| #76#76 |
Muse Emberminimal
|
8.9… |
Meta |
$0.047
…
|
5.30s… |
テストは、その全実行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)5.30s
応答時間(最大)48.15s
応答時間(合計)121.82s
…
|
- 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
- 265,844
- 出力トークン
- 10,584
- 推論トークン
- 29,993
- 応答時間(平均)
- 5.30s
- 応答時間(合計)
- 121.82s
- 応答時間(最大)
- 48.15s
-
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)48.15s
応答時間(最大)48.15s
応答時間(合計)48.15s
-
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)2.03s
応答時間(最大)3.08s
応答時間(合計)8.11s
-
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)2.66s
応答時間(最大)3.06s
応答時間(合計)7.97s
-
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)9.58s
応答時間(最大)14.52s
応答時間(合計)19.15s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)1.57s
応答時間(最大)1.68s
応答時間(合計)3.15s
-
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)3.96s
応答時間(最大)4.30s
応答時間(合計)11.89s
-
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)1.65s
応答時間(最大)1.65s
応答時間(合計)1.65s
-
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)2.10s
応答時間(最大)2.70s
応答時間(合計)4.21s
-
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)3.33s
応答時間(最大)5.39s
応答時間(合計)9.99s
-
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。
不正解: 1
応答時間(平均)2.88s
応答時間(最大)2.88s
応答時間(合計)2.88s
|
| #77#77 |
Claude Fable 5medium
|
8.9… |
Anthropic |
$5.089
…
|
16.84s… |
テストは、その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 無効なツール呼び出し: 1 不正解: 1
応答時間(平均)16.84s
応答時間(最大)80.80s
応答時間(合計)387.26s
…
|
- 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
- 272,411
- 出力トークン
- 35,497
- 推論トークン
- 11,788
- 応答時間(平均)
- 16.84s
- 応答時間(合計)
- 387.26s
- 応答時間(最大)
- 80.80s
-
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)57.11s
応答時間(最大)57.11s
応答時間(合計)57.11s
-
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)6.20s
応答時間(最大)6.57s
応答時間(合計)24.81s
-
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)15.59s
応答時間(最大)22.20s
応答時間(合計)46.76s
-
複合
: 6.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)27.47s
応答時間(最大)33.70s
応答時間(合計)54.94s
-
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)7.18s
応答時間(最大)7.44s
応答時間(合計)14.35s
-
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: 1 不正解: 1
応答時間(平均)37.32s
応答時間(最大)80.80s
応答時間(合計)111.95s
-
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)7.42s
応答時間(最大)7.42s
応答時間(合計)7.42s
-
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)5.90s
応答時間(最大)5.96s
応答時間(合計)11.79s
-
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。
回答なし: 1
応答時間(平均)5.18s
応答時間(最大)5.58s
応答時間(合計)15.53s
-
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)16.96s
応答時間(最大)16.96s
応答時間(合計)16.96s
-
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。
回答なし: 1
応答時間(平均)25.64s
応答時間(最大)25.64s
応答時間(合計)25.64s
|
| #78#78 |
Pareto 26.9default
|
8.9… |
Unbiased |
$1.864
…
|
28.26s… |
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。
不正解: 6 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)28.26s
応答時間(最大)151.76s
応答時間(合計)649.90s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 79.7%
- 入力トークン
- 218,199
- 出力トークン
- 175,696
- 推論トークン
- 0
- 応答時間(平均)
- 28.26s
- 応答時間(合計)
- 649.90s
- 応答時間(最大)
- 151.76s
-
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)54.17s
応答時間(最大)54.17s
応答時間(合計)54.17s
-
反AIトリック
: 7.5
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)6.44s
応答時間(最大)11.13s
応答時間(合計)25.75s
-
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)49.15s
応答時間(最大)73.90s
応答時間(合計)147.45s
-
複合
: 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。
無効なツール呼び出し: 1
応答時間(平均)81.38s
応答時間(最大)151.76s
応答時間(合計)162.76s
-
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)2.63s
応答時間(最大)2.69s
応答時間(合計)5.25s
-
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)60.97s
応答時間(最大)111.23s
応答時間(合計)182.92s
-
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)6.55s
応答時間(最大)6.55s
応答時間(合計)6.55s
-
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)3.82s
応答時間(最大)5.25s
応答時間(合計)7.64s
-
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)8.40s
応答時間(最大)13.85s
応答時間(合計)25.21s
-
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)3.63s
応答時間(最大)3.63s
応答時間(合計)3.63s
-
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)28.57s
応答時間(最大)28.57s
応答時間(合計)28.57s
|
| #79#79 |
Kimi K3.1 Prolow
|
8.8… |
Moonshot AI |
$1.836
…
|
47.50s… |
テストは、その全実行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: 1
応答時間(平均)47.50s
応答時間(最大)506.95s
応答時間(合計)1092.61s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 6
- 試行ごとの合格率
- 81.2%
- 入力トークン
- 221,802
- 出力トークン
- 12,498
- 推論トークン
- 126,660
- 応答時間(平均)
- 47.50s
- 応答時間(合計)
- 1092.61s
- 応答時間(最大)
- 506.95s
-
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)69.28s
応答時間(最大)69.28s
応答時間(合計)69.28s
-
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)5.90s
応答時間(最大)8.40s
応答時間(合計)23.59s
-
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)18.91s
応答時間(最大)27.24s
応答時間(合計)56.73s
-
複合
: 6.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)52.27s
応答時間(最大)85.93s
応答時間(合計)104.53s
-
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)5.31s
応答時間(最大)5.38s
応答時間(合計)10.61s
-
ドメイン特化
: 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。
不正解: 3
応答時間(平均)243.49s
応答時間(最大)506.95s
応答時間(合計)730.48s
-
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)7.96s
応答時間(最大)7.96s
応答時間(合計)7.96s
-
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)5.84s
応答時間(最大)6.71s
応答時間(合計)11.67s
-
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)7.29s
応答時間(最大)9.35s
応答時間(合計)21.87s
-
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)11.24s
応答時間(最大)11.24s
応答時間(合計)11.24s
-
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)44.64s
応答時間(最大)44.64s
応答時間(合計)44.64s
|
| #80#80 |
Qwen3.8 MAXlow
|
8.8… |
Qwen |
$1.089
↑
…
|
25.09s… |
テストは、その全実行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)25.09s
応答時間(最大)155.75s
応答時間(合計)577.14s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 6
- 試行ごとの合格率
- 81.2%
- 入力トークン
- 262,495
- 出力トークン
- 7,787
- 推論トークン
- 86,149
- 応答時間(平均)
- 25.09s
- 応答時間(合計)
- 577.14s
- 応答時間(最大)
- 155.75s
-
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)96.77s
応答時間(最大)96.77s
応答時間(合計)96.77s
-
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)3.93s
応答時間(最大)6.37s
応答時間(合計)15.72s
-
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)28.69s
応答時間(最大)45.84s
応答時間(合計)86.06s
-
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)98.19s
応答時間(最大)155.75s
応答時間(合計)196.37s
-
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)7.87s
応答時間(最大)8.07s
応答時間(合計)15.75s
-
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)40.12s
応答時間(最大)51.38s
応答時間(合計)120.35s
-
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)5.29s
応答時間(最大)5.29s
応答時間(合計)5.29s
-
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)4.01s
応答時間(最大)4.69s
応答時間(合計)8.03s
-
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)4.11s
応答時間(最大)5.18s
応答時間(合計)12.32s
-
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)8.06s
応答時間(最大)8.06s
応答時間(合計)8.06s
-
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)12.43s
応答時間(最大)12.43s
応答時間(合計)12.43s
|
| #81#81 |
GPT-5.4medium
|
8.8… |
OpenAI |
$2.213
↑
…
|
24.81s… |
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: 5 指示に従っていない: 2
応答時間(平均)24.81s
応答時間(最大)100.41s
応答時間(合計)570.60s
…
|
- 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
- 223,210
- 出力トークン
- 7,312
- 推論トークン
- 89,190
- 応答時間(平均)
- 24.81s
- 応答時間(合計)
- 570.60s
- 応答時間(最大)
- 100.41s
-
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)67.82s
応答時間(最大)67.82s
応答時間(合計)67.82s
-
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)4.11s
応答時間(最大)6.42s
応答時間(合計)16.42s
-
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)44.36s
応答時間(最大)96.94s
応答時間(合計)133.08s
-
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)29.77s
応答時間(最大)38.97s
応答時間(合計)59.55s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.32s
応答時間(最大)5.40s
応答時間(合計)10.64s
-
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)72.44s
応答時間(最大)100.41s
応答時間(合計)217.32s
-
汎用知能
: 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)4.92s
応答時間(最大)4.92s
応答時間(合計)4.92s
-
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)3.11s
応答時間(最大)3.68s
応答時間(合計)6.22s
-
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。
指示に従っていない: 1
応答時間(平均)9.14s
応答時間(最大)18.14s
応答時間(合計)27.41s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)13.28s
応答時間(最大)13.28s
応答時間(合計)13.28s
-
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)13.95s
応答時間(最大)13.95s
応答時間(合計)13.95s
|
| #82#82 |
Muse Emberxhigh
|
8.8… |
Meta |
$0.232
…
|
13.90s… |
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。
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)13.90s
応答時間(最大)79.38s
応答時間(合計)319.61s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 7
- 試行ごとの合格率
- 76.8%
- 入力トークン
- 274,208
- 出力トークン
- 11,740
- 推論トークン
- 397,372
- 応答時間(平均)
- 13.90s
- 応答時間(合計)
- 319.61s
- 応答時間(最大)
- 79.38s
-
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)47.42s
応答時間(最大)47.42s
応答時間(合計)47.42s
-
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)2.05s
応答時間(最大)3.33s
応答時間(合計)8.19s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)10.41s
応答時間(最大)13.59s
応答時間(合計)31.23s
-
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)13.24s
応答時間(最大)20.41s
応答時間(合計)26.47s
-
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)3.59s
応答時間(最大)5.45s
応答時間(合計)7.18s
-
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)23.77s
応答時間(最大)37.24s
応答時間(合計)71.31s
-
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)2.88s
応答時間(最大)2.88s
応答時間(合計)2.88s
-
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。
指示に従っていない: 1
応答時間(平均)4.17s
応答時間(最大)5.79s
応答時間(合計)8.34s
-
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。
回答なし: 1 不正解: 1
応答時間(平均)29.02s
応答時間(最大)79.38s
応答時間(合計)87.07s
-
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)3.93s
応答時間(最大)3.93s
応答時間(合計)3.93s
-
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)25.61s
応答時間(最大)25.61s
応答時間(合計)25.61s
|
| #83#83 |
Muse Spark Openmedium
|
8.8… |
Meta |
$1.260
…
|
77.44s… |
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: 3 指示に従っていない: 2 余分な書式: 1 回答なし: 1 タイムアウト: 1
応答時間(平均)77.44s
応答時間(最大)643.19s
応答時間(合計)1781.16s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 78.3%
- 入力トークン
- 256,646
- 出力トークン
- 10,490
- 推論トークン
- 210,325
- 応答時間(平均)
- 77.44s
- 応答時間(合計)
- 1781.16s
- 応答時間(最大)
- 643.19s
-
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)43.27s
応答時間(最大)43.27s
応答時間(合計)43.27s
-
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。
タイムアウト: 1 不正解: 1
応答時間(平均)175.36s
応答時間(最大)643.19s
応答時間(合計)701.44s
-
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。
余分な書式: 1
応答時間(平均)18.01s
応答時間(最大)41.41s
応答時間(合計)54.04s
-
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)72.16s
応答時間(最大)110.81s
応答時間(合計)144.32s
-
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)10.67s
応答時間(最大)19.97s
応答時間(合計)21.35s
-
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)216.17s
応答時間(最大)359.46s
応答時間(合計)648.50s
-
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)4.90s
応答時間(最大)4.90s
応答時間(合計)4.90s
-
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。
指示に従っていない: 1
応答時間(平均)18.42s
応答時間(最大)22.75s
応答時間(合計)36.84s
-
パズル解決
: 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)29.40s
応答時間(最大)62.30s
応答時間(合計)88.19s
-
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)8.45s
応答時間(最大)8.45s
応答時間(合計)8.45s
-
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)29.87s
応答時間(最大)29.87s
応答時間(合計)29.87s
|
| #84#84 |
DeepSeek V4.1 Flashhigh
|
8.7… |
DeepSeek |
$0.617
↑
…
|
33.27s… |
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: 5 API エラー: 1 指示に従っていない: 1
応答時間(平均)33.27s
応答時間(最大)205.53s
応答時間(合計)765.12s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 7
- 試行ごとの合格率
- 75.4%
- 入力トークン
- 282,490
- 出力トークン
- 8,621
- 推論トークン
- 455,535
- 応答時間(平均)
- 33.27s
- 応答時間(合計)
- 765.12s
- 応答時間(最大)
- 205.53s
-
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)43.97s
応答時間(最大)43.97s
応答時間(合計)43.97s
-
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)3.42s
応答時間(最大)7.12s
応答時間(合計)13.66s
-
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)49.19s
応答時間(最大)89.20s
応答時間(合計)147.57s
-
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)27.63s
応答時間(最大)39.63s
応答時間(合計)55.26s
-
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)4.19s
応答時間(最大)8.15s
応答時間(合計)8.37s
-
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)127.30s
応答時間(最大)205.53s
応答時間(合計)381.89s
-
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)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)7.06s
応答時間(最大)11.51s
応答時間(合計)14.12s
-
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)14.27s
応答時間(最大)33.25s
応答時間(合計)42.80s
-
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)15.28s
応答時間(最大)15.28s
応答時間(合計)15.28s
-
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)38.05s
応答時間(最大)38.05s
応答時間(合計)38.05s
|
| #85#85 |
DeepSeek V4.1 Flashmedium
|
8.7… |
DeepSeek |
$0.591
↑
…
|
32.88s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5 API エラー: 1 指示に従っていない: 1
応答時間(平均)32.88s
応答時間(最大)276.31s
応答時間(合計)756.34s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 7
- 試行ごとの合格率
- 73.9%
- 入力トークン
- 280,643
- 出力トークン
- 7,342
- 推論トークン
- 437,323
- 応答時間(平均)
- 32.88s
- 応答時間(合計)
- 756.34s
- 応答時間(最大)
- 276.31s
-
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)47.59s
応答時間(最大)47.59s
応答時間(合計)47.59s
-
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)3.07s
応答時間(最大)5.65s
応答時間(合計)12.28s
-
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)34.45s
応答時間(最大)52.40s
応答時間(合計)103.34s
-
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)22.21s
応答時間(最大)30.71s
応答時間(合計)44.43s
-
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)3.77s
応答時間(最大)7.32s
応答時間(合計)7.54s
-
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)153.01s
応答時間(最大)276.31s
応答時間(合計)459.04s
-
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)3.13s
応答時間(最大)3.13s
応答時間(合計)3.13s
-
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)9.69s
応答時間(最大)16.74s
応答時間(合計)19.38s
-
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)8.01s
応答時間(最大)15.21s
応答時間(合計)24.04s
-
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)15.33s
応答時間(最大)15.33s
応答時間(合計)15.33s
-
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)20.25s
応答時間(最大)20.25s
応答時間(合計)20.25s
|
| #86#86 |
Kimi K3.1 Promax
|
8.7… |
Moonshot AI |
$3.578
…
|
152.72s… |
テストは、その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 無効なツール呼び出し: 1 回答なし: 1
応答時間(平均)152.72s
応答時間(最大)960.13s
応答時間(合計)3512.51s
…
|
- 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
- 285,488
- 出力トークン
- 9,091
- 推論トークン
- 291,531
- 応答時間(平均)
- 152.72s
- 応答時間(合計)
- 3512.51s
- 応答時間(最大)
- 960.13s
-
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)110.07s
応答時間(最大)110.07s
応答時間(合計)110.07s
-
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)9.24s
応答時間(最大)15.85s
応答時間(合計)36.96s
-
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)71.94s
応答時間(最大)107.07s
応答時間(合計)215.82s
-
複合
: 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。
無効なツール呼び出し: 1 不正解: 1
応答時間(平均)177.43s
応答時間(最大)229.67s
応答時間(合計)354.87s
-
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)6.81s
応答時間(最大)7.33s
応答時間(合計)13.61s
-
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: 2
応答時間(平均)789.18s
応答時間(最大)960.13s
応答時間(合計)2367.54s
-
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)20.89s
応答時間(最大)20.89s
応答時間(合計)20.89s
-
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)9.06s
応答時間(最大)11.31s
応答時間(合計)18.11s
-
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)37.30s
応答時間(最大)91.62s
応答時間(合計)111.90s
-
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)17.26s
応答時間(最大)17.26s
応答時間(合計)17.26s
-
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)245.48s
応答時間(最大)245.48s
応答時間(合計)245.48s
|
| #87#87 |
Muse Spark 1.2low
|
8.7… |
Meta |
$0.881
…
|
11.81s… |
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: 4 指示に従っていない: 3
応答時間(平均)11.81s
応答時間(最大)56.77s
応答時間(合計)271.60s
…
|
- 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
- 254,914
- 出力トークン
- 10,303
- 推論トークン
- 121,928
- 応答時間(平均)
- 11.81s
- 応答時間(合計)
- 271.60s
- 応答時間(最大)
- 56.77s
-
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)56.77s
応答時間(最大)56.77s
応答時間(合計)56.77s
-
反AIトリック
: 9.2
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)3.26s
応答時間(最大)4.96s
応答時間(合計)13.03s
-
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)10.09s
応答時間(最大)13.60s
応答時間(合計)30.28s
-
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)17.03s
応答時間(最大)19.52s
応答時間(合計)34.06s
-
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)4.22s
応答時間(最大)5.57s
応答時間(合計)8.44s
-
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)28.53s
応答時間(最大)47.80s
応答時間(合計)85.59s
-
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)8.46s
応答時間(最大)8.46s
応答時間(合計)8.46s
-
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)2.95s
応答時間(最大)3.69s
応答時間(合計)5.89s
-
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)5.17s
応答時間(最大)7.82s
応答時間(合計)15.52s
-
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)3.58s
応答時間(最大)3.58s
応答時間(合計)3.58s
-
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)10.00s
応答時間(最大)10.00s
応答時間(合計)10.00s
|
| #88#88 |
Particle-1xhigh
|
8.7… |
Particle AI |
$0.219
…
|
33.94s… |
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: 5 回答なし: 2 指示に従っていない: 1
応答時間(平均)33.94s
応答時間(最大)311.98s
応答時間(合計)780.68s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 75.4%
- 入力トークン
- 303,005
- 出力トークン
- 8,956
- 推論トークン
- 397,564
- 応答時間(平均)
- 33.94s
- 応答時間(合計)
- 780.68s
- 応答時間(最大)
- 311.98s
-
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)53.12s
応答時間(最大)53.12s
応答時間(合計)53.12s
-
反AIトリック
: 8.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)1.97s
応答時間(最大)3.57s
応答時間(合計)7.86s
-
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。
回答なし: 1
応答時間(平均)65.84s
応答時間(最大)147.17s
応答時間(合計)197.53s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)21.19s
応答時間(最大)36.41s
応答時間(合計)42.37s
-
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)1.80s
応答時間(最大)2.10s
応答時間(合計)3.60s
-
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 回答なし: 1
応答時間(平均)146.82s
応答時間(最大)311.98s
応答時間(合計)440.45s
-
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)1.80s
応答時間(最大)1.80s
応答時間(合計)1.80s
-
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)1.86s
応答時間(最大)2.26s
応答時間(合計)3.72s
-
パズル解決
: 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。
指示に従っていない: 1 不正解: 1
応答時間(平均)3.51s
応答時間(最大)3.69s
応答時間(合計)10.54s
-
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)4.74s
応答時間(最大)4.74s
応答時間(合計)4.74s
-
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)14.96s
応答時間(最大)14.96s
応答時間(合計)14.96s
|
| #89#89 |
GPT-5.2medium
|
8.7… |
OpenAI |
$1.558
↑
…
|
31.29s… |
テストは、その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: 3 不正解: 3 回答なし: 1 タイムアウト: 1
応答時間(平均)31.29s
応答時間(最大)116.86s
応答時間(合計)531.98s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 73.9%
- 入力トークン
- 235,207
- 出力トークン
- 11,065
- 推論トークン
- 69,473
- 応答時間(平均)
- 31.29s
- 応答時間(合計)
- 531.98s
- 応答時間(最大)
- 116.86s
-
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)75.85s
応答時間(最大)75.85s
応答時間(合計)75.85s
-
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。
指示に従っていない: 1 不正解: 1
応答時間(平均)7.81s
応答時間(最大)14.34s
応答時間(合計)15.62s
-
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)22.73s
応答時間(最大)31.19s
応答時間(合計)68.20s
-
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)58.50s
応答時間(最大)102.93s
応答時間(合計)116.99s
-
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)3.15s
応答時間(最大)3.15s
応答時間(合計)3.15s
-
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。
タイムアウト: 1 不正解: 1
応答時間(平均)97.33s
応答時間(最大)116.86s
応答時間(合計)194.65s
-
汎用知能
: 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
応答時間(平均)4.32s
応答時間(最大)4.32s
応答時間(合計)4.32s
-
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)3.12s
応答時間(最大)3.12s
応答時間(合計)3.12s
-
パズル解決
: 7.5
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)5.80s
応答時間(最大)6.45s
応答時間(合計)11.61s
-
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。
回答なし: 1
応答時間(平均)10.30s
応答時間(最大)10.30s
応答時間(合計)10.30s
-
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)28.18s
応答時間(最大)28.18s
応答時間(合計)28.18s
|
| #90#90 |
Qwen3.8 27Bhigh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。 qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
|
8.7… |
Qwen |
~$0.298
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: 3.0102 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.297613.
|
166.34s… |
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。
指示に従っていない: 2 回答なし: 2 不正解: 2
応答時間(平均)166.34s
応答時間(最大)640.85s
応答時間(合計)3825.81s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 6
- 試行ごとの合格率
- 78.3%
- 入力トークン
- 348,967
- 出力トークン
- 1,005
- 推論トークン
- 676,075
- 応答時間(平均)
- 166.34s
- 応答時間(合計)
- 3825.81s
- 応答時間(最大)
- 640.85s
-
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)132.27s
応答時間(最大)132.27s
応答時間(合計)132.27s
-
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)8.10s
応答時間(最大)21.48s
応答時間(合計)32.40s
-
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。
指示に従っていない: 1
応答時間(平均)248.62s
応答時間(最大)458.25s
応答時間(合計)745.85s
-
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)185.57s
応答時間(最大)333.21s
応答時間(合計)371.15s
-
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)34.85s
応答時間(最大)57.71s
応答時間(合計)69.71s
-
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: 1 不正解: 1
応答時間(平均)526.74s
応答時間(最大)640.85s
応答時間(合計)1580.21s
-
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)8.45s
応答時間(最大)8.45s
応答時間(合計)8.45s
-
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)8.24s
応答時間(最大)10.18s
応答時間(合計)16.49s
-
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。
回答なし: 1
応答時間(平均)199.90s
応答時間(最大)569.33s
応答時間(合計)599.69s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.62s
応答時間(最大)5.62s
応答時間(合計)5.62s
-
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。
不正解: 1
応答時間(平均)263.98s
応答時間(最大)263.98s
応答時間(合計)263.98s
|
| #91#91 |
MiMo-V2.6-Promedium
|
8.7… |
Xiaomi |
$0.586
…
|
148.11s… |
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。
余分な書式: 3 不正解: 3 指示に従っていない: 1 回答なし: 1 タイムアウト: 1
応答時間(平均)148.11s
応答時間(最大)904.91s
応答時間(合計)3406.53s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 9
- 試行ごとの合格率
- 78.3%
- 入力トークン
- 298,476
- 出力トークン
- 7,762
- 推論トークン
- 515,918
- 応答時間(平均)
- 148.11s
- 応答時間(合計)
- 3406.53s
- 応答時間(最大)
- 904.91s
-
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)161.45s
応答時間(最大)161.45s
応答時間(合計)161.45s
-
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。
余分な書式: 1 不正解: 1
応答時間(平均)2.76s
応答時間(最大)4.92s
応答時間(合計)11.02s
-
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。
余分な書式: 1
応答時間(平均)150.44s
応答時間(最大)390.15s
応答時間(合計)451.33s
-
複合
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)50.80s
応答時間(最大)77.07s
応答時間(合計)101.61s
-
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)3.20s
応答時間(合計)5.41s
-
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。
余分な書式: 1 タイムアウト: 1 不正解: 1
応答時間(平均)619.70s
応答時間(最大)904.91s
応答時間(合計)1859.09s
-
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
: 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)1.79s
応答時間(最大)1.80s
応答時間(合計)3.59s
-
パズル解決
: 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)92.20s
応答時間(最大)266.38s
応答時間(合計)276.61s
-
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)3.60s
応答時間(最大)3.60s
応答時間(合計)3.60s
-
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。
回答なし: 1
応答時間(平均)527.13s
応答時間(最大)527.13s
応答時間(合計)527.13s
|
| #92#92 |
Seed 2.1 Turbomedium
|
8.7… |
Bytedance Seed |
$2.042
…
|
189.13s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5 指示に従っていない: 1 回答なし: 1
応答時間(平均)189.13s
応答時間(最大)885.33s
応答時間(合計)4349.92s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 7
- 試行ごとの合格率
- 79.7%
- 入力トークン
- 234,572
- 出力トークン
- 8,019
- 推論トークン
- 761,563
- 応答時間(平均)
- 189.13s
- 応答時間(合計)
- 4349.92s
- 応答時間(最大)
- 885.33s
-
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)90.94s
応答時間(最大)90.94s
応答時間(合計)90.94s
-
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)28.25s
応答時間(最大)38.70s
応答時間(合計)113.00s
-
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。
回答なし: 1
応答時間(平均)354.87s
応答時間(最大)449.66s
応答時間(合計)1064.62s
-
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)400.28s
応答時間(最大)406.56s
応答時間(合計)800.55s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)37.82s
応答時間(最大)50.79s
応答時間(合計)75.65s
-
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)656.04s
応答時間(最大)885.33s
応答時間(合計)1968.13s
-
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)40.59s
応答時間(最大)40.59s
応答時間(合計)40.59s
-
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)7.48s
応答時間(最大)9.84s
応答時間(合計)14.96s
-
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)21.01s
応答時間(最大)31.49s
応答時間(合計)63.03s
-
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)27.46s
応答時間(最大)27.46s
応答時間(合計)27.46s
-
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)91.00s
応答時間(最大)91.00s
応答時間(合計)91.00s
|
| #93#93 |
GPT-6 Sollow
|
8.7… |
OpenAI |
$0.477
…
|
8.72s… |
テストは、その全実行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)8.72s
応答時間(最大)48.43s
応答時間(合計)200.61s
…
|
- 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
- 172,359
- 出力トークン
- 5,026
- 推論トークン
- 8,185
- 応答時間(平均)
- 8.72s
- 応答時間(合計)
- 200.61s
- 応答時間(最大)
- 48.43s
-
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)48.43s
応答時間(最大)48.43s
応答時間(合計)48.43s
-
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)2.43s
応答時間(最大)3.18s
応答時間(合計)9.74s
-
コーディング
: 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: 2
応答時間(平均)8.74s
応答時間(最大)16.82s
応答時間(合計)26.23s
-
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)8.13s
応答時間(最大)9.76s
応答時間(合計)16.26s
-
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)13.63s
応答時間(最大)14.86s
応答時間(合計)27.26s
-
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)11.45s
応答時間(最大)16.44s
応答時間(合計)34.36s
-
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)17.91s
応答時間(最大)17.91s
応答時間(合計)17.91s
-
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)2.37s
応答時間(最大)2.57s
応答時間(合計)4.75s
-
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)2.66s
応答時間(最大)3.06s
応答時間(合計)7.97s
-
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)4.03s
応答時間(最大)4.03s
応答時間(合計)4.03s
-
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)3.67s
応答時間(最大)3.67s
応答時間(合計)3.67s
|
| #94#94 |
Claude Fable 5.2high
|
8.7… |
Anthropic |
$5.083
…
|
14.73s… |
テストは、その全実行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)14.73s
応答時間(最大)84.72s
応答時間(合計)338.82s
…
|
- 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
- 319,219
- 出力トークン
- 10,244
- 推論トークン
- 52,982
- 応答時間(平均)
- 14.73s
- 応答時間(合計)
- 338.82s
- 応答時間(最大)
- 84.72s
-
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)56.30s
応答時間(最大)56.30s
応答時間(合計)56.30s
-
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)3.77s
応答時間(最大)4.99s
応答時間(合計)15.09s
-
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。
不正解: 2
応答時間(平均)8.21s
応答時間(最大)9.20s
応答時間(合計)24.62s
-
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)29.95s
応答時間(最大)44.03s
応答時間(合計)59.91s
-
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)4.68s
応答時間(最大)5.36s
応答時間(合計)9.37s
-
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)41.00s
応答時間(最大)84.72s
応答時間(合計)123.00s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.07s
応答時間(最大)5.07s
応答時間(合計)5.07s
-
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)5.04s
応答時間(最大)5.61s
応答時間(合計)10.08s
-
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)3.81s
応答時間(最大)4.90s
応答時間(合計)11.44s
-
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)16.71s
応答時間(最大)16.71s
応答時間(合計)16.71s
-
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)7.23s
応答時間(最大)7.23s
応答時間(合計)7.23s
|
| #95#95 |
Muse Emberlow
|
8.6… |
Meta |
$0.114
…
|
8.22s… |
テストは、その全実行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: 1 回答なし: 1
応答時間(平均)8.22s
応答時間(最大)49.79s
応答時間(合計)189.12s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 72.5%
- 入力トークン
- 288,136
- 出力トークン
- 13,507
- 推論トークン
- 155,719
- 応答時間(平均)
- 8.22s
- 応答時間(合計)
- 189.12s
- 応答時間(最大)
- 49.79s
-
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)49.79s
応答時間(最大)49.79s
応答時間(合計)49.79s
-
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)2.86s
応答時間(最大)4.29s
応答時間(合計)11.43s
-
コーディング
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.21s
応答時間(最大)7.13s
応答時間(合計)15.62s
-
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)15.23s
応答時間(最大)25.12s
応答時間(合計)30.45s
-
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)2.15s
応答時間(最大)2.51s
応答時間(合計)4.30s
-
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)8.96s
応答時間(最大)10.79s
応答時間(合計)26.89s
-
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)2.68s
応答時間(最大)2.68s
応答時間(合計)2.68s
-
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。
指示に従っていない: 1
応答時間(平均)2.87s
応答時間(最大)4.54s
応答時間(合計)5.75s
-
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。
不正解: 2
応答時間(平均)4.80s
応答時間(最大)9.28s
応答時間(合計)14.41s
-
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)3.29s
応答時間(最大)3.29s
応答時間(合計)3.29s
-
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)24.54s
応答時間(最大)24.54s
応答時間(合計)24.54s
|
| #96#96 |
Muse Embermax
|
8.6… |
Meta |
$0.346
…
|
19.05s… |
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: 4 回答なし: 2 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)19.05s
応答時間(最大)79.28s
応答時間(合計)438.15s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 72.5%
- 入力トークン
- 265,489
- 出力トークン
- 12,179
- 推論トークン
- 625,640
- 応答時間(平均)
- 19.05s
- 応答時間(合計)
- 438.15s
- 応答時間(最大)
- 79.28s
-
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)44.84s
応答時間(最大)44.84s
応答時間(合計)44.84s
-
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)3.20s
応答時間(最大)5.23s
応答時間(合計)12.79s
-
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)12.46s
応答時間(最大)15.19s
応答時間(合計)37.37s
-
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。
無効なツール呼び出し: 1
応答時間(平均)20.27s
応答時間(最大)32.51s
応答時間(合計)40.54s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.07s
応答時間(最大)6.95s
応答時間(合計)10.14s
-
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)54.31s
応答時間(最大)79.28s
応答時間(合計)162.92s
-
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)3.35s
応答時間(最大)3.35s
応答時間(合計)3.35s
-
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。
指示に従っていない: 1
応答時間(平均)3.85s
応答時間(最大)5.90s
応答時間(合計)7.69s
-
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。
回答なし: 1 不正解: 1
応答時間(平均)29.41s
応答時間(最大)78.68s
応答時間(合計)88.23s
-
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)4.57s
応答時間(最大)4.57s
応答時間(合計)4.57s
-
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)25.72s
応答時間(最大)25.72s
応答時間(合計)25.72s
|
| #97#97 |
ERNIE-Light-DT-1.0high
|
8.6… |
Baidu |
$1.027
…
|
25.66s… |
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: 5 余分な書式: 1 回答なし: 1
応答時間(平均)25.66s
応答時間(最大)200.80s
応答時間(合計)590.18s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 7
- 試行ごとの合格率
- 75.4%
- 入力トークン
- 230,563
- 出力トークン
- 6,576
- 推論トークン
- 187,898
- 応答時間(平均)
- 25.66s
- 応答時間(合計)
- 590.18s
- 応答時間(最大)
- 200.80s
-
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)52.84s
応答時間(最大)52.84s
応答時間(合計)52.84s
-
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)1.89s
応答時間(最大)2.10s
応答時間(合計)7.55s
-
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)14.96s
応答時間(最大)23.42s
応答時間(合計)44.89s
-
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)27.93s
応答時間(最大)48.23s
応答時間(合計)55.85s
-
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)1.72s
応答時間(最大)1.80s
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。
余分な書式: 1 回答なし: 1 不正解: 1
応答時間(平均)134.82s
応答時間(最大)200.80s
応答時間(合計)404.47s
-
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。
不正解: 1
応答時間(平均)2.02s
応答時間(最大)2.02s
応答時間(合計)2.02s
-
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)2.04s
応答時間(最大)2.05s
応答時間(合計)4.08s
-
パズル解決
: 7.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)2.16s
応答時間(最大)3.08s
応答時間(合計)6.49s
-
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)4.33s
応答時間(最大)4.33s
応答時間(合計)4.33s
-
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)4.23s
応答時間(最大)4.23s
応答時間(合計)4.23s
|
| #98#98 |
DeepSeek V4.1 Flashmax
|
8.6… |
DeepSeek |
$1.204
↑
…
|
61.58s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 6 API エラー: 1 指示に従っていない: 1
応答時間(平均)61.58s
応答時間(最大)335.08s
応答時間(合計)1416.24s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 69.6%
- 入力トークン
- 414,054
- 出力トークン
- 7,635
- 推論トークン
- 900,536
- 応答時間(平均)
- 61.58s
- 応答時間(合計)
- 1416.24s
- 応答時間(最大)
- 335.08s
-
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)66.63s
応答時間(最大)66.63s
応答時間(合計)66.63s
-
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)4.35s
応答時間(最大)11.86s
応答時間(合計)17.41s
-
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)62.50s
応答時間(最大)80.58s
応答時間(合計)187.50s
-
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)160.31s
応答時間(最大)164.09s
応答時間(合計)320.63s
-
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)4.56s
応答時間(最大)8.91s
応答時間(合計)9.12s
-
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)198.41s
応答時間(最大)335.08s
応答時間(合計)595.23s
-
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)4.00s
応答時間(最大)4.00s
応答時間(合計)4.00s
-
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)7.64s
応答時間(最大)11.30s
応答時間(合計)15.29s
-
パズル解決
: 5.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)30.82s
応答時間(最大)73.06s
応答時間(合計)92.46s
-
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)9.49s
応答時間(最大)9.49s
応答時間(合計)9.49s
-
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)98.48s
応答時間(最大)98.48s
応答時間(合計)98.48s
|
| #99#99 |
GPT-6.1 Terranone
|
8.6… |
OpenAI |
$0.184
…
|
4.08s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5
応答時間(平均)4.08s
応答時間(最大)40.32s
応答時間(合計)93.75s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 5
- 試行ごとの合格率
- 84.1%
- 入力トークン
- 159,129
- 出力トークン
- 4,906
- 推論トークン
- 0
- 応答時間(平均)
- 4.08s
- 応答時間(合計)
- 93.75s
- 応答時間(最大)
- 40.32s
-
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)40.32s
応答時間(最大)40.32s
応答時間(合計)40.32s
-
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)1.45s
応答時間(最大)1.65s
応答時間(合計)5.79s
-
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。
不正解: 1
応答時間(平均)1.86s
応答時間(最大)2.63s
応答時間(合計)5.57s
-
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)9.01s
応答時間(最大)12.96s
応答時間(合計)18.02s
-
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)1.85s
応答時間(最大)1.97s
応答時間(合計)3.71s
-
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)1.53s
応答時間(最大)1.90s
応答時間(合計)4.58s
-
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)1.39s
応答時間(最大)1.39s
応答時間(合計)1.39s
-
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)1.43s
応答時間(最大)1.45s
応答時間(合計)2.87s
-
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)1.51s
応答時間(最大)1.90s
応答時間(合計)4.54s
-
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)4.91s
応答時間(最大)4.91s
応答時間(合計)4.91s
-
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)2.06s
応答時間(最大)2.06s
応答時間(合計)2.06s
|
| #100#100 |
Muse Spark 1.1low
|
8.6… |
Meta |
$0.885
…
|
13.21s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5 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)13.21s
応答時間(最大)54.15s
応答時間(合計)303.92s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 9
- 試行ごとの合格率
- 72.5%
- 入力トークン
- 291,368
- 出力トークン
- 13,469
- 推論トークン
- 108,952
- 応答時間(平均)
- 13.21s
- 応答時間(合計)
- 303.92s
- 応答時間(最大)
- 54.15s
-
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)42.23s
応答時間(最大)42.23s
応答時間(合計)42.23s
-
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。
不正解: 2
応答時間(平均)4.36s
応答時間(最大)8.92s
応答時間(合計)17.45s
-
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)10.34s
応答時間(最大)12.60s
応答時間(合計)31.02s
-
複合
: 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。
無効なツール呼び出し: 1
応答時間(平均)29.45s
応答時間(最大)39.63s
応答時間(合計)58.89s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.22s
応答時間(最大)3.93s
応答時間(合計)6.45s
-
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 指示に従っていない: 1
応答時間(平均)32.99s
応答時間(最大)54.15s
応答時間(合計)98.96s
-
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)4.12s
応答時間(最大)4.12s
応答時間(合計)4.12s
-
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。
指示に従っていない: 1
応答時間(平均)5.42s
応答時間(最大)6.23s
応答時間(合計)10.85s
-
パズル解決
: 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)6.60s
応答時間(最大)11.77s
応答時間(合計)19.81s
-
ツール呼び出し
: 9.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.98s
応答時間(最大)5.98s
応答時間(合計)5.98s
-
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)8.17s
応答時間(最大)8.17s
応答時間(合計)8.17s
|