
…
|
154.41s… |
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。
回答なし: 7 不正解: 3 API エラー: 2 指示に従っていない: 1
応答時間(平均)154.41s
応答時間(最大)455.72s
応答時間(合計)3551.40s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 13
- 試行ごとの合格率
- 52.2%
- 入力トークン
- 243,381
- 出力トークン
- 1,581,325
- 推論トークン
- 0
- 応答時間(平均)
- 154.41s
- 応答時間(合計)
- 3551.40s
- 応答時間(最大)
- 455.72s
-
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)55.73s
応答時間(最大)55.73s
応答時間(合計)55.73s
-
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。
API エラー: 1 不正解: 1
応答時間(平均)14.70s
応答時間(最大)47.55s
応答時間(合計)58.79s
-
コーディング
: 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 指示に従っていない: 1
応答時間(平均)421.68s
応答時間(最大)455.72s
応答時間(合計)1265.05s
-
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)115.30s
応答時間(最大)205.40s
応答時間(合計)230.60s
-
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)6.55s
応答時間(最大)8.35s
応答時間(合計)13.11s
-
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: 3
応答時間(平均)333.41s
応答時間(最大)384.57s
応答時間(合計)1000.23s
-
汎用知能
: 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)36.56s
応答時間(最大)36.56s
応答時間(合計)36.56s
-
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。
API エラー: 1
応答時間(平均)20.53s
応答時間(最大)33.28s
応答時間(合計)41.06s
-
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。
回答なし: 1 不正解: 1
応答時間(平均)143.16s
応答時間(最大)415.83s
応答時間(合計)429.48s
-
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)4.34s
応答時間(最大)4.34s
応答時間(合計)4.34s
-
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)416.44s
応答時間(最大)416.44s
応答時間(合計)416.44s
|
| #234#234 |
Qwen3.5-122B-A10Bmedium
|
7.0… |
Qwen |
$1.152
↓
…
|
66.96s… |
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: 5 無効なツール呼び出し: 2 タイムアウト: 2
応答時間(平均)66.96s
応答時間(最大)519.30s
応答時間(合計)1539.99s
…
|
- 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
- 251,695
- 出力トークン
- 49,415
- 推論トークン
- 472,775
- 応答時間(平均)
- 66.96s
- 応答時間(合計)
- 1539.99s
- 応答時間(最大)
- 519.30s
-
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)95.31s
応答時間(最大)95.31s
応答時間(合計)95.31s
-
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)9.75s
応答時間(最大)18.03s
応答時間(合計)39.01s
-
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。
タイムアウト: 1 不正解: 1
応答時間(平均)114.48s
応答時間(最大)168.16s
応答時間(合計)343.44s
-
複合
: 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)313.55s
応答時間(最大)519.30s
応答時間(合計)627.09s
-
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)23.41s
応答時間(最大)29.79s
応答時間(合計)46.83s
-
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。
不正解: 3
応答時間(平均)74.43s
応答時間(最大)119.29s
応答時間(合計)223.29s
-
汎用知能
: 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。
タイムアウト: 1
応答時間(平均)34.11s
応答時間(最大)34.11s
応答時間(合計)34.11s
-
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)9.88s
応答時間(最大)15.44s
応答時間(合計)19.76s
-
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)17.89s
応答時間(最大)31.99s
応答時間(合計)53.68s
-
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)4.60s
応答時間(最大)4.60s
応答時間(合計)4.60s
-
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)52.87s
応答時間(最大)52.87s
応答時間(合計)52.87s
|
| #235#235 |
Grok 4.6low
|
6.9… |
X AI |
$0.781
…
|
16.44s… |
テストは、その全実行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)16.44s
応答時間(最大)57.97s
応答時間(合計)378.14s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 66.7%
- 入力トークン
- 263,427
- 出力トークン
- 6,006
- 推論トークン
- 36,309
- 応答時間(平均)
- 16.44s
- 応答時間(合計)
- 378.14s
- 応答時間(最大)
- 57.97s
-
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)57.97s
応答時間(最大)57.97s
応答時間(合計)57.97s
-
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)9.00s
応答時間(最大)10.98s
応答時間(合計)36.02s
-
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: 2
応答時間(平均)21.69s
応答時間(最大)26.46s
応答時間(合計)65.08s
-
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。
不正解: 1
応答時間(平均)23.33s
応答時間(最大)25.51s
応答時間(合計)46.67s
-
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)11.63s
応答時間(最大)13.54s
応答時間(合計)23.25s
-
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)18.19s
応答時間(最大)23.65s
応答時間(合計)54.57s
-
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)16.29s
応答時間(最大)16.29s
応答時間(合計)16.29s
-
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)6.64s
応答時間(最大)8.11s
応答時間(合計)13.28s
-
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)8.16s
応答時間(最大)10.89s
応答時間(合計)24.49s
-
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)14.42s
応答時間(最大)14.42s
応答時間(合計)14.42s
-
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)26.11s
応答時間(最大)26.11s
応答時間(合計)26.11s
|
| #236#236 |
Gemini 3 Flash Previewlow
|
6.9… |
Google |
$0.254
…
|
8.51s… |
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: 7
応答時間(平均)8.51s
応答時間(最大)52.64s
応答時間(合計)195.76s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 7
- 試行ごとの合格率
- 72.5%
- 入力トークン
- 251,677
- 出力トークン
- 11,196
- 推論トークン
- 31,204
- 応答時間(平均)
- 8.51s
- 応答時間(合計)
- 195.76s
- 応答時間(最大)
- 52.64s
-
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)52.64s
応答時間(最大)52.64s
応答時間(合計)52.64s
-
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)3.48s
応答時間(最大)4.31s
応答時間(合計)13.94s
-
コーディング
: 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)6.00s
応答時間(最大)6.94s
応答時間(合計)18.00s
-
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: 2
応答時間(平均)10.20s
応答時間(最大)17.13s
応答時間(合計)20.39s
-
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)9.40s
応答時間(最大)14.72s
応答時間(合計)18.80s
-
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)9.74s
応答時間(最大)14.40s
応答時間(合計)29.22s
-
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)3.68s
応答時間(最大)3.68s
応答時間(合計)3.68s
-
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)7.02s
応答時間(最大)7.35s
応答時間(合計)14.03s
-
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)5.77s
応答時間(最大)10.27s
応答時間(合計)17.32s
-
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)4.99s
応答時間(最大)4.99s
応答時間(合計)4.99s
-
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)2.75s
応答時間(最大)2.75s
応答時間(合計)2.75s
|
| #237#237 |
Muse Glimmer 30Blow
|
6.9… |
Meta |
$0.219
↓
…
|
22.40s… |
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: 6 指示に従っていない: 3 無効なツール呼び出し: 2 回答なし: 1
応答時間(平均)22.40s
応答時間(最大)234.92s
応答時間(合計)515.14s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 12
- 試行ごとの合格率
- 63.8%
- 入力トークン
- 307,228
- 出力トークン
- 36,044
- 推論トークン
- 71,621
- 応答時間(平均)
- 22.40s
- 応答時間(合計)
- 515.14s
- 応答時間(最大)
- 234.92s
-
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)104.96s
応答時間(最大)104.96s
応答時間(合計)104.96s
-
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)3.57s
応答時間(最大)5.96s
応答時間(合計)14.27s
-
コーディング
: 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。
不正解: 1
応答時間(平均)16.52s
応答時間(最大)21.60s
応答時間(合計)49.55s
-
複合
: 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。
無効なツール呼び出し: 1 回答なし: 1
応答時間(平均)131.97s
応答時間(最大)234.92s
応答時間(合計)263.94s
-
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)4.17s
応答時間(最大)4.56s
応答時間(合計)8.34s
-
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)11.48s
応答時間(最大)22.96s
応答時間(合計)34.44s
-
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)2.50s
応答時間(最大)2.50s
応答時間(合計)2.50s
-
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)3.60s
応答時間(最大)3.76s
応答時間(合計)7.20s
-
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)5.06s
応答時間(最大)7.57s
応答時間(合計)15.18s
-
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)5.04s
応答時間(最大)5.04s
応答時間(合計)5.04s
-
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)9.71s
応答時間(最大)9.71s
応答時間(合計)9.71s
|
| #238#238 |
Minimax M3.1 Flashmax
|
6.9… |
Minimax |
$0.000
…
|
40.94s… |
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: 8 無効なツール呼び出し: 2 API エラー: 1 指示に従っていない: 1
応答時間(平均)40.94s
応答時間(最大)256.57s
応答時間(合計)941.68s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 12
- 試行ごとの合格率
- 59.4%
- 入力トークン
- 398,523
- 出力トークン
- 7,992
- 推論トークン
- 303,691
- 応答時間(平均)
- 40.94s
- 応答時間(合計)
- 941.68s
- 応答時間(最大)
- 256.57s
-
エージェントタスク
: 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。
無効なツール呼び出し: 1
応答時間(平均)123.99s
応答時間(最大)123.99s
応答時間(合計)123.99s
-
反AIトリック
: 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。
不正解: 2
応答時間(平均)2.98s
応答時間(最大)5.77s
応答時間(合計)11.92s
-
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)25.67s
応答時間(最大)48.61s
応答時間(合計)77.02s
-
複合
: 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)39.89s
応答時間(最大)67.16s
応答時間(合計)79.78s
-
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)909ms
応答時間(最大)1.49s
応答時間(合計)1.82s
-
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)186.27s
応答時間(最大)256.57s
応答時間(合計)558.80s
-
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)5.30s
応答時間(最大)5.30s
応答時間(合計)5.30s
-
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)1.73s
応答時間(最大)2.00s
応答時間(合計)3.47s
-
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)3.34s
応答時間(最大)4.10s
応答時間(合計)10.01s
-
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)2.78s
応答時間(最大)2.78s
応答時間(合計)2.78s
-
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)66.79s
応答時間(最大)66.79s
応答時間(合計)66.79s
|
| #239#239 |
Gemini 3.1 Flash Litemedium
|
6.9… |
Google |
$0.153
…
|
6.27s… |
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: 8 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)6.27s
応答時間(最大)47.78s
応答時間(合計)144.10s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 10
- 試行ごとの合格率
- 59.4%
- 入力トークン
- 228,023
- 出力トークン
- 10,779
- 推論トークン
- 53,188
- 応答時間(平均)
- 6.27s
- 応答時間(合計)
- 144.10s
- 応答時間(最大)
- 47.78s
-
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)47.78s
応答時間(最大)47.78s
応答時間(合計)47.78s
-
反AIトリック
: 9.1
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)2.39s
応答時間(最大)3.58s
応答時間(合計)9.57s
-
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: 2
応答時間(平均)3.81s
応答時間(最大)4.25s
応答時間(合計)11.44s
-
複合
: 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。
無効なツール呼び出し: 1
応答時間(平均)18.55s
応答時間(最大)26.22s
応答時間(合計)37.09s
-
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)2.60s
応答時間(最大)2.69s
応答時間(合計)5.19s
-
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)3.93s
応答時間(最大)4.71s
応答時間(合計)11.79s
-
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)2.60s
応答時間(最大)2.60s
応答時間(合計)2.60s
-
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)2.59s
応答時間(最大)3.04s
応答時間(合計)5.17s
-
パズル解決
: 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)1.95s
応答時間(最大)2.48s
応答時間(合計)5.84s
-
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)4.55s
応答時間(最大)4.55s
応答時間(合計)4.55s
-
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)3.08s
応答時間(最大)3.08s
応答時間(合計)3.08s
|
| #240#240 |
Ember-1high
|
6.9… |
Fireworks |
$2.405
…
|
58.14s… |
テストは、その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: 7 不正解: 2 無効なツール呼び出し: 1 回答なし: 1
応答時間(平均)58.14s
応答時間(最大)255.06s
応答時間(合計)1337.19s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 11
- 試行ごとの合格率
- 71.0%
- 入力トークン
- 195,489
- 出力トークン
- 12,475
- 推論トークン
- 108,748
- 応答時間(平均)
- 58.14s
- 応答時間(合計)
- 1337.19s
- 応答時間(最大)
- 255.06s
-
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)88.31s
応答時間(最大)88.31s
応答時間(合計)88.31s
-
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。
API エラー: 1
応答時間(平均)24.05s
応答時間(最大)63.76s
応答時間(合計)96.19s
-
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。
API エラー: 1
応答時間(平均)72.23s
応答時間(最大)102.69s
応答時間(合計)216.69s
-
複合
: 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。
API エラー: 1
応答時間(平均)79.89s
応答時間(最大)134.76s
応答時間(合計)159.78s
-
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)36.10s
応答時間(最大)64.17s
応答時間(合計)72.19s
-
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 API エラー: 1
応答時間(平均)175.49s
応答時間(最大)255.06s
応答時間(合計)526.47s
-
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)4.49s
応答時間(最大)4.49s
応答時間(合計)4.49s
-
指示追従
: 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。
API エラー: 1
応答時間(平均)33.38s
応答時間(最大)62.32s
応答時間(合計)66.76s
-
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)4.84s
応答時間(最大)6.35s
応答時間(合計)14.53s
-
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)26.45s
応答時間(最大)26.45s
応答時間(合計)26.45s
-
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)65.34s
応答時間(最大)65.34s
応答時間(合計)65.34s
|
| #241#241 |
Gemma 4 31Bmedium
|
6.9… |
Google |
$0.144
↓
…
|
78.76s… |
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: 4 API エラー: 2 無効なツール呼び出し: 1 回答なし: 1 タイムアウト: 1
応答時間(平均)78.76s
応答時間(最大)437.40s
応答時間(合計)1653.96s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 9
- 試行ごとの合格率
- 66.7%
- 入力トークン
- 251,164
- 出力トークン
- 36,112
- 推論トークン
- 241,203
- 応答時間(平均)
- 78.76s
- 応答時間(合計)
- 1653.96s
- 応答時間(最大)
- 437.40s
-
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)82.13s
応答時間(最大)82.13s
応答時間(合計)82.13s
-
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)12.89s
応答時間(最大)26.66s
応答時間(合計)51.55s
-
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。
回答なし: 1 タイムアウト: 1 不正解: 1
応答時間(平均)219.76s
応答時間(最大)437.40s
応答時間(合計)659.27s
-
複合
: 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 無効なツール呼び出し: 1
応答時間(平均)433.11s
応答時間(最大)433.11s
応答時間(合計)433.11s
-
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)21.11s
応答時間(最大)21.94s
応答時間(合計)42.21s
-
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)59.92s
応答時間(最大)77.78s
応答時間(合計)179.75s
-
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)9.57s
応答時間(最大)9.57s
応答時間(合計)9.57s
-
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)12.76s
応答時間(最大)17.53s
応答時間(合計)25.52s
-
パズル解決
: 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)26.91s
応答時間(最大)61.08s
応答時間(合計)80.72s
-
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。
不正解: 1
応答時間(平均)90.14s
応答時間(最大)90.14s
応答時間(合計)90.14s
|
| #242#242 |
GPT-5.6 Lunalow
|
6.9… |
OpenAI |
$0.049
↓
…
|
6.96s… |
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: 10 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)6.96s
応答時間(最大)45.74s
応答時間(合計)160.19s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 12
- 試行ごとの合格率
- 56.5%
- 入力トークン
- 202,680
- 出力トークン
- 9,230
- 推論トークン
- 18,771
- 応答時間(平均)
- 6.96s
- 応答時間(合計)
- 160.19s
- 応答時間(最大)
- 45.74s
-
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)45.74s
応答時間(最大)45.74s
応答時間(合計)45.74s
-
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)2.21s
応答時間(最大)2.87s
応答時間(合計)8.84s
-
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: 2
応答時間(平均)4.61s
応答時間(最大)5.18s
応答時間(合計)13.83s
-
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 不正解: 1
応答時間(平均)13.71s
応答時間(最大)19.44s
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)2.14s
応答時間(最大)2.49s
応答時間(合計)4.28s
-
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)11.24s
応答時間(最大)18.06s
応答時間(合計)33.71s
-
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)2.25s
応答時間(最大)2.25s
応答時間(合計)2.25s
-
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)2.04s
応答時間(最大)2.18s
応答時間(合計)4.07s
-
パズル解決
: 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)3.59s
応答時間(最大)4.55s
応答時間(合計)10.77s
-
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)4.43s
応答時間(最大)4.43s
応答時間(合計)4.43s
-
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)4.86s
応答時間(最大)4.86s
応答時間(合計)4.86s
|
| #243#243 |
Claude Sonnet 5.5low
|
6.9… |
Anthropic |
$0.909
…
|
7.46s… |
テストは、その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: 5 指示に従っていない: 5 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)7.46s
応答時間(最大)46.61s
応答時間(合計)171.47s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 13
- 試行ごとの合格率
- 46.4%
- 入力トークン
- 291,853
- 出力トークン
- 24,116
- 推論トークン
- 8,327
- 応答時間(平均)
- 7.46s
- 応答時間(合計)
- 171.47s
- 応答時間(最大)
- 46.61s
-
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)46.61s
応答時間(最大)46.61s
応答時間(合計)46.61s
-
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。
余分な書式: 1 指示に従っていない: 1
応答時間(平均)2.55s
応答時間(最大)4.32s
応答時間(合計)10.22s
-
コーディング
: 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 余分な書式: 1
応答時間(平均)5.81s
応答時間(最大)6.85s
応答時間(合計)17.44s
-
複合
: 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。
無効なツール呼び出し: 1
応答時間(平均)22.50s
応答時間(最大)22.74s
応答時間(合計)45.00s
-
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)2.31s
応答時間(最大)2.95s
応答時間(合計)4.63s
-
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。
余分な書式: 2 不正解: 1
応答時間(平均)8.09s
応答時間(最大)10.50s
応答時間(合計)24.28s
-
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)2.33s
応答時間(最大)2.33s
応答時間(合計)2.33s
-
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。
指示に従っていない: 1
応答時間(平均)1.91s
応答時間(最大)2.24s
応答時間(合計)3.82s
-
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。
余分な書式: 1
応答時間(平均)2.50s
応答時間(最大)3.14s
応答時間(合計)7.51s
-
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)4.67s
応答時間(最大)4.67s
応答時間(合計)4.67s
-
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)4.97s
応答時間(最大)4.97s
応答時間(合計)4.97s
|
| #244#244 |
Claude Opus 4.8none
|
6.9… |
Anthropic |
$2.334
…
|
7.54s… |
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: 5 余分な書式: 3 指示に従っていない: 1 回答なし: 1
応答時間(平均)7.54s
応答時間(最大)65.07s
応答時間(合計)173.31s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 10
- 試行ごとの合格率
- 60.9%
- 入力トークン
- 345,059
- 出力トークン
- 24,343
- 推論トークン
- 0
- 応答時間(平均)
- 7.54s
- 応答時間(合計)
- 173.31s
- 応答時間(最大)
- 65.07s
-
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)65.07s
応答時間(最大)65.07s
応答時間(合計)65.07s
-
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。
余分な書式: 2
応答時間(平均)3.40s
応答時間(最大)6.36s
応答時間(合計)13.58s
-
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。
指示に従っていない: 1 不正解: 1
応答時間(平均)3.29s
応答時間(最大)4.34s
応答時間(合計)9.88s
-
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)26.38s
応答時間(最大)35.03s
応答時間(合計)52.76s
-
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)1.77s
応答時間(最大)1.93s
応答時間(合計)3.53s
-
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)1.76s
応答時間(最大)2.16s
応答時間(合計)5.29s
-
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)3.48s
応答時間(最大)3.48s
応答時間(合計)3.48s
-
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)1.37s
応答時間(最大)1.40s
応答時間(合計)2.73s
-
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。
余分な書式: 1
応答時間(平均)2.74s
応答時間(最大)3.46s
応答時間(合計)8.22s
-
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)5.35s
応答時間(最大)5.35s
応答時間(合計)5.35s
-
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)3.41s
応答時間(最大)3.41s
応答時間(合計)3.41s
|
| #245#245 |
Kimi K2.6medium
|
6.8… |
Moonshot AI |
$1.594
↑
…
|
121.25s… |
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: 4 タイムアウト: 3 指示に従っていない: 2 無効なツール呼び出し: 1 回答なし: 1
応答時間(平均)121.25s
応答時間(最大)876.20s
応答時間(合計)2667.55s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 11
- 試行ごとの合格率
- 60.9%
- 入力トークン
- 226,880
- 出力トークン
- 65,346
- 推論トークン
- 331,325
- 応答時間(平均)
- 121.25s
- 応答時間(合計)
- 2667.55s
- 応答時間(最大)
- 876.20s
-
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)233.89s
応答時間(最大)233.89s
応答時間(合計)233.89s
-
反AIトリック
: 7.0
テストは、その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)11.59s
応答時間(最大)23.94s
応答時間(合計)46.37s
-
コーディング
: 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。
回答なし: 1 タイムアウト: 1
応答時間(平均)214.42s
応答時間(最大)406.78s
応答時間(合計)643.25s
-
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)458.58s
応答時間(最大)876.20s
応答時間(合計)917.16s
-
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)20.38s
応答時間(最大)22.88s
応答時間(合計)40.76s
-
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。
タイムアウト: 2
応答時間(平均)264.43s
応答時間(最大)339.95s
応答時間(合計)528.86s
-
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)17.83s
応答時間(最大)17.83s
応答時間(合計)17.83s
-
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)12.53s
応答時間(最大)19.15s
応答時間(合計)25.06s
-
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)25.06s
応答時間(最大)56.89s
応答時間(合計)75.19s
-
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)8.92s
応答時間(最大)8.92s
応答時間(合計)8.92s
-
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)130.27s
応答時間(最大)130.27s
応答時間(合計)130.27s
|
| #246#246 |
Qwen3.5-Flashmedium
|
6.8… |
Qwen |
$0.184
…
|
83.68s… |
テストは、その全実行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: 3 API エラー: 1 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)83.68s
応答時間(最大)515.38s
応答時間(合計)1840.92s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 11
- 試行ごとの合格率
- 66.7%
- 入力トークン
- 349,177
- 出力トークン
- 54,279
- 推論トークン
- 477,389
- 応答時間(平均)
- 83.68s
- 応答時間(合計)
- 1840.92s
- 応答時間(最大)
- 515.38s
-
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)67.72s
応答時間(最大)67.72s
応答時間(合計)67.72s
-
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)59.11s
応答時間(最大)168.31s
応答時間(合計)236.44s
-
コーディング
: 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 タイムアウト: 1
応答時間(平均)58.87s
応答時間(最大)68.14s
応答時間(合計)176.60s
-
複合
: 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)266.58s
応答時間(最大)515.38s
応答時間(合計)533.16s
-
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。
API エラー: 1
応答時間(平均)56.99s
応答時間(最大)80.14s
応答時間(合計)113.98s
-
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: 2 タイムアウト: 1
応答時間(平均)143.82s
応答時間(最大)234.29s
応答時間(合計)431.47s
-
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)40.05s
応答時間(最大)40.05s
応答時間(合計)40.05s
-
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)63.49s
応答時間(最大)111.61s
応答時間(合計)126.98s
-
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。
タイムアウト: 1
応答時間(平均)27.61s
応答時間(最大)31.84s
応答時間(合計)55.21s
-
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)10.33s
応答時間(最大)10.33s
応答時間(合計)10.33s
-
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)48.98s
応答時間(最大)48.98s
応答時間(合計)48.98s
|
| #247#247 |
Inklinglow
|
6.8… |
Thinkingmachines |
$0.293
↓
…
|
6.81s… |
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。
不正解: 8 指示に従っていない: 2 無効なツール呼び出し: 2
応答時間(平均)6.81s
応答時間(最大)44.24s
応答時間(合計)156.70s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 12
- 試行ごとの合格率
- 56.5%
- 入力トークン
- 213,901
- 出力トークン
- 9,623
- 推論トークン
- 12,414
- 応答時間(平均)
- 6.81s
- 応答時間(合計)
- 156.70s
- 応答時間(最大)
- 44.24s
-
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)44.24s
応答時間(最大)44.24s
応答時間(合計)44.24s
-
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)2.51s
応答時間(最大)5.19s
応答時間(合計)10.04s
-
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: 3
応答時間(平均)8.71s
応答時間(最大)12.24s
応答時間(合計)26.14s
-
複合
: 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。
無効なツール呼び出し: 2
応答時間(平均)22.73s
応答時間(最大)41.58s
応答時間(合計)45.45s
-
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)2.07s
応答時間(最大)2.28s
応答時間(合計)4.15s
-
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)1.68s
応答時間(最大)2.19s
応答時間(合計)5.03s
-
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)3.44s
応答時間(最大)3.44s
応答時間(合計)3.44s
-
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)1.81s
応答時間(最大)1.83s
応答時間(合計)3.62s
-
パズル解決
: 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 不正解: 1
応答時間(平均)2.97s
応答時間(最大)4.89s
応答時間(合計)8.91s
-
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)2.57s
応答時間(最大)2.57s
応答時間(合計)2.57s
-
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)3.12s
応答時間(最大)3.12s
応答時間(合計)3.12s
|
| #248#248 |
Mercury 2.5 Previewmedium
|
6.8… |
Inception |
$0.039
↑
…
|
6.66s… |
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: 4 API エラー: 1 指示に従っていない: 1 無効なツール呼び出し: 1 回答なし: 1
応答時間(平均)6.66s
応答時間(最大)74.63s
応答時間(合計)153.29s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 66.7%
- 入力トークン
- 397,291
- 出力トークン
- 6,355
- 推論トークン
- 143,752
- 応答時間(平均)
- 6.66s
- 応答時間(合計)
- 153.29s
- 応答時間(最大)
- 74.63s
-
エージェントタスク
: 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。
無効なツール呼び出し: 1
応答時間(平均)74.63s
応答時間(最大)74.63s
応答時間(合計)74.63s
-
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)1.43s
応答時間(最大)2.33s
応答時間(合計)5.74s
-
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。
不正解: 1
応答時間(平均)3.86s
応答時間(最大)4.25s
応答時間(合計)11.59s
-
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。
回答なし: 1
応答時間(平均)13.86s
応答時間(最大)17.84s
応答時間(合計)27.72s
-
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)2.77s
応答時間(最大)3.49s
応答時間(合計)5.54s
-
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)3.72s
応答時間(最大)4.49s
応答時間(合計)11.15s
-
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)2.09s
応答時間(最大)2.09s
応答時間(合計)2.09s
-
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)1.35s
応答時間(最大)1.79s
応答時間(合計)2.71s
-
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)1.87s
応答時間(最大)2.63s
応答時間(合計)5.62s
-
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)2.37s
応答時間(最大)2.37s
応答時間(合計)2.37s
-
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)4.13s
応答時間(最大)4.13s
応答時間(合計)4.13s
|
| #249#249 |
GPT-6 Solnone
|
6.8… |
OpenAI |
$0.551
…
|
9.02s… |
テストは、その全実行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)9.02s
応答時間(最大)57.02s
応答時間(合計)207.45s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 10
- 試行ごとの合格率
- 63.8%
- 入力トークン
- 235,086
- 出力トークン
- 7,989
- 推論トークン
- 0
- 応答時間(平均)
- 9.02s
- 応答時間(合計)
- 207.45s
- 応答時間(最大)
- 57.02s
-
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)57.02s
応答時間(最大)57.02s
応答時間(合計)57.02s
-
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。
不正解: 2
応答時間(平均)1.23s
応答時間(最大)1.68s
応答時間(合計)4.90s
-
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: 2
応答時間(平均)12.23s
応答時間(最大)23.55s
応答時間(合計)36.69s
-
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。
不正解: 1
応答時間(平均)10.61s
応答時間(最大)16.46s
応答時間(合計)21.22s
-
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)20.98s
応答時間(最大)23.53s
応答時間(合計)41.97s
-
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)3.41s
応答時間(最大)7.53s
応答時間(合計)10.22s
-
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)23.89s
応答時間(最大)23.89s
応答時間(合計)23.89s
-
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)1.23s
応答時間(最大)1.40s
応答時間(合計)2.46s
-
パズル解決
: 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)1.40s
応答時間(最大)1.64s
応答時間(合計)4.20s
-
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)3.43s
応答時間(最大)3.43s
応答時間(合計)3.43s
-
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)1.45s
応答時間(最大)1.45s
応答時間(合計)1.45s
|
| #250#250 |
Space Bunny Alphamax
|
6.7… |
Stealth |
$0.000
…
|
36.24s… |
テストは、その全実行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)36.24s
応答時間(最大)320.00s
応答時間(合計)833.43s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 12
- 試行ごとの合格率
- 59.4%
- 入力トークン
- 315,136
- 出力トークン
- 219,014
- 推論トークン
- 0
- 応答時間(平均)
- 36.24s
- 応答時間(合計)
- 833.43s
- 応答時間(最大)
- 320.00s
-
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)90.59s
応答時間(最大)90.59s
応答時間(合計)90.59s
-
反AIトリック
: 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。
不正解: 2
応答時間(平均)2.61s
応答時間(最大)5.90s
応答時間(合計)10.44s
-
コーディング
: 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。
不正解: 2
応答時間(平均)17.08s
応答時間(最大)28.16s
応答時間(合計)51.25s
-
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。
不正解: 1
応答時間(平均)61.05s
応答時間(最大)112.81s
応答時間(合計)122.10s
-
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)2.64s
応答時間(最大)2.66s
応答時間(合計)5.28s
-
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)140.04s
応答時間(最大)320.00s
応答時間(合計)420.11s
-
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。
指示に従っていない: 1
応答時間(平均)8.15s
応答時間(最大)8.15s
応答時間(合計)8.15s
-
指示追従
: 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)3.78s
応答時間(最大)5.73s
応答時間(合計)7.56s
-
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。
不正解: 1
応答時間(平均)9.15s
応答時間(最大)18.64s
応答時間(合計)27.44s
-
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)5.58s
応答時間(最大)5.58s
応答時間(合計)5.58s
-
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)84.94s
応答時間(最大)84.94s
応答時間(合計)84.94s
|