| #501#501 |
Solar Decidedefault21/69 回. アダプターが選択肢を用意します。7/23 件のテストに対応しています。他のテストは未対応で、失敗ではありません。スコアはテスト全体を基準に計算されます。
|
1.0… |
Upstage |
$0.009
↑
…
|
6.01s… |
テストは、その全実行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)6.01s
応答時間(最大)13.10s
応答時間(合計)42.05s
…
|
- 合計テスト数
- 7
- 誤答テスト数
- 5
- 試行ごとの合格率
- 14.5%
- 入力トークン
- 47,586
- 出力トークン
- 51
- 推論トークン
- 0
- 応答時間(平均)
- 6.01s
- 応答時間(合計)
- 42.05s
- 応答時間(最大)
- 13.10s
-
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
: 0.8
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)2.41s
応答時間(最大)2.41s
応答時間(合計)2.41s
-
コーディング
: 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
-
複合
: 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
-
データ解析と抽出
: 3.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)5.00s
応答時間(最大)6.86s
応答時間(合計)10.00s
-
ドメイン特化
: 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)7.26s
応答時間(最大)13.10s
応答時間(合計)14.52s
-
汎用知能
: 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
-
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。
失敗した回答はありません。
応答時間(平均)11.66s
応答時間(最大)11.66s
応答時間(合計)11.66s
-
パズル解決
: 1.0
テストは、その全実行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)3.47s
応答時間(最大)3.47s
応答時間(合計)3.47s
-
ツール呼び出し
: 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
-
雑学
: 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
|
| #502#502 |
Tev1 4B Experimentaldefault21/69 回. アダプターが選択肢を用意します。7/23 件のテストに対応しています。他のテストは未対応で、失敗ではありません。スコアはテスト全体を基準に計算されます。
|
1.0… |
Togethercomputer |
$0.002
…
|
498ms… |
テストは、その全実行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)498ms
応答時間(最大)602ms
応答時間(合計)3.49s
…
|
- 合計テスト数
- 7
- 誤答テスト数
- 4
- 試行ごとの合格率
- 13.0%
- 入力トークン
- 33,864
- 出力トークン
- 96
- 推論トークン
- 0
- 応答時間(平均)
- 498ms
- 応答時間(合計)
- 3.49s
- 応答時間(最大)
- 602ms
-
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
: 2.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)602ms
応答時間(最大)602ms
応答時間(合計)602ms
-
コーディング
: 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
-
複合
: 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
-
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)509ms
応答時間(最大)563ms
応答時間(合計)1.02s
-
ドメイン特化
: 6.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)440ms
応答時間(最大)491ms
応答時間(合計)879ms
-
汎用知能
: 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
-
指示追従
: 1.5
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)555ms
応答時間(最大)555ms
応答時間(合計)555ms
-
パズル解決
: 1.7
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)432ms
応答時間(最大)432ms
応答時間(合計)432ms
-
ツール呼び出し
: 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
-
雑学
: 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
|
| #503#503 |
Nimble v3 9Bdefault候補モデルの回答はローカルのハードウェアで生成されました。OpenRouter は評価のみに使用しました。 nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.21/69 回. アダプターが選択肢を用意します。7/23 件のテストに対応しています。他のテストは未対応で、失敗ではありません。スコアはテスト全体を基準に計算されます。
|
0.8… |
Bespoke Labs |
~$0.001
GPUの電気料金のみの推定です。コンピューターの他の部分とハードウェアの購入費用は含みません。 NVIDIA GeForce RTX 3090: 0.0021 h × 0.377 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.000263.
|
363ms… |
テストは、その全実行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
応答時間(平均)363ms
応答時間(最大)1.24s
応答時間(合計)2.54s
…
|
- 合計テスト数
- 7
- 誤答テスト数
- 6
- 試行ごとの合格率
- 4.4%
- 入力トークン
- 103,770
- 出力トークン
- 0
- 推論トークン
- 0
- 応答時間(平均)
- 363ms
- 応答時間(合計)
- 2.54s
- 応答時間(最大)
- 1.24s
-
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
: 2.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)73ms
応答時間(最大)73ms
応答時間(合計)73ms
-
コーディング
: 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
-
複合
: 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
-
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)880ms
応答時間(最大)1.24s
応答時間(合計)1.76s
-
ドメイン特化
: 2.0
テストは、その全実行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)80ms
応答時間(最大)91ms
応答時間(合計)160ms
-
汎用知能
: 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
-
指示追従
: 1.5
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)469ms
応答時間(最大)469ms
応答時間(合計)469ms
-
パズル解決
: 1.7
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)79ms
応答時間(最大)79ms
応答時間(合計)79ms
-
ツール呼び出し
: 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
-
雑学
: 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
|
| #504#504 |
Claude Opus 5.5none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。
|
0.2… |
Anthropic |
$0.015
…
|
13.58s… |
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。
失敗した回答はありません。
応答時間(平均)13.58s
応答時間(最大)13.58s
応答時間(合計)13.58s
…
|
- 合計テスト数
- 1
- 誤答テスト数
- 0
- 試行ごとの合格率
- 4.4%
- 入力トークン
- 73
- 出力トークン
- 6
- 推論トークン
- 729
- 応答時間(平均)
- 13.58s
- 応答時間(合計)
- 13.58s
- 応答時間(最大)
- 13.58s
-
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
: 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
-
コーディング
: 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
-
複合
: 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
-
データ解析と抽出
: 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
-
ドメイン特化
: 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。
失敗した回答はありません。
応答時間(平均)13.58s
応答時間(最大)13.58s
応答時間(合計)13.58s
-
汎用知能
: 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
-
指示追従
: 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
-
パズル解決
: 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
-
ツール呼び出し
: 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
-
雑学
: 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
|