| #101#101 |
Claude Sonnet 5.5xhigh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。
|
8.6… |
Anthropic |
$1.516
…
|
14.98s… |
テストは、その全実行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 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)14.98s
応答時間(最大)54.92s
応答時間(合計)344.60s
…
|
- 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
- 342,579
- 出力トークン
- 12,848
- 推論トークン
- 70,193
- 応答時間(平均)
- 14.98s
- 応答時間(合計)
- 344.60s
- 応答時間(最大)
- 54.92s
-
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)54.92s
応答時間(最大)54.92s
応答時間(合計)54.92s
-
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)4.21s
応答時間(最大)5.12s
応答時間(合計)16.83s
-
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)11.90s
応答時間(最大)15.48s
応答時間(合計)35.70s
-
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)30.37s
応答時間(最大)37.90s
応答時間(合計)60.75s
-
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)4.96s
応答時間(最大)6.16s
応答時間(合計)9.92s
-
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)35.33s
応答時間(最大)54.91s
応答時間(合計)106.00s
-
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)9.10s
応答時間(最大)9.10s
応答時間(合計)9.10s
-
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)4.58s
応答時間(最大)4.79s
応答時間(合計)9.15s
-
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)4.88s
応答時間(最大)5.32s
応答時間(合計)14.63s
-
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)10.29s
応答時間(最大)10.29s
応答時間(合計)10.29s
-
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。
回答なし: 1
応答時間(平均)17.31s
応答時間(最大)17.31s
応答時間(合計)17.31s
|
| #102#102 |
Claude Fable 5.2low
|
8.6… |
Anthropic |
$3.471
…
|
9.28s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2 余分な書式: 1 指示に従っていない: 1
応答時間(平均)9.28s
応答時間(最大)49.92s
応答時間(合計)213.39s
…
|
- 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
- 300,393
- 出力トークン
- 11,011
- 推論トークン
- 15,668
- 応答時間(平均)
- 9.28s
- 応答時間(合計)
- 213.39s
- 応答時間(最大)
- 49.92s
-
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)49.92s
応答時間(最大)49.92s
応答時間(合計)49.92s
-
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)2.98s
応答時間(最大)3.78s
応答時間(合計)11.93s
-
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。
余分な書式: 1 指示に従っていない: 1
応答時間(平均)6.83s
応答時間(最大)8.24s
応答時間(合計)20.50s
-
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)19.45s
応答時間(最大)27.24s
応答時間(合計)38.90s
-
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)4.00s
応答時間(最大)4.14s
応答時間(合計)8.00s
-
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)14.20s
応答時間(最大)17.76s
応答時間(合計)42.59s
-
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)4.39s
応答時間(最大)4.39s
応答時間(合計)4.39s
-
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)3.35s
応答時間(最大)3.59s
応答時間(合計)6.69s
-
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)3.87s
応答時間(最大)4.70s
応答時間(合計)11.60s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)11.96s
応答時間(最大)11.96s
応答時間(合計)11.96s
-
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)6.89s
応答時間(最大)6.89s
応答時間(合計)6.89s
|
| #103#103 |
Claude Sonnet 5.5high
|
8.6… |
Anthropic |
$1.175
…
|
10.79s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5 余分な書式: 1 無効なツール呼び出し: 1
応答時間(平均)10.79s
応答時間(最大)51.53s
応答時間(合計)248.22s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 7
- 試行ごとの合格率
- 81.2%
- 入力トークン
- 345,687
- 出力トークン
- 13,550
- 推論トークン
- 34,743
- 応答時間(平均)
- 10.79s
- 応答時間(合計)
- 248.22s
- 応答時間(最大)
- 51.53s
-
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)51.53s
応答時間(最大)51.53s
応答時間(合計)51.53s
-
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)3.69s
応答時間(最大)5.27s
応答時間(合計)14.74s
-
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)9.85s
応答時間(最大)11.12s
応答時間(合計)29.55s
-
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)24.57s
応答時間(最大)25.71s
応答時間(合計)49.15s
-
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。
余分な書式: 1
応答時間(平均)3.86s
応答時間(最大)6.13s
応答時間(合計)7.72s
-
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)17.52s
応答時間(最大)20.97s
応答時間(合計)52.55s
-
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)6.93s
応答時間(最大)6.93s
応答時間(合計)6.93s
-
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)5.13s
応答時間(最大)5.35s
応答時間(合計)10.26s
-
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)3.54s
応答時間(最大)4.64s
応答時間(合計)10.63s
-
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)5.22s
応答時間(最大)5.22s
応答時間(合計)5.22s
-
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)9.93s
応答時間(最大)9.93s
応答時間(合計)9.93s
|
| #104#104 |
Claude Haiku 5.5low
|
8.6… |
Anthropic |
$0.061
…
|
7.51s… |
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: 3 指示に従っていない: 2 余分な書式: 1 回答なし: 1
応答時間(平均)7.51s
応答時間(最大)44.43s
応答時間(合計)172.74s
…
|
- 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
- 296,301
- 出力トークン
- 10,672
- 推論トークン
- 50,978
- 応答時間(平均)
- 7.51s
- 応答時間(合計)
- 172.74s
- 応答時間(最大)
- 44.43s
-
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)44.43s
応答時間(最大)44.43s
応答時間(合計)44.43s
-
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)2.16s
応答時間(最大)3.03s
応答時間(合計)8.62s
-
コーディング
: 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)7.30s
応答時間(最大)8.92s
応答時間(合計)21.89s
-
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)23.94s
応答時間(最大)27.39s
応答時間(合計)47.88s
-
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)3.45s
応答時間(最大)3.70s
応答時間(合計)6.89s
-
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。
余分な書式: 1 不正解: 1
応答時間(平均)7.35s
応答時間(最大)7.77s
応答時間(合計)22.06s
-
汎用知能
: 4.6
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)1.38s
応答時間(最大)1.38s
応答時間(合計)1.38s
-
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)2.20s
応答時間(最大)3.24s
応答時間(合計)4.40s
-
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)2.76s
応答時間(最大)3.28s
応答時間(合計)8.28s
-
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)4.19s
応答時間(最大)4.19s
応答時間(合計)4.19s
-
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)2.70s
応答時間(最大)2.70s
応答時間(合計)2.70s
|
| #105#105 |
Qwen3.8 Max (0902)low
|
8.6… |
Qwen |
$1.131
…
|
29.07s… |
テストは、その全実行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)29.07s
応答時間(最大)207.79s
応答時間(合計)668.66s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 5
- 試行ごとの合格率
- 85.5%
- 入力トークン
- 298,682
- 出力トークン
- 8,374
- 推論トークン
- 80,549
- 応答時間(平均)
- 29.07s
- 応答時間(合計)
- 668.66s
- 応答時間(最大)
- 207.79s
-
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)136.04s
応答時間(最大)136.04s
応答時間(合計)136.04s
-
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)4.72s
応答時間(最大)7.30s
応答時間(合計)18.89s
-
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)37.42s
応答時間(最大)61.54s
応答時間(合計)112.27s
-
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)113.88s
応答時間(最大)207.79s
応答時間(合計)227.77s
-
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)9.94s
応答時間(最大)10.24s
応答時間(合計)19.88s
-
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)34.93s
応答時間(最大)46.54s
応答時間(合計)104.79s
-
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。
不正解: 1
応答時間(平均)8.91s
応答時間(最大)8.91s
応答時間(合計)8.91s
-
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)4.32s
応答時間(最大)5.28s
応答時間(合計)8.63s
-
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)4.49s
応答時間(最大)6.25s
応答時間(合計)13.46s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.73s
応答時間(最大)4.73s
応答時間(合計)4.73s
-
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)13.28s
応答時間(最大)13.28s
応答時間(合計)13.28s
|
| #106#106 |
Particle-1medium
|
8.6… |
Particle AI |
$0.217
…
|
32.30s… |
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: 2 回答なし: 2
応答時間(平均)32.30s
応答時間(最大)276.96s
応答時間(合計)742.97s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 9
- 試行ごとの合格率
- 73.9%
- 入力トークン
- 263,837
- 出力トークン
- 7,443
- 推論トークン
- 399,022
- 応答時間(平均)
- 32.30s
- 応答時間(合計)
- 742.97s
- 応答時間(最大)
- 276.96s
-
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
: 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)2.43s
応答時間(最大)3.27s
応答時間(合計)9.70s
-
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)64.92s
応答時間(最大)136.73s
応答時間(合計)194.76s
-
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)21.06s
応答時間(最大)35.74s
応答時間(合計)42.11s
-
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)2.19s
応答時間(最大)2.77s
応答時間(合計)4.39s
-
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: 2 回答なし: 1
応答時間(平均)134.14s
応答時間(最大)276.96s
応答時間(合計)402.43s
-
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)3.21s
応答時間(最大)3.21s
応答時間(合計)3.21s
-
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)1.49s
応答時間(最大)1.51s
応答時間(合計)2.97s
-
パズル解決
: 5.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)5.18s
応答時間(最大)9.29s
応答時間(合計)15.54s
-
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)4.06s
応答時間(最大)4.06s
応答時間(合計)4.06s
-
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)15.86s
応答時間(最大)15.86s
応答時間(合計)15.86s
|
| #107#107 |
Muse Embermedium
|
8.5… |
Meta |
$0.190
…
|
12.39s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5 指示に従っていない: 2 回答なし: 1
応答時間(平均)12.39s
応答時間(最大)75.32s
応答時間(合計)285.08s
…
|
- 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
- 274,381
- 出力トークン
- 12,835
- 推論トークン
- 312,022
- 応答時間(平均)
- 12.39s
- 応答時間(合計)
- 285.08s
- 応答時間(最大)
- 75.32s
-
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)47.20s
応答時間(最大)47.20s
応答時間(合計)47.20s
-
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)2.38s
応答時間(最大)3.69s
応答時間(合計)9.52s
-
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)6.94s
応答時間(最大)10.37s
応答時間(合計)20.83s
-
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)9.77s
応答時間(最大)12.25s
応答時間(合計)19.54s
-
データ解析と抽出
: 6.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)3.39s
応答時間(最大)3.79s
応答時間(合計)6.78s
-
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)35.64s
応答時間(最大)75.32s
応答時間(合計)106.91s
-
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)3.37s
応答時間(最大)3.37s
応答時間(合計)3.37s
-
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)3.38s
応答時間(最大)5.33s
応答時間(合計)6.76s
-
パズル解決
: 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。
指示に従っていない: 1 不正解: 1
応答時間(平均)16.70s
応答時間(最大)41.95s
応答時間(合計)50.10s
-
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)4.09s
応答時間(最大)4.09s
応答時間(合計)4.09s
-
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)9.98s
応答時間(最大)9.98s
応答時間(合計)9.98s
|
| #108#108 |
Grok 4.6high
|
8.5… |
X AI |
$2.629
…
|
87.48s… |
テストは、その全実行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)87.48s
応答時間(最大)618.49s
応答時間(合計)2012.15s
…
|
- 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
- 376,233
- 出力トークン
- 6,687
- 推論トークン
- 305,927
- 応答時間(平均)
- 87.48s
- 応答時間(合計)
- 2012.15s
- 応答時間(最大)
- 618.49s
-
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)160.89s
応答時間(最大)160.89s
応答時間(合計)160.89s
-
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)14.44s
応答時間(最大)29.43s
応答時間(合計)57.78s
-
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)102.20s
応答時間(最大)134.17s
応答時間(合計)306.59s
-
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)91.77s
応答時間(最大)121.80s
応答時間(合計)183.53s
-
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)16.08s
応答時間(最大)16.15s
応答時間(合計)32.17s
-
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)369.95s
応答時間(最大)618.49s
応答時間(合計)1109.84s
-
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)19.51s
応答時間(最大)19.51s
応答時間(合計)19.51s
-
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)13.82s
応答時間(最大)14.84s
応答時間(合計)27.65s
-
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)15.56s
応答時間(最大)20.27s
応答時間(合計)46.69s
-
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)13.30s
応答時間(最大)13.30s
応答時間(合計)13.30s
-
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。
回答なし: 1
応答時間(平均)54.22s
応答時間(最大)54.22s
応答時間(合計)54.22s
|
| #109#109 |
Muse Spark 1.3low
|
8.5… |
Meta |
$0.911
…
|
17.73s… |
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 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)17.73s
応答時間(最大)78.72s
応答時間(合計)407.75s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 7
- 試行ごとの合格率
- 82.6%
- 入力トークン
- 270,231
- 出力トークン
- 13,363
- 推論トークン
- 121,332
- 応答時間(平均)
- 17.73s
- 応答時間(合計)
- 407.75s
- 応答時間(最大)
- 78.72s
-
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)55.06s
応答時間(最大)55.06s
応答時間(合計)55.06s
-
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)3.92s
応答時間(最大)5.06s
応答時間(合計)15.66s
-
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)20.86s
応答時間(最大)28.10s
応答時間(合計)62.58s
-
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)25.72s
応答時間(最大)38.73s
応答時間(合計)51.44s
-
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)3.62s
応答時間(最大)3.75s
応答時間(合計)7.23s
-
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)45.63s
応答時間(最大)78.72s
応答時間(合計)136.89s
-
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)4.02s
応答時間(最大)4.02s
応答時間(合計)4.02s
-
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)5.04s
応答時間(最大)5.70s
応答時間(合計)10.09s
-
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)11.34s
応答時間(最大)25.48s
応答時間(合計)34.03s
-
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)7.39s
応答時間(最大)7.39s
応答時間(合計)7.39s
-
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)23.36s
応答時間(最大)23.36s
応答時間(合計)23.36s
|
| #110#110 |
Claude Sonnet 5medium
|
8.5… |
Anthropic |
$1.438
…
|
15.01s… |
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 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)15.01s
応答時間(最大)69.26s
応答時間(合計)345.16s
…
|
- 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
- 353,658
- 出力トークン
- 54,891
- 推論トークン
- 18,370
- 応答時間(平均)
- 15.01s
- 応答時間(合計)
- 345.16s
- 応答時間(最大)
- 69.26s
-
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)69.26s
応答時間(最大)69.26s
応答時間(合計)69.26s
-
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)3.80s
応答時間(最大)5.73s
応答時間(合計)15.21s
-
コーディング
: 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)17.28s
応答時間(最大)31.73s
応答時間(合計)51.84s
-
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)51.86s
応答時間(最大)66.71s
応答時間(合計)103.73s
-
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)3.16s
応答時間(最大)3.47s
応答時間(合計)6.32s
-
ドメイン特化
: 5.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)20.54s
応答時間(最大)56.94s
応答時間(合計)61.61s
-
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)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)3.10s
応答時間(最大)3.61s
応答時間(合計)6.20s
-
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。
不正解: 1
応答時間(平均)2.98s
応答時間(最大)3.20s
応答時間(合計)8.93s
-
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)10.70s
応答時間(最大)10.70s
応答時間(合計)10.70s
-
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)7.06s
応答時間(最大)7.06s
応答時間(合計)7.06s
|
| #111#111 |
Qwen3.7 Maxmedium
|
8.5… |
Qwen |
$1.689
↓
…
|
48.35s… |
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: 5 無効なツール呼び出し: 1
応答時間(平均)48.35s
応答時間(最大)556.06s
応答時間(合計)1112.11s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 6
- 試行ごとの合格率
- 85.5%
- 入力トークン
- 367,848
- 出力トークン
- 8,753
- 推論トークン
- 250,279
- 応答時間(平均)
- 48.35s
- 応答時間(合計)
- 1112.11s
- 応答時間(最大)
- 556.06s
-
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。
不正解: 1
応答時間(平均)137.00s
応答時間(最大)137.00s
応答時間(合計)137.00s
-
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)6.36s
応答時間(最大)8.75s
応答時間(合計)25.44s
-
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)35.31s
応答時間(最大)59.98s
応答時間(合計)105.93s
-
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)287.83s
応答時間(最大)556.06s
応答時間(合計)575.66s
-
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)8.80s
応答時間(最大)10.25s
応答時間(合計)17.60s
-
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)52.45s
応答時間(最大)102.71s
応答時間(合計)157.35s
-
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)11.70s
応答時間(最大)11.70s
応答時間(合計)11.70s
-
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)7.46s
応答時間(最大)10.17s
応答時間(合計)14.92s
-
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)8.84s
応答時間(最大)11.71s
応答時間(合計)26.51s
-
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)6.63s
応答時間(最大)6.63s
応答時間(合計)6.63s
-
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)33.37s
応答時間(最大)33.37s
応答時間(合計)33.37s
|
| #112#112 |
Claude Haiku 5.5max
|
8.5… |
Anthropic |
$0.509
…
|
61.71s… |
テストは、その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 不正解: 1
応答時間(平均)61.71s
応答時間(最大)288.94s
応答時間(合計)1419.40s
…
|
- 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
- 487,516
- 出力トークン
- 10,212
- 推論トークン
- 909,487
- 応答時間(平均)
- 61.71s
- 応答時間(合計)
- 1419.40s
- 応答時間(最大)
- 288.94s
-
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。
不正解: 1
応答時間(平均)93.30s
応答時間(最大)93.30s
応答時間(合計)93.30s
-
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)5.52s
応答時間(最大)13.27s
応答時間(合計)22.09s
-
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)55.87s
応答時間(最大)88.63s
応答時間(合計)167.62s
-
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)148.38s
応答時間(最大)180.18s
応答時間(合計)296.76s
-
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)11.11s
応答時間(最大)12.77s
応答時間(合計)22.23s
-
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。
回答なし: 2
応答時間(平均)228.16s
応答時間(最大)288.94s
応答時間(合計)684.47s
-
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)42.22s
応答時間(最大)42.22s
応答時間(合計)42.22s
-
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)6.22s
応答時間(最大)7.54s
応答時間(合計)12.44s
-
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)16.54s
応答時間(最大)33.66s
応答時間(合計)49.63s
-
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)9.86s
応答時間(最大)9.86s
応答時間(合計)9.86s
-
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)18.80s
応答時間(最大)18.80s
応答時間(合計)18.80s
|
| #113#113 |
Nemotron 3.5 Super VLhigh
|
8.4… |
NVIDIA |
$0.349
…
|
49.88s… |
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: 3 指示に従っていない: 2 回答なし: 2 API エラー: 1
応答時間(平均)49.88s
応答時間(最大)310.51s
応答時間(合計)1147.24s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 82.6%
- 入力トークン
- 296,001
- 出力トークン
- 8,105
- 推論トークン
- 600,178
- 応答時間(平均)
- 49.88s
- 応答時間(合計)
- 1147.24s
- 応答時間(最大)
- 310.51s
-
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)112.72s
応答時間(最大)112.72s
応答時間(合計)112.72s
-
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)6.75s
応答時間(最大)7.93s
応答時間(合計)27.01s
-
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)59.18s
応答時間(最大)100.45s
応答時間(合計)177.54s
-
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)183.49s
応答時間(最大)310.51s
応答時間(合計)366.98s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.65s
応答時間(最大)4.36s
応答時間(合計)7.31s
-
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。
API エラー: 1 回答なし: 1 不正解: 1
応答時間(平均)113.75s
応答時間(最大)169.90s
応答時間(合計)341.25s
-
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)14.34s
応答時間(最大)14.34s
応答時間(合計)14.34s
-
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)6.10s
応答時間(最大)8.09s
応答時間(合計)12.19s
-
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)4.32s
応答時間(最大)5.27s
応答時間(合計)12.95s
-
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)35.56s
応答時間(最大)35.56s
応答時間(合計)35.56s
-
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)39.39s
応答時間(最大)39.39s
応答時間(合計)39.39s
|
| #114#114 |
Qwen3.8 2.4T A95Blow
|
8.4… |
Qwen |
$4.016
↑
…
|
120.40s… |
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: 5 無効なツール呼び出し: 1 回答なし: 1
応答時間(平均)120.40s
応答時間(最大)534.21s
応答時間(合計)2769.16s
…
|
- 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
- 313,881
- 出力トークン
- 123,706
- 推論トークン
- 388,328
- 応答時間(平均)
- 120.40s
- 応答時間(合計)
- 2769.16s
- 応答時間(最大)
- 534.21s
-
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)151.76s
応答時間(最大)151.76s
応答時間(合計)151.76s
-
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)22.04s
応答時間(最大)42.15s
応答時間(合計)88.14s
-
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。
回答なし: 1
応答時間(平均)172.53s
応答時間(最大)384.94s
応答時間(合計)517.59s
-
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)231.85s
応答時間(最大)331.16s
応答時間(合計)463.69s
-
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)22.27s
応答時間(最大)37.21s
応答時間(合計)44.54s
-
ドメイン特化
: 3.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3
応答時間(平均)287.65s
応答時間(最大)534.21s
応答時間(合計)862.96s
-
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。
不正解: 1
応答時間(平均)22.97s
応答時間(最大)22.97s
応答時間(合計)22.97s
-
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)19.54s
応答時間(最大)28.63s
応答時間(合計)39.07s
-
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)43.37s
応答時間(最大)96.64s
応答時間(合計)130.12s
-
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)25.88s
応答時間(最大)25.88s
応答時間(合計)25.88s
-
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)422.46s
応答時間(最大)422.46s
応答時間(合計)422.46s
|
| #115#115 |
GPT-5 Minimedium
|
8.4… |
OpenAI |
$0.315
↑
…
|
29.42s… |
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: 5 指示に従っていない: 3 回答なし: 1 タイムアウト: 1
応答時間(平均)29.42s
応答時間(最大)111.48s
応答時間(合計)676.56s
…
|
- 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
- 214,645
- 出力トークン
- 15,532
- 推論トークン
- 103,679
- 応答時間(平均)
- 29.42s
- 応答時間(合計)
- 676.56s
- 応答時間(最大)
- 111.48s
-
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)68.54s
応答時間(最大)68.54s
応答時間(合計)68.54s
-
反AIトリック
: 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。
指示に従っていない: 1 不正解: 1
応答時間(平均)13.86s
応答時間(最大)26.00s
応答時間(合計)55.45s
-
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)27.63s
応答時間(最大)38.31s
応答時間(合計)82.89s
-
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)99.82s
応答時間(最大)111.48s
応答時間(合計)199.63s
-
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)12.58s
応答時間(最大)13.87s
応答時間(合計)25.16s
-
ドメイン特化
: 3.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2 タイムアウト: 1
応答時間(平均)44.66s
応答時間(最大)82.55s
応答時間(合計)133.99s
-
汎用知能
: 4.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)13.50s
応答時間(最大)13.50s
応答時間(合計)13.50s
-
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)11.59s
応答時間(最大)13.66s
応答時間(合計)23.18s
-
パズル解決
: 5.6
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)15.20s
応答時間(最大)18.90s
応答時間(合計)45.59s
-
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)18.64s
応答時間(最大)18.64s
応答時間(合計)18.64s
-
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)9.99s
応答時間(最大)9.99s
応答時間(合計)9.99s
|
| #116#116 |
Muse Glimmer 30Bxhigh
|
8.4… |
Meta |
$0.585
↓
…
|
97.70s… |
テストは、その全実行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: 3 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)97.70s
応答時間(最大)576.79s
応答時間(合計)2247.18s
…
|
- 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
- 287,538
- 出力トークン
- 118,266
- 推論トークン
- 346,758
- 応答時間(平均)
- 97.70s
- 応答時間(合計)
- 2247.18s
- 応答時間(最大)
- 576.79s
-
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)145.06s
応答時間(最大)145.06s
応答時間(合計)145.06s
-
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)13.01s
応答時間(最大)33.19s
応答時間(合計)52.06s
-
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)105.91s
応答時間(最大)159.45s
応答時間(合計)317.72s
-
複合
: 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。
無効なツール呼び出し: 1 回答なし: 1
応答時間(平均)272.74s
応答時間(最大)467.25s
応答時間(合計)545.49s
-
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)19.84s
応答時間(最大)23.87s
応答時間(合計)39.68s
-
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)142.55s
応答時間(最大)292.27s
応答時間(合計)427.66s
-
汎用知能
: 5.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)7.41s
応答時間(最大)7.41s
応答時間(合計)7.41s
-
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)8.90s
応答時間(最大)9.09s
応答時間(合計)17.81s
-
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。
回答なし: 1
応答時間(平均)199.67s
応答時間(最大)576.79s
応答時間(合計)599.00s
-
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)8.08s
応答時間(最大)8.08s
応答時間(合計)8.08s
-
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)87.23s
応答時間(最大)87.23s
応答時間(合計)87.23s
|
| #117#117 |
Gemini 3.1 Pro Previewmedium
|
8.4… |
Google |
$1.585
…
|
22.71s… |
テストは、その全実行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)22.71s
応答時間(最大)88.68s
応答時間(合計)386.11s
…
|
- 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
- 176,208
- 出力トークン
- 6,093
- 推論トークン
- 96,598
- 応答時間(平均)
- 22.71s
- 応答時間(合計)
- 386.11s
- 応答時間(最大)
- 88.68s
-
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。
タイムアウト: 1
応答時間(平均)56.17s
応答時間(最大)56.17s
応答時間(合計)56.17s
-
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)7.90s
応答時間(最大)9.52s
応答時間(合計)15.80s
-
コーディング
: 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: 1
応答時間(平均)40.17s
応答時間(最大)88.68s
応答時間(合計)120.52s
-
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)40.39s
応答時間(最大)40.61s
応答時間(合計)80.77s
-
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)7.72s
応答時間(最大)7.72s
応答時間(合計)7.72s
-
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)20.29s
応答時間(最大)32.73s
応答時間(合計)40.59s
-
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)11.77s
応答時間(最大)11.77s
応答時間(合計)11.77s
-
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)9.56s
応答時間(最大)9.56s
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)6.90s
応答時間(最大)8.49s
応答時間(合計)13.79s
-
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)23.15s
応答時間(最大)23.15s
応答時間(合計)23.15s
-
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)6.27s
応答時間(最大)6.27s
応答時間(合計)6.27s
|
| #118#118 |
Inklinghigh
|
8.4… |
Thinkingmachines |
$1.238
↓
…
|
62.72s… |
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: 4 無効なツール呼び出し: 2 指示に従っていない: 1
応答時間(平均)62.72s
応答時間(最大)327.51s
応答時間(合計)1442.48s
…
|
- 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
- 240,395
- 出力トークン
- 7,169
- 推論トークン
- 242,073
- 応答時間(平均)
- 62.72s
- 応答時間(合計)
- 1442.48s
- 応答時間(最大)
- 327.51s
-
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)66.01s
応答時間(最大)66.01s
応答時間(合計)66.01s
-
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)12.68s
応答時間(最大)26.90s
応答時間(合計)50.73s
-
コーディング
: 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。
不正解: 1
応答時間(平均)148.36s
応答時間(最大)327.51s
応答時間(合計)445.07s
-
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)63.78s
応答時間(最大)103.34s
応答時間(合計)127.56s
-
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)8.19s
応答時間(最大)11.82s
応答時間(合計)16.38s
-
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)174.68s
応答時間(最大)325.98s
応答時間(合計)524.04s
-
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)6.53s
応答時間(最大)6.53s
応答時間(合計)6.53s
-
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)7.00s
応答時間(最大)7.33s
応答時間(合計)14.01s
-
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)10.69s
応答時間(最大)12.94s
応答時間(合計)32.06s
-
ツール呼び出し
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)6.52s
応答時間(最大)6.52s
応答時間(合計)6.52s
-
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)153.57s
応答時間(最大)153.57s
応答時間(合計)153.57s
|
| #119#119 |
Muse Spark 1.1high
|
8.4… |
Meta |
$2.570
…
|
37.41s… |
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。
不正解: 3 指示に従っていない: 2 無効なツール呼び出し: 2 API エラー: 1 余分な書式: 1 回答なし: 1
応答時間(平均)37.41s
応答時間(最大)196.03s
応答時間(合計)860.39s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 10
- 試行ごとの合格率
- 69.6%
- 入力トークン
- 336,310
- 出力トークン
- 10,838
- 推論トークン
- 494,728
- 応答時間(平均)
- 37.41s
- 応答時間(合計)
- 860.39s
- 応答時間(最大)
- 196.03s
-
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)49.67s
応答時間(最大)49.67s
応答時間(合計)49.67s
-
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。
指示に従っていない: 1 不正解: 1
応答時間(平均)8.60s
応答時間(最大)15.63s
応答時間(合計)34.39s
-
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)22.92s
応答時間(最大)27.22s
応答時間(合計)68.75s
-
複合
: 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。
無効なツール呼び出し: 2
応答時間(平均)70.25s
応答時間(最大)78.10s
応答時間(合計)140.51s
-
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)8.40s
応答時間(最大)10.84s
応答時間(合計)16.81s
-
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。
API エラー: 1 余分な書式: 1 不正解: 1
応答時間(平均)94.74s
応答時間(最大)163.05s
応答時間(合計)284.23s
-
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)7.73s
応答時間(最大)7.73s
応答時間(合計)7.73s
-
指示追従
: 6.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)7.81s
応答時間(最大)9.13s
応答時間(合計)15.62s
-
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。
回答なし: 1
応答時間(平均)69.96s
応答時間(最大)196.03s
応答時間(合計)209.89s
-
ツール呼び出し
: 9.6
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。
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)9.88s
応答時間(合計)9.88s
-
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)22.93s
応答時間(最大)22.93s
応答時間(合計)22.93s
|
| #120#120 |
DeepSeek V4 Flash 0731high
|
8.4… |
DeepSeek |
$0.576
↑
…
|
118.83s… |
テストは、その全実行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 回答なし: 1
応答時間(平均)118.83s
応答時間(最大)600.61s
応答時間(合計)2733.01s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 76.8%
- 入力トークン
- 281,863
- 出力トークン
- 24,535
- 推論トークン
- 507,976
- 応答時間(平均)
- 118.83s
- 応答時間(合計)
- 2733.01s
- 応答時間(最大)
- 600.61s
-
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)204.36s
応答時間(最大)204.36s
応答時間(合計)204.36s
-
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)13.62s
応答時間(最大)39.34s
応答時間(合計)54.50s
-
コーディング
: 6.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)252.67s
応答時間(最大)396.09s
応答時間(合計)758.02s
-
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)87.10s
応答時間(最大)131.57s
応答時間(合計)174.19s
-
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)3.65s
応答時間(最大)4.40s
応答時間(合計)7.30s
-
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: 2 回答なし: 1
応答時間(平均)458.65s
応答時間(最大)600.61s
応答時間(合計)1375.95s
-
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)5.64s
応答時間(最大)5.64s
応答時間(合計)5.64s
-
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)4.46s
応答時間(最大)4.55s
応答時間(合計)8.91s
-
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)9.36s
応答時間(最大)12.00s
応答時間(合計)28.09s
-
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)5.42s
応答時間(最大)5.42s
応答時間(合計)5.42s
-
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)110.63s
応答時間(最大)110.63s
応答時間(合計)110.63s
|
| #121#121 |
Particle-1high
|
8.4… |
Particle AI |
$0.170
…
|
26.66s… |
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: 6 無効なツール呼び出し: 1 回答なし: 1
応答時間(平均)26.66s
応答時間(最大)205.97s
応答時間(合計)613.21s
…
|
- 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
- 314,243
- 出力トークン
- 7,814
- 推論トークン
- 299,782
- 応答時間(平均)
- 26.66s
- 応答時間(合計)
- 613.21s
- 応答時間(最大)
- 205.97s
-
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)54.76s
応答時間(最大)54.76s
応答時間(合計)54.76s
-
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)2.08s
応答時間(最大)3.62s
応答時間(合計)8.33s
-
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)41.83s
応答時間(最大)80.02s
応答時間(合計)125.50s
-
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)22.79s
応答時間(最大)39.51s
応答時間(合計)45.58s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.05s
応答時間(最大)2.51s
応答時間(合計)4.09s
-
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)111.06s
応答時間(最大)205.97s
応答時間(合計)333.18s
-
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)1.94s
応答時間(最大)1.94s
応答時間(合計)1.94s
-
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)2.03s
応答時間(最大)2.13s
応答時間(合計)4.06s
-
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。
不正解: 2
応答時間(平均)4.21s
応答時間(最大)5.69s
応答時間(合計)12.62s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)5.01s
応答時間(最大)5.01s
応答時間(合計)5.01s
-
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。
不正解: 1
応答時間(平均)18.15s
応答時間(最大)18.15s
応答時間(合計)18.15s
|
| #122#122 |
Particle-1minimal
|
8.4… |
Particle AI |
$0.231
…
|
31.19s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5 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)31.19s
応答時間(最大)241.96s
応答時間(合計)717.45s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 9
- 試行ごとの合格率
- 73.9%
- 入力トークン
- 269,321
- 出力トークン
- 6,889
- 推論トークン
- 426,218
- 応答時間(平均)
- 31.19s
- 応答時間(合計)
- 717.45s
- 応答時間(最大)
- 241.96s
-
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)46.82s
応答時間(最大)46.82s
応答時間(合計)46.82s
-
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)1.73s
応答時間(最大)2.72s
応答時間(合計)6.94s
-
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)48.01s
応答時間(最大)120.15s
応答時間(合計)144.02s
-
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)64.13s
応答時間(最大)122.06s
応答時間(合計)128.25s
-
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)2.48s
応答時間(最大)2.51s
応答時間(合計)4.96s
-
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)116.39s
応答時間(最大)241.96s
応答時間(合計)349.16s
-
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)2.52s
応答時間(最大)2.52s
応答時間(合計)2.52s
-
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)2.00s
応答時間(最大)2.00s
応答時間(合計)4.00s
-
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)2.12s
応答時間(最大)2.79s
応答時間(合計)6.37s
-
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)2.92s
応答時間(最大)2.92s
応答時間(合計)2.92s
-
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)21.49s
応答時間(最大)21.49s
応答時間(合計)21.49s
|
| #123#123 |
GLM 5.2high
|
8.4… |
Z.ai |
$4.632
↑
…
|
69.11s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 5 回答なし: 2 指示に従っていない: 1
応答時間(平均)69.11s
応答時間(最大)599.43s
応答時間(合計)1589.43s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 8
- 試行ごとの合格率
- 71.0%
- 入力トークン
- 288,913
- 出力トークン
- 79,462
- 推論トークン
- 303,120
- 応答時間(平均)
- 69.11s
- 応答時間(合計)
- 1589.43s
- 応答時間(最大)
- 599.43s
-
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)52.45s
応答時間(最大)52.45s
応答時間(合計)52.45s
-
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)5.80s
応答時間(最大)7.00s
応答時間(合計)23.18s
-
コーディング
: 6.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)73.03s
応答時間(最大)129.73s
応答時間(合計)219.09s
-
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)321.47s
応答時間(最大)599.43s
応答時間(合計)642.94s
-
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)5.81s
応答時間(最大)9.80s
応答時間(合計)11.62s
-
ドメイン特化
: 3.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 2 不正解: 1
応答時間(平均)126.85s
応答時間(最大)180.69s
応答時間(合計)380.54s
-
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)12.90s
応答時間(最大)12.90s
応答時間(合計)12.90s
-
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)4.26s
応答時間(最大)5.88s
応答時間(合計)8.52s
-
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)33.71s
応答時間(最大)76.21s
応答時間(合計)101.13s
-
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)9.25s
応答時間(最大)9.25s
応答時間(合計)9.25s
-
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)127.82s
応答時間(最大)127.82s
応答時間(合計)127.82s
|
| #124#124 |
Ernie 5.5 Flash Previewhigh
|
8.3… |
Baidu |
$0.000
…
|
34.81s… |
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。
余分な書式: 2 API エラー: 1 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)34.81s
応答時間(最大)246.40s
応答時間(合計)800.65s
…
|
- 合計テスト数
- 23
- 誤答テスト数
- 6
- 試行ごとの合格率
- 82.6%
- 入力トークン
- 341,965
- 出力トークン
- 7,959
- 推論トークン
- 582,592
- 応答時間(平均)
- 34.81s
- 応答時間(合計)
- 800.65s
- 応答時間(最大)
- 246.40s
-
エージェントタスク
: 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。
無効なツール呼び出し: 1
応答時間(平均)63.99s
応答時間(最大)63.99s
応答時間(合計)63.99s
-
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)1.66s
応答時間(最大)2.16s
応答時間(合計)6.64s
-
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)16.70s
応答時間(最大)22.17s
応答時間(合計)50.11s
-
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)38.20s
応答時間(最大)62.75s
応答時間(合計)76.39s
-
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。
余分な書式: 1
応答時間(平均)2.66s
応答時間(最大)2.77s
応答時間(合計)5.33s
-
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。
API エラー: 1 余分な書式: 1 不正解: 1
応答時間(平均)193.25s
応答時間(最大)246.40s
応答時間(合計)579.75s
-
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)4.60s
応答時間(最大)4.60s
応答時間(合計)4.60s
-
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)1.55s
応答時間(最大)1.61s
応答時間(合計)3.10s
-
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)1.52s
応答時間(最大)1.91s
応答時間(合計)4.56s
-
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)4.19s
応答時間(最大)4.19s
応答時間(合計)4.19s
-
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)2.01s
応答時間(最大)2.01s
応答時間(合計)2.01s
|
| #125#125 |
GPT-5.6 Terrahigh
|
8.3… |
OpenAI |
$0.698
↓
…
|
13.62s… |
テストは、その全実行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 無効なツール呼び出し: 1
応答時間(平均)13.62s
応答時間(最大)91.49s
応答時間(合計)313.21s
…
|
- 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
- 197,239
- 出力トークン
- 6,083
- 推論トークン
- 53,982
- 応答時間(平均)
- 13.62s
- 応答時間(合計)
- 313.21s
- 応答時間(最大)
- 91.49s
-
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)66.44s
応答時間(最大)66.44s
応答時間(合計)66.44s
-
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)2.54s
応答時間(最大)3.19s
応答時間(合計)10.15s
-
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)9.14s
応答時間(最大)15.19s
応答時間(合計)27.43s
-
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)13.72s
応答時間(最大)20.49s
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)938ms
応答時間(最大)1.01s
応答時間(合計)1.88s
-
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)42.65s
応答時間(最大)91.49s
応答時間(合計)127.94s
-
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)3.03s
応答時間(最大)3.03s
応答時間(合計)3.03s
-
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)2.14s
応答時間(最大)2.48s
応答時間(合計)4.28s
-
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)5.45s
応答時間(最大)10.40s
応答時間(合計)16.36s
-
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)4.97s
応答時間(最大)4.97s
応答時間(合計)4.97s
-
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)23.30s
応答時間(最大)23.30s
応答時間(合計)23.30s
|