| #26#26 |
GPT-5.5low
|
9.5… |
OpenAI |
$1.822
…
|
11.91s… |
テストは、その全実行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)11.91s
応答時間(最大)56.19s
応答時間(合計)273.82s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 3
- 試行ごとの合格率
- 87.0%
- 入力トークン
- 177,939
- 出力トークン
- 6,283
- 推論トークン
- 24,782
- 応答時間(平均)
- 11.91s
- 応答時間(合計)
- 273.82s
- 応答時間(最大)
- 56.19s
-
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)50.58s
応答時間(最大)50.58s
応答時間(合計)50.58s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.41s
応答時間(最大)6.32s
応答時間(合計)17.64s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)15.04s
応答時間(最大)21.06s
応答時間(合計)45.11s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)13.73s
応答時間(最大)17.90s
応答時間(合計)27.46s
-
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)3.28s
応答時間(最大)5.13s
応答時間(合計)6.56s
-
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)28.19s
応答時間(最大)56.19s
応答時間(合計)84.58s
-
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)5.17s
応答時間(最大)5.17s
応答時間(合計)5.17s
-
指示追従
: 9.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.74s
応答時間(最大)3.99s
応答時間(合計)7.48s
-
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)4.74s
応答時間(最大)5.61s
応答時間(合計)14.21s
-
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)4.96s
応答時間(最大)4.96s
応答時間(合計)4.96s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)10.06s
応答時間(最大)10.06s
応答時間(合計)10.06s
|
| #27#27 |
Claude Opus 5.5low
|
9.4… |
Anthropic |
$1.733
…
|
25.68s… |
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: 2 指示に従っていない: 1 回答なし: 1
応答時間(平均)25.68s
応答時間(最大)89.16s
応答時間(合計)590.71s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 4
- 試行ごとの合格率
- 88.4%
- 入力トークン
- 308,056
- 出力トークン
- 9,434
- 推論トークン
- 15,572
- 応答時間(平均)
- 25.68s
- 応答時間(合計)
- 590.71s
- 応答時間(最大)
- 89.16s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)68.89s
応答時間(最大)68.89s
応答時間(合計)68.89s
-
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)11.92s
応答時間(最大)20.78s
応答時間(合計)47.69s
-
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)12.23s
応答時間(最大)23.08s
応答時間(合計)36.69s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)53.65s
応答時間(最大)89.16s
応答時間(合計)107.29s
-
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)12.01s
応答時間(最大)17.99s
応答時間(合計)24.02s
-
ドメイン特化
: 5.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)22.78s
応答時間(最大)32.84s
応答時間(合計)68.34s
-
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)5.68s
応答時間(最大)5.68s
応答時間(合計)5.68s
-
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)21.06s
応答時間(最大)21.28s
応答時間(合計)42.11s
-
パズル解決
: 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。
指示に従っていない: 1
応答時間(平均)29.83s
応答時間(最大)32.65s
応答時間(合計)89.50s
-
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)72.62s
応答時間(最大)72.62s
応答時間(合計)72.62s
-
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)27.89s
応答時間(最大)27.89s
応答時間(合計)27.89s
|
| #28#28 |
GPT-6.1 Terramax
|
9.4… |
OpenAI |
$2.209
…
|
66.42s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2 指示に従っていない: 1 回答なし: 1
応答時間(平均)66.42s
応答時間(最大)723.45s
応答時間(合計)1527.58s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 4
- 試行ごとの合格率
- 89.9%
- 入力トークン
- 250,989
- 出力トークン
- 5,610
- 推論トークン
- 385,831
- 応答時間(平均)
- 66.42s
- 応答時間(合計)
- 1527.58s
- 応答時間(最大)
- 723.45s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)49.69s
応答時間(最大)49.69s
応答時間(合計)49.69s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.49s
応答時間(最大)5.00s
応答時間(合計)17.97s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)44.32s
応答時間(最大)98.98s
応答時間(合計)132.95s
-
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)88.34s
応答時間(最大)149.16s
応答時間(合計)176.68s
-
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)3.80s
応答時間(最大)4.31s
応答時間(合計)7.60s
-
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。
回答なし: 1
応答時間(平均)306.11s
応答時間(最大)723.45s
応答時間(合計)918.33s
-
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)16.26s
応答時間(最大)16.26s
応答時間(合計)16.26s
-
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)4.20s
応答時間(最大)4.68s
応答時間(合計)8.41s
-
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)9.21s
応答時間(最大)13.80s
応答時間(合計)27.63s
-
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)15.86s
応答時間(最大)15.86s
応答時間(合計)15.86s
-
雑学
: 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)156.22s
応答時間(最大)156.22s
応答時間(合計)156.22s
|
| #29#29 |
Claude Opus 5.5high
|
9.4… |
Anthropic |
$2.133
…
|
27.55s… |
テストは、その全実行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 回答なし: 1
応答時間(平均)27.55s
応答時間(最大)95.95s
応答時間(合計)633.73s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 4
- 試行ごとの合格率
- 87.0%
- 入力トークン
- 319,095
- 出力トークン
- 10,371
- 推論トークン
- 32,411
- 応答時間(平均)
- 27.55s
- 応答時間(合計)
- 633.73s
- 応答時間(最大)
- 95.95s
-
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)64.41s
応答時間(最大)64.41s
応答時間(合計)64.41s
-
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)12.58s
応答時間(最大)22.55s
応答時間(合計)50.32s
-
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)13.44s
応答時間(最大)23.69s
応答時間(合計)40.32s
-
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)60.05s
応答時間(最大)95.95s
応答時間(合計)120.09s
-
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)12.31s
応答時間(最大)17.98s
応答時間(合計)24.63s
-
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)30.08s
応答時間(最大)48.21s
応答時間(合計)90.25s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.66s
応答時間(最大)5.66s
応答時間(合計)5.66s
-
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)21.35s
応答時間(最大)23.43s
応答時間(合計)42.70s
-
パズル解決
: 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。
指示に従っていない: 1
応答時間(平均)30.85s
応答時間(最大)35.23s
応答時間(合計)92.54s
-
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)75.42s
応答時間(最大)75.42s
応答時間(合計)75.42s
-
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。
回答なし: 1
応答時間(平均)27.41s
応答時間(最大)27.41s
応答時間(合計)27.41s
|
| #30#30 |
Gemini 3.7 Flashlow
|
9.4… |
Google |
$0.183
…
|
6.24s… |
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: 2
応答時間(平均)6.24s
応答時間(最大)58.75s
応答時間(合計)143.56s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 2
- 試行ごとの合格率
- 95.7%
- 入力トークン
- 188,519
- 出力トークン
- 7,694
- 推論トークン
- 30,759
- 応答時間(平均)
- 6.24s
- 応答時間(合計)
- 143.56s
- 応答時間(最大)
- 58.75s
-
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)58.75s
応答時間(最大)58.75s
応答時間(合計)58.75s
-
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)1.54s
応答時間(最大)1.76s
応答時間(合計)6.17s
-
コーディング
: 7.6
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)6.20s
応答時間(最大)11.25s
応答時間(合計)18.59s
-
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)13.00s
応答時間(最大)19.44s
応答時間(合計)26.00s
-
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)2.15s
応答時間(最大)2.17s
応答時間(合計)4.29s
-
ドメイン特化
: 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)3.60s
応答時間(合計)9.26s
-
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)2.76s
応答時間(最大)2.76s
応答時間(合計)2.76s
-
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)2.47s
応答時間(最大)2.82s
応答時間(合計)4.94s
-
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)1.92s
応答時間(最大)2.35s
応答時間(合計)5.77s
-
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)4.10s
応答時間(最大)4.10s
応答時間(合計)4.10s
-
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)2.92s
応答時間(最大)2.92s
応答時間(合計)2.92s
|
| #31#31 |
Claude Opus 5high
|
9.4… |
Anthropic |
$4.524
…
|
25.31s… |
テストは、その全実行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 回答なし: 1
応答時間(平均)25.31s
応答時間(最大)159.01s
応答時間(合計)582.11s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 4
- 試行ごとの合格率
- 82.6%
- 入力トークン
- 376,421
- 出力トークン
- 67,688
- 推論トークン
- 37,974
- 応答時間(平均)
- 25.31s
- 応答時間(合計)
- 582.11s
- 応答時間(最大)
- 159.01s
-
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)86.99s
応答時間(最大)86.99s
応答時間(合計)86.99s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.91s
応答時間(最大)10.95s
応答時間(合計)23.66s
-
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)12.73s
応答時間(最大)15.75s
応答時間(合計)38.19s
-
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)31.11s
応答時間(最大)42.48s
応答時間(合計)62.21s
-
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)4.22s
応答時間(最大)4.27s
応答時間(合計)8.43s
-
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)104.24s
応答時間(最大)159.01s
応答時間(合計)312.73s
-
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)3.79s
応答時間(最大)3.79s
応答時間(合計)3.79s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.78s
応答時間(最大)4.91s
応答時間(合計)9.56s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.66s
応答時間(最大)5.51s
応答時間(合計)13.97s
-
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)8.44s
応答時間(最大)8.44s
応答時間(合計)8.44s
-
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)14.14s
応答時間(最大)14.14s
応答時間(合計)14.14s
|
| #32#32 |
Claude Opus 5medium
|
9.4… |
Anthropic |
$2.870
…
|
13.24s… |
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: 3 回答なし: 1
応答時間(平均)13.24s
応答時間(最大)78.80s
応答時間(合計)304.46s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 4
- 試行ごとの合格率
- 84.1%
- 入力トークン
- 356,605
- 出力トークン
- 26,715
- 推論トークン
- 17,041
- 応答時間(平均)
- 13.24s
- 応答時間(合計)
- 304.46s
- 応答時間(最大)
- 78.80s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)78.80s
応答時間(最大)78.80s
応答時間(合計)78.80s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.46s
応答時間(最大)9.44s
応答時間(合計)21.82s
-
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)9.56s
応答時間(最大)13.54s
応答時間(合計)28.69s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)23.89s
応答時間(最大)35.05s
応答時間(合計)47.78s
-
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)3.92s
応答時間(最大)4.28s
応答時間(合計)7.83s
-
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)26.35s
応答時間(最大)35.43s
応答時間(合計)79.04s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.56s
応答時間(最大)3.56s
応答時間(合計)3.56s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.16s
応答時間(最大)4.89s
応答時間(合計)8.32s
-
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)4.27s
応答時間(最大)5.00s
応答時間(合計)12.82s
-
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)8.76s
応答時間(最大)8.76s
応答時間(合計)8.76s
-
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)7.03s
応答時間(最大)7.03s
応答時間(合計)7.03s
|
| #33#33 |
GPT-6.1 Terraxhigh
|
9.3… |
OpenAI |
$0.789
…
|
23.65s… |
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: 4 指示に従っていない: 1
応答時間(平均)23.65s
応答時間(最大)236.28s
応答時間(合計)543.86s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 5
- 試行ごとの合格率
- 88.4%
- 入力トークン
- 183,057
- 出力トークン
- 5,490
- 推論トークン
- 115,512
- 応答時間(平均)
- 23.65s
- 応答時間(合計)
- 543.86s
- 応答時間(最大)
- 236.28s
-
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)47.94s
応答時間(最大)47.94s
応答時間(合計)47.94s
-
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)3.87s
応答時間(最大)4.72s
応答時間(合計)15.49s
-
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)15.91s
応答時間(最大)28.42s
応答時間(合計)47.72s
-
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)27.68s
応答時間(最大)41.90s
応答時間(合計)55.37s
-
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)2.71s
応答時間(最大)3.40s
応答時間(合計)5.41s
-
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。
不正解: 2
応答時間(平均)97.63s
応答時間(最大)236.28s
応答時間(合計)292.90s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)7.47s
応答時間(最大)7.47s
応答時間(合計)7.47s
-
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)2.95s
応答時間(最大)3.09s
応答時間(合計)5.90s
-
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)5.28s
応答時間(最大)6.56s
応答時間(合計)15.85s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)9.94s
応答時間(最大)9.94s
応答時間(合計)9.94s
-
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)39.87s
応答時間(最大)39.87s
応答時間(合計)39.87s
|
| #34#34 |
GPT-6.1 Terralow
|
9.3… |
OpenAI |
$0.221
…
|
6.05s… |
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。
指示に従っていない: 2 不正解: 2
応答時間(平均)6.05s
応答時間(最大)43.50s
応答時間(合計)139.21s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 4
- 試行ごとの合格率
- 85.5%
- 入力トークン
- 157,463
- 出力トークン
- 4,879
- 推論トークン
- 7,777
- 応答時間(平均)
- 6.05s
- 応答時間(合計)
- 139.21s
- 応答時間(最大)
- 43.50s
-
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)43.50s
応答時間(最大)43.50s
応答時間(合計)43.50s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.59s
応答時間(最大)2.78s
応答時間(合計)10.37s
-
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)3.51s
応答時間(最大)3.73s
応答時間(合計)10.54s
-
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)10.23s
応答時間(最大)14.58s
応答時間(合計)20.45s
-
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)1.90s
応答時間(最大)1.97s
応答時間(合計)3.81s
-
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)9.05s
応答時間(最大)14.69s
応答時間(合計)27.16s
-
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)3.19s
応答時間(最大)3.19s
応答時間(合計)3.19s
-
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)2.24s
応答時間(最大)2.84s
応答時間(合計)4.49s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.35s
応答時間(最大)2.93s
応答時間(合計)7.06s
-
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)5.38s
応答時間(最大)5.38s
応答時間(合計)5.38s
-
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)3.27s
応答時間(最大)3.27s
応答時間(合計)3.27s
|
| #35#35 |
Seed 2.1 Turbolow
|
9.3… |
Bytedance Seed |
$1.645
…
|
161.25s… |
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: 3 回答なし: 2
応答時間(平均)161.25s
応答時間(最大)739.98s
応答時間(合計)3708.70s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 5
- 試行ごとの合格率
- 81.2%
- 入力トークン
- 241,855
- 出力トークン
- 8,387
- 推論トークン
- 600,946
- 応答時間(平均)
- 161.25s
- 応答時間(合計)
- 3708.70s
- 応答時間(最大)
- 739.98s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)102.83s
応答時間(最大)102.83s
応答時間(合計)102.83s
-
反AIトリック
: 8.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)34.78s
応答時間(最大)49.10s
応答時間(合計)139.11s
-
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)360.85s
応答時間(最大)496.34s
応答時間(合計)1082.55s
-
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)359.97s
応答時間(最大)433.13s
応答時間(合計)719.94s
-
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)34.55s
応答時間(最大)51.05s
応答時間(合計)69.10s
-
ドメイン特化
: 2.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 2 不正解: 1
応答時間(平均)424.53s
応答時間(最大)739.98s
応答時間(合計)1273.59s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)41.83s
応答時間(最大)41.83s
応答時間(合計)41.83s
-
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)5.05s
応答時間(最大)5.90s
応答時間(合計)10.09s
-
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)23.45s
応答時間(最大)45.04s
応答時間(合計)70.36s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)27.40s
応答時間(最大)27.40s
応答時間(合計)27.40s
-
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)171.92s
応答時間(最大)171.92s
応答時間(合計)171.92s
|
| #36#36 |
Gemini 4 Hydrogenmedium
|
9.3… |
Google |
$1.330
…
|
16.56s… |
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: 2 無効なツール呼び出し: 1
応答時間(平均)16.56s
応答時間(最大)70.41s
応答時間(合計)380.96s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 3
- 試行ごとの合格率
- 91.3%
- 入力トークン
- 248,530
- 出力トークン
- 6,957
- 推論トークン
- 120,593
- 応答時間(平均)
- 16.56s
- 応答時間(合計)
- 380.96s
- 応答時間(最大)
- 70.41s
-
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)70.41s
応答時間(最大)70.41s
応答時間(合計)70.41s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.99s
応答時間(最大)3.47s
応答時間(合計)11.95s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)19.06s
応答時間(最大)24.08s
応答時間(合計)57.19s
-
複合
: 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。
無効なツール呼び出し: 1
応答時間(平均)30.98s
応答時間(最大)39.55s
応答時間(合計)61.96s
-
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)7.05s
応答時間(最大)7.33s
応答時間(合計)14.10s
-
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。
不正解: 2
応答時間(平均)40.99s
応答時間(最大)69.68s
応答時間(合計)122.98s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.70s
応答時間(最大)5.70s
応答時間(合計)5.70s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.75s
応答時間(最大)6.01s
応答時間(合計)9.50s
-
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)3.43s
応答時間(最大)4.49s
応答時間(合計)10.29s
-
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)10.35s
応答時間(最大)10.35s
応答時間(合計)10.35s
-
雑学
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)6.54s
応答時間(最大)6.54s
応答時間(合計)6.54s
|
| #37#37 |
Muse Emberhigh
|
9.2… |
Meta |
$0.156
…
|
11.67s… |
テストは、その全実行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
応答時間(平均)11.67s
応答時間(最大)53.01s
応答時間(合計)268.45s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 5
- 試行ごとの合格率
- 79.7%
- 入力トークン
- 282,192
- 出力トークン
- 14,054
- 推論トークン
- 240,838
- 応答時間(平均)
- 11.67s
- 応答時間(合計)
- 268.45s
- 応答時間(最大)
- 53.01s
-
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)48.28s
応答時間(最大)48.28s
応答時間(合計)48.28s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.29s
応答時間(最大)3.75s
応答時間(合計)9.16s
-
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)9.62s
応答時間(最大)14.38s
応答時間(合計)28.87s
-
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)10.86s
応答時間(最大)16.32s
応答時間(合計)21.72s
-
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)3.86s
応答時間(最大)4.56s
応答時間(合計)7.73s
-
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)29.08s
応答時間(最大)53.01s
応答時間(合計)87.23s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.80s
応答時間(最大)2.80s
応答時間(合計)2.80s
-
指示追従
: 9.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.05s
応答時間(最大)4.77s
応答時間(合計)6.11s
-
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)12.05s
応答時間(最大)27.08s
応答時間(合計)36.15s
-
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)3.95s
応答時間(最大)3.95s
応答時間(合計)3.95s
-
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)16.46s
応答時間(最大)16.46s
応答時間(合計)16.46s
|
| #38#38 |
Gemini 4 Hydrogenlow
|
9.2… |
Google |
$0.669
…
|
8.35s… |
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: 4
応答時間(平均)8.35s
応答時間(最大)46.60s
応答時間(合計)192.05s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 4
- 試行ごとの合格率
- 91.3%
- 入力トークン
- 207,874
- 出力トークン
- 6,853
- 推論トークン
- 40,673
- 応答時間(平均)
- 8.35s
- 応答時間(合計)
- 192.05s
- 応答時間(最大)
- 46.60s
-
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)46.60s
応答時間(最大)46.60s
応答時間(合計)46.60s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.48s
応答時間(最大)2.87s
応答時間(合計)9.90s
-
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)8.92s
応答時間(最大)10.10s
応答時間(合計)26.76s
-
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)18.34s
応答時間(最大)22.61s
応答時間(合計)36.68s
-
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)5.22s
応答時間(最大)5.68s
応答時間(合計)10.44s
-
ドメイン特化
: 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: 3
応答時間(平均)10.34s
応答時間(最大)11.22s
応答時間(合計)31.03s
-
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)3.52s
応答時間(最大)3.52s
応答時間(合計)3.52s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.50s
応答時間(最大)4.24s
応答時間(合計)7.00s
-
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)3.08s
応答時間(最大)5.14s
応答時間(合計)9.25s
-
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)6.27s
応答時間(最大)6.27s
応答時間(合計)6.27s
-
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)4.60s
応答時間(最大)4.60s
応答時間(合計)4.60s
|
| #39#39 |
Gemini 4 Carbonhigh
|
9.2… |
Google |
$6.107
…
|
120.04s… |
テストは、その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)120.04s
応答時間(最大)443.11s
応答時間(合計)2760.87s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 2
- 試行ごとの合格率
- 97.1%
- 入力トークン
- 484,505
- 出力トークン
- 6,098
- 推論トークン
- 507,672
- 応答時間(平均)
- 120.04s
- 応答時間(合計)
- 2760.87s
- 応答時間(最大)
- 443.11s
-
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)242.71s
応答時間(最大)242.71s
応答時間(合計)242.71s
-
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)11.36s
応答時間(最大)14.53s
応答時間(合計)45.46s
-
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)119.00s
応答時間(最大)148.84s
応答時間(合計)357.00s
-
複合
: 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。
無効なツール呼び出し: 2
応答時間(平均)399.18s
応答時間(最大)443.11s
応答時間(合計)798.35s
-
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)21.49s
応答時間(最大)21.97s
応答時間(合計)42.99s
-
ドメイン特化
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)337.62s
応答時間(最大)426.48s
応答時間(合計)1012.87s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)22.70s
応答時間(最大)22.70s
応答時間(合計)22.70s
-
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)24.45s
応答時間(最大)33.32s
応答時間(合計)48.91s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)16.38s
応答時間(最大)19.13s
応答時間(合計)49.13s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)97.59s
応答時間(最大)97.59s
応答時間(合計)97.59s
-
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)43.18s
応答時間(最大)43.18s
応答時間(合計)43.18s
|
| #40#40 |
Muse Spark Openhigh
|
9.2… |
Meta |
$1.782
…
|
151.96s… |
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。
タイムアウト: 2 不正解: 2 API エラー: 1 指示に従っていない: 1
応答時間(平均)151.96s
応答時間(最大)960.01s
応答時間(合計)3495.01s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 6
- 試行ごとの合格率
- 76.8%
- 入力トークン
- 270,889
- 出力トークン
- 10,688
- 推論トークン
- 328,857
- 応答時間(平均)
- 151.96s
- 応答時間(合計)
- 3495.01s
- 応答時間(最大)
- 960.01s
-
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)50.14s
応答時間(最大)50.14s
応答時間(合計)50.14s
-
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。
タイムアウト: 1
応答時間(平均)252.99s
応答時間(最大)960.01s
応答時間(合計)1011.96s
-
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)33.49s
応答時間(最大)79.41s
応答時間(合計)100.47s
-
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)111.75s
応答時間(最大)191.35s
応答時間(合計)223.49s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)14.72s
応答時間(最大)27.84s
応答時間(合計)29.44s
-
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 タイムアウト: 1
応答時間(平均)412.11s
応答時間(最大)730.94s
応答時間(合計)1236.34s
-
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)8.35s
応答時間(最大)8.35s
応答時間(合計)8.35s
-
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)28.50s
応答時間(最大)38.63s
応答時間(合計)57.00s
-
パズル解決
: 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
応答時間(平均)145.68s
応答時間(最大)407.90s
応答時間(合計)437.03s
-
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)10.65s
応答時間(最大)10.65s
応答時間(合計)10.65s
-
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。
API エラー: 1
応答時間(平均)330.14s
応答時間(最大)330.14s
応答時間(合計)330.14s
|
| #41#41 |
Claude Opus 5.5medium
|
9.2… |
Anthropic |
$1.804
…
|
25.85s… |
テストは、その全実行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)25.85s
応答時間(最大)90.20s
応答時間(合計)594.63s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 3
- 試行ごとの合格率
- 89.9%
- 入力トークン
- 290,117
- 出力トークン
- 9,805
- 推論トークン
- 22,322
- 応答時間(平均)
- 25.85s
- 応答時間(合計)
- 594.63s
- 応答時間(最大)
- 90.20s
-
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)62.59s
応答時間(最大)62.59s
応答時間(合計)62.59s
-
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)12.42s
応答時間(最大)21.36s
応答時間(合計)49.67s
-
コーディング
: 8.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)13.50s
応答時間(最大)24.19s
応答時間(合計)40.50s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)55.69s
応答時間(最大)90.20s
応答時間(合計)111.37s
-
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)12.65s
応答時間(最大)17.96s
応答時間(合計)25.31s
-
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)21.35s
応答時間(最大)31.14s
応答時間(合計)64.05s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)6.17s
応答時間(最大)6.17s
応答時間(合計)6.17s
-
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)21.33s
応答時間(最大)22.80s
応答時間(合計)42.66s
-
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)30.12s
応答時間(最大)32.93s
応答時間(合計)90.36s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)74.20s
応答時間(最大)74.20s
応答時間(合計)74.20s
-
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)27.75s
応答時間(最大)27.75s
応答時間(合計)27.75s
|
| #42#42 |
Muse Wondermedium
|
9.2… |
Meta |
$3.397
…
|
21.58s… |
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。
API エラー: 4 不正解: 2
応答時間(平均)21.58s
応答時間(最大)162.73s
応答時間(合計)496.40s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 6
- 試行ごとの合格率
- 76.8%
- 入力トークン
- 241,489
- 出力トークン
- 11,575
- 推論トークン
- 109,971
- 応答時間(平均)
- 21.58s
- 応答時間(合計)
- 496.40s
- 応答時間(最大)
- 162.73s
-
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)46.05s
応答時間(最大)46.05s
応答時間(合計)46.05s
-
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。
API エラー: 1
応答時間(平均)4.84s
応答時間(最大)9.81s
応答時間(合計)19.36s
-
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)26.87s
応答時間(最大)35.98s
応答時間(合計)80.62s
-
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)28.23s
応答時間(最大)35.12s
応答時間(合計)56.46s
-
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)6.12s
応答時間(最大)7.58s
応答時間(合計)12.23s
-
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)70.72s
応答時間(最大)162.73s
応答時間(合計)212.15s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)7.32s
応答時間(最大)7.32s
応答時間(合計)7.32s
-
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。
API エラー: 1
応答時間(平均)3.88s
応答時間(最大)4.42s
応答時間(合計)7.77s
-
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。
API エラー: 1
応答時間(平均)9.63s
応答時間(最大)16.54s
応答時間(合計)28.88s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)9.26s
応答時間(最大)9.26s
応答時間(合計)9.26s
-
雑学
: 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: 1
応答時間(平均)16.33s
応答時間(最大)16.33s
応答時間(合計)16.33s
|
| #43#43 |
GPT-5.5medium
|
9.2… |
OpenAI |
$4.809
…
|
39.86s… |
テストは、その全実行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)39.86s
応答時間(最大)332.10s
応答時間(合計)916.82s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 4
- 試行ごとの合格率
- 88.4%
- 入力トークン
- 180,959
- 出力トークン
- 6,472
- 推論トークン
- 123,635
- 応答時間(平均)
- 39.86s
- 応答時間(合計)
- 916.82s
- 応答時間(最大)
- 332.10s
-
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)59.39s
応答時間(最大)59.39s
応答時間(合計)59.39s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.66s
応答時間(最大)6.74s
応答時間(合計)18.65s
-
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)59.77s
応答時間(最大)130.26s
応答時間(合計)179.30s
-
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)33.52s
応答時間(最大)47.74s
応答時間(合計)67.03s
-
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)4.18s
応答時間(最大)4.35s
応答時間(合計)8.36s
-
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)168.16s
応答時間(最大)332.10s
応答時間(合計)504.49s
-
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)4.16s
応答時間(最大)4.16s
応答時間(合計)4.16s
-
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)3.36s
応答時間(最大)3.46s
応答時間(合計)6.73s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)6.76s
応答時間(最大)10.54s
応答時間(合計)20.28s
-
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)10.57s
応答時間(最大)10.57s
応答時間(合計)10.57s
-
雑学
: 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)37.86s
応答時間(最大)37.86s
応答時間(合計)37.86s
|
| #44#44 |
Claude Sonnet 5.5max
|
9.2… |
Anthropic |
$8.557
…
|
84.26s… |
テストは、その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 指示に従っていない: 2
応答時間(平均)84.26s
応答時間(最大)488.39s
応答時間(合計)1937.91s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 5
- 試行ごとの合格率
- 82.6%
- 入力トークン
- 484,627
- 出力トークン
- 11,026
- 推論トークン
- 747,681
- 応答時間(平均)
- 84.26s
- 応答時間(合計)
- 1937.91s
- 応答時間(最大)
- 488.39s
-
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)111.06s
応答時間(最大)111.06s
応答時間(合計)111.06s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.39s
応答時間(最大)6.51s
応答時間(合計)21.56s
-
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)55.26s
応答時間(最大)85.23s
応答時間(合計)165.77s
-
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)113.57s
応答時間(最大)163.26s
応答時間(合計)227.14s
-
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)16.07s
応答時間(最大)26.73s
応答時間(合計)32.15s
-
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。
回答なし: 2
応答時間(平均)401.38s
応答時間(最大)488.39s
応答時間(合計)1204.15s
-
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。
指示に従っていない: 1
応答時間(平均)56.66s
応答時間(最大)56.66s
応答時間(合計)56.66s
-
指示追従
: 8.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)6.24s
応答時間(最大)6.45s
応答時間(合計)12.49s
-
パズル解決
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)6.17s
応答時間(最大)7.19s
応答時間(合計)18.52s
-
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)41.40s
応答時間(最大)41.40s
応答時間(合計)41.40s
-
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)47.01s
応答時間(最大)47.01s
応答時間(合計)47.01s
|
| #45#45 |
Qwen3.8 MAXmedium
|
9.2… |
Qwen |
$1.181
↑
…
|
27.34s… |
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: 4 無効なツール呼び出し: 1
応答時間(平均)27.34s
応答時間(最大)126.60s
応答時間(合計)628.75s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 5
- 試行ごとの合格率
- 81.2%
- 入力トークン
- 276,512
- 出力トークン
- 8,152
- 推論トークン
- 96,444
- 応答時間(平均)
- 27.34s
- 応答時間(合計)
- 628.75s
- 応答時間(最大)
- 126.60s
-
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)115.27s
応答時間(最大)115.27s
応答時間(合計)115.27s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.17s
応答時間(最大)6.30s
応答時間(合計)16.69s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)41.35s
応答時間(最大)74.36s
応答時間(合計)124.04s
-
複合
: 8.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)91.25s
応答時間(最大)126.60s
応答時間(合計)182.50s
-
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)8.72s
応答時間(最大)9.59s
応答時間(合計)17.44s
-
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)41.77s
応答時間(最大)49.58s
応答時間(合計)125.30s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)6.41s
応答時間(最大)6.41s
応答時間(合計)6.41s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.49s
応答時間(最大)4.45s
応答時間(合計)6.98s
-
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)4.93s
応答時間(最大)6.68s
応答時間(合計)14.79s
-
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)7.83s
応答時間(最大)7.83s
応答時間(合計)7.83s
-
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)11.49s
応答時間(最大)11.49s
応答時間(合計)11.49s
|
| #46#46 |
DeepSeek V4.1 Flash 1017low
|
9.2… |
DeepSeek |
$0.355
…
|
32.55s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5 指示に従っていない: 1 回答なし: 1
応答時間(平均)32.55s
応答時間(最大)443.63s
応答時間(合計)748.62s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 7
- 試行ごとの合格率
- 78.3%
- 入力トークン
- 267,122
- 出力トークン
- 7,369
- 推論トークン
- 516,113
- 応答時間(平均)
- 32.55s
- 応答時間(合計)
- 748.62s
- 応答時間(最大)
- 443.63s
-
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)46.67s
応答時間(最大)46.67s
応答時間(合計)46.67s
-
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)2.02s
応答時間(最大)3.82s
応答時間(合計)8.08s
-
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)27.01s
応答時間(最大)49.86s
応答時間(合計)81.03s
-
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)18.73s
応答時間(最大)30.18s
応答時間(合計)37.45s
-
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)1.71s
応答時間(最大)1.78s
応答時間(合計)3.43s
-
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 回答なし: 1
応答時間(平均)174.63s
応答時間(最大)443.63s
応答時間(合計)523.89s
-
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)2.25s
応答時間(最大)2.25s
応答時間(合計)2.25s
-
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)1.25s
応答時間(最大)1.30s
応答時間(合計)2.51s
-
パズル解決
: 6.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)2.54s
応答時間(最大)4.47s
応答時間(合計)7.61s
-
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)1.92s
応答時間(最大)1.92s
応答時間(合計)1.92s
-
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)33.79s
応答時間(最大)33.79s
応答時間(合計)33.79s
|
| #47#47 |
Gemini 4 Hydrogenxhigh
|
9.2… |
Google |
$8.734
…
|
89.92s… |
テストは、その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 指示に従っていない: 1 回答なし: 1
応答時間(平均)89.92s
応答時間(最大)379.79s
応答時間(合計)2068.10s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 4
- 試行ごとの合格率
- 89.9%
- 入力トークン
- 626,965
- 出力トークン
- 9,003
- 推論トークン
- 1,030,089
- 応答時間(平均)
- 89.92s
- 応答時間(合計)
- 2068.10s
- 応答時間(最大)
- 379.79s
-
エージェントタスク
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)103.09s
応答時間(最大)103.09s
応答時間(合計)103.09s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)6.98s
応答時間(最大)7.77s
応答時間(合計)27.91s
-
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)86.90s
応答時間(最大)142.17s
応答時間(合計)260.70s
-
複合
: 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: 2
応答時間(平均)332.59s
応答時間(最大)379.79s
応答時間(合計)665.17s
-
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)16.34s
応答時間(最大)17.90s
応答時間(合計)32.68s
-
ドメイン特化
: 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。
回答なし: 1
応答時間(平均)267.57s
応答時間(最大)325.33s
応答時間(合計)802.71s
-
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)9.66s
応答時間(最大)9.66s
応答時間(合計)9.66s
-
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)19.81s
応答時間(最大)30.57s
応答時間(合計)39.62s
-
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)8.37s
応答時間(最大)9.88s
応答時間(合計)25.10s
-
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)74.83s
応答時間(最大)74.83s
応答時間(合計)74.83s
-
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)26.65s
応答時間(最大)26.65s
応答時間(合計)26.65s
|
| #48#48 |
Gemini 4 Carbonmedium
|
9.1… |
Google |
$1.933
…
|
38.78s… |
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。
無効なツール呼び出し: 2 不正解: 1
応答時間(平均)38.78s
応答時間(最大)206.61s
応答時間(合計)892.02s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 3
- 試行ごとの合格率
- 95.7%
- 入力トークン
- 306,396
- 出力トークン
- 5,746
- 推論トークン
- 126,202
- 応答時間(平均)
- 38.78s
- 応答時間(合計)
- 892.02s
- 応答時間(最大)
- 206.61s
-
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)155.77s
応答時間(最大)155.77s
応答時間(合計)155.77s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)6.33s
応答時間(最大)7.98s
応答時間(合計)25.31s
-
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)29.67s
応答時間(最大)37.56s
応答時間(合計)89.01s
-
複合
: 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。
無効なツール呼び出し: 2
応答時間(平均)139.49s
応答時間(最大)206.61s
応答時間(合計)278.99s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)6.42s
応答時間(最大)7.02s
応答時間(合計)12.83s
-
ドメイン特化
: 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)82.49s
応答時間(最大)113.77s
応答時間(合計)247.47s
-
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)11.27s
応答時間(最大)11.27s
応答時間(合計)11.27s
-
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)4.80s
応答時間(最大)4.92s
応答時間(合計)9.61s
-
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)8.73s
応答時間(最大)9.87s
応答時間(合計)26.20s
-
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)25.10s
応答時間(最大)25.10s
応答時間(合計)25.10s
-
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)10.47s
応答時間(最大)10.47s
応答時間(合計)10.47s
|
| #49#49 |
Qwen3.8 Max (0902)high
|
9.1… |
Qwen |
$3.306
…
|
186.06s… |
テストは、その全実行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 無効なツール呼び出し: 1 タイムアウト: 1
応答時間(平均)186.06s
応答時間(最大)912.78s
応答時間(合計)4279.49s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 5
- 試行ごとの合格率
- 87.0%
- 入力トークン
- 328,637
- 出力トークン
- 8,619
- 推論トークン
- 432,733
- 応答時間(平均)
- 186.06s
- 応答時間(合計)
- 4279.49s
- 応答時間(最大)
- 912.78s
-
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)197.08s
応答時間(最大)197.08s
応答時間(合計)197.08s
-
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)15.86s
応答時間(最大)43.91s
応答時間(合計)63.42s
-
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)253.22s
応答時間(最大)465.35s
応答時間(合計)759.66s
-
複合
: 8.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)110.39s
応答時間(最大)193.76s
応答時間(合計)220.77s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)16.37s
応答時間(最大)21.48s
応答時間(合計)32.74s
-
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。
タイムアウト: 1 不正解: 1
応答時間(平均)658.46s
応答時間(最大)912.78s
応答時間(合計)1975.38s
-
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)75.11s
応答時間(最大)75.11s
応答時間(合計)75.11s
-
指示追従
: 9.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)7.55s
応答時間(最大)8.10s
応答時間(合計)15.11s
-
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)134.14s
応答時間(最大)355.52s
応答時間(合計)402.43s
-
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)5.21s
応答時間(最大)5.21s
応答時間(合計)5.21s
-
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)532.59s
応答時間(最大)532.59s
応答時間(合計)532.59s
|
| #50#50 |
GPT-5.3-Codexmedium
|
9.1… |
OpenAI |
$1.318
…
|
18.87s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 4 指示に従っていない: 2
応答時間(平均)18.87s
応答時間(最大)100.93s
応答時間(合計)433.94s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 6
- 試行ごとの合格率
- 84.1%
- 入力トークン
- 222,794
- 出力トークン
- 7,357
- 推論トークン
- 58,930
- 応答時間(平均)
- 18.87s
- 応答時間(合計)
- 433.94s
- 応答時間(最大)
- 100.93s
-
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)61.91s
応答時間(最大)61.91s
応答時間(合計)61.91s
-
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)4.16s
応答時間(最大)6.68s
応答時間(合計)16.63s
-
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)19.50s
応答時間(最大)27.96s
応答時間(合計)58.49s
-
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)26.04s
応答時間(最大)32.53s
応答時間(合計)52.08s
-
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)3.07s
応答時間(最大)3.59s
応答時間(合計)6.15s
-
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)63.93s
応答時間(最大)100.93s
応答時間(合計)191.78s
-
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)4.87s
応答時間(最大)4.87s
応答時間(合計)4.87s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.04s
応答時間(最大)3.44s
応答時間(合計)6.07s
-
パズル解決
: 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。
指示に従っていない: 1
応答時間(平均)5.05s
応答時間(最大)8.73s
応答時間(合計)15.15s
-
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)6.37s
応答時間(最大)6.37s
応答時間(合計)6.37s
-
雑学
: 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)14.43s
応答時間(最大)14.43s
応答時間(合計)14.43s
|