| #151#151 |
Laguna XS 2.1medium
|
6.5… |
Poolside |
$0.068
…
|
48.18s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 10 回答なし: 2 無効なツール呼び出し: 1
応答時間(平均)48.18s
応答時間(最大)422.72s
応答時間(合計)1059.93s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 13
- 試行ごとの合格率
- 45.5%
- 入力トークン
- 118,998
- 出力トークン
- 30,750
- 推論トークン
- 491,730
- 応答時間(平均)
- 48.18s
- 応答時間(合計)
- 1059.93s
- 応答時間(最大)
- 422.72s
-
反AIトリック
: 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。
不正解: 2 回答なし: 1
応答時間(平均)41.96s
応答時間(最大)155.23s
応答時間(合計)167.84s
-
コーディング
: 5.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)70.35s
応答時間(最大)105.98s
応答時間(合計)211.04s
-
複合
: 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。
無効なツール呼び出し: 1
応答時間(平均)218.07s
応答時間(最大)422.72s
応答時間(合計)436.15s
-
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)4.50s
応答時間(最大)5.55s
応答時間(合計)9.00s
-
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)67.48s
応答時間(最大)121.62s
応答時間(合計)202.43s
-
汎用知能
: 5.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)4.15s
応答時間(最大)4.15s
応答時間(合計)4.15s
-
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)2.57s
応答時間(最大)2.61s
応答時間(合計)5.15s
-
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)3.43s
応答時間(最大)4.37s
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)3.01s
応答時間(最大)3.01s
応答時間(合計)3.01s
-
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)10.88s
応答時間(最大)10.88s
応答時間(合計)10.88s
|
| #152#152 |
Hy3 previewmediumアーカイブ済みモデル: このモデルは今後更新されず、新しいテストでも評価されません。
|
6.5… |
Tencent |
$0.049
↕
…
|
16.28s… |
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。
API エラー: 3 不正解: 3 指示に従っていない: 1
応答時間(平均)16.28s
応答時間(最大)46.04s
応答時間(合計)293.12s
…
|
- 合計テスト数
- 21
- 誤答テスト数
- 7
- 試行ごとの合格率
- 63.6%
- 入力トークン
- 27,030
- 出力トークン
- 73,544
- 推論トークン
- 0
- 応答時間(平均)
- 16.28s
- 応答時間(合計)
- 293.12s
- 応答時間(最大)
- 46.04s
-
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)6.59s
応答時間(最大)10.20s
応答時間(合計)26.37s
-
コーディング
: 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: 2
応答時間(平均)31.37s
応答時間(最大)31.37s
応答時間(合計)31.37s
-
複合
: 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)46.04s
応答時間(最大)46.04s
応答時間(合計)46.04s
-
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)5.25s
応答時間(最大)5.25s
応答時間(合計)5.25s
-
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)22.30s
応答時間(最大)30.51s
応答時間(合計)66.90s
-
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)16.84s
応答時間(最大)16.84s
応答時間(合計)16.84s
-
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)6.16s
応答時間(最大)7.72s
応答時間(合計)12.31s
-
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)11.06s
応答時間(最大)14.35s
応答時間(合計)33.17s
-
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)15.02s
応答時間(最大)15.02s
応答時間(合計)15.02s
-
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)39.86s
応答時間(最大)39.86s
応答時間(合計)39.86s
|
| #153#153 |
Gemini 3.1 Flash Lite Previewnone
|
6.4… |
Google |
$0.052
…
|
1.56s… |
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: 7 指示に従っていない: 2 回答なし: 1
応答時間(平均)1.56s
応答時間(最大)9.27s
応答時間(合計)34.32s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 10
- 試行ごとの合格率
- 57.6%
- 入力トークン
- 120,955
- 出力トークン
- 14,161
- 推論トークン
- 0
- 応答時間(平均)
- 1.56s
- 応答時間(合計)
- 34.32s
- 応答時間(最大)
- 9.27s
-
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)1.04s
応答時間(最大)1.47s
応答時間(合計)4.17s
-
コーディング
: 5.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)967ms
応答時間(最大)1.47s
応答時間(合計)2.90s
-
複合
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1 不正解: 1
応答時間(平均)6.23s
応答時間(最大)9.27s
応答時間(合計)12.46s
-
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)1.22s
応答時間(最大)1.33s
応答時間(合計)2.44s
-
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)811ms
応答時間(最大)1.12s
応答時間(合計)2.43s
-
汎用知能
: 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。
指示に従っていない: 1
応答時間(平均)741ms
応答時間(最大)741ms
応答時間(合計)741ms
-
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)1.13s
応答時間(最大)1.14s
応答時間(合計)2.27s
-
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)900ms
応答時間(最大)962ms
応答時間(合計)2.70s
-
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)3.39s
応答時間(最大)3.39s
応答時間(合計)3.39s
-
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)814ms
応答時間(最大)814ms
応答時間(合計)814ms
|
| #154#154 |
Qwen3.6 Max Previewnone
|
6.4… |
Qwen |
$0.228
↓
…
|
7.82s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 11
応答時間(平均)7.82s
応答時間(最大)102.62s
応答時間(合計)172.04s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 11
- 試行ごとの合格率
- 56.1%
- 入力トークン
- 106,348
- 出力トークン
- 19,257
- 推論トークン
- 0
- 応答時間(平均)
- 7.82s
- 応答時間(合計)
- 172.04s
- 応答時間(最大)
- 102.62s
-
反AIトリック
: 5.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3
応答時間(平均)2.63s
応答時間(最大)5.57s
応答時間(合計)10.53s
-
コーディング
: 3.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3
応答時間(平均)3.12s
応答時間(最大)3.45s
応答時間(合計)9.35s
-
複合
: 6.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)61.56s
応答時間(最大)102.62s
応答時間(合計)123.12s
-
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)2.87s
応答時間(最大)3.54s
応答時間(合計)5.74s
-
ドメイン特化
: 5.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)1.23s
応答時間(最大)1.27s
応答時間(合計)3.70s
-
汎用知能
: 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)1.62s
応答時間(最大)1.62s
応答時間(合計)1.62s
-
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)1.40s
応答時間(最大)1.46s
応答時間(合計)2.79s
-
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)2.65s
応答時間(最大)3.59s
応答時間(合計)7.94s
-
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)5.27s
応答時間(最大)5.27s
応答時間(合計)5.27s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)1.97s
応答時間(最大)1.97s
応答時間(合計)1.97s
|
| #155#155 |
Dots 3 Note Previewlow
|
6.4… |
Dots Studio |
$0.000
…
|
61.81s… |
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: 7 指示に従っていない: 2 回答なし: 2 無効なツール呼び出し: 1
応答時間(平均)61.81s
応答時間(最大)417.36s
応答時間(合計)1359.72s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 12
- 試行ごとの合格率
- 57.6%
- 入力トークン
- 113,889
- 出力トークン
- 110,550
- 推論トークン
- 496,487
- 応答時間(平均)
- 61.81s
- 応答時間(合計)
- 1359.72s
- 応答時間(最大)
- 417.36s
-
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)17.51s
応答時間(最大)50.06s
応答時間(合計)70.05s
-
コーディング
: 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: 2
応答時間(平均)287.61s
応答時間(最大)417.36s
応答時間(合計)862.83s
-
複合
: 6.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)85.20s
応答時間(最大)131.55s
応答時間(合計)170.40s
-
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)11.49s
応答時間(最大)12.88s
応答時間(合計)22.98s
-
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)49.50s
応答時間(最大)79.61s
応答時間(合計)148.51s
-
汎用知能
: 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: 1
応答時間(平均)27.55s
応答時間(最大)27.55s
応答時間(合計)27.55s
-
指示追従
: 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)7.83s
応答時間(最大)13.14s
応答時間(合計)15.66s
-
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)8.52s
応答時間(最大)12.63s
応答時間(合計)25.57s
-
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)7.36s
応答時間(最大)7.36s
応答時間(合計)7.36s
-
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)8.80s
応答時間(最大)8.80s
応答時間(合計)8.80s
|
| #156#156 |
Dots 3 Note Previewhigh
|
6.4… |
Dots Studio |
$0.000
…
|
67.81s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 8 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)67.81s
応答時間(最大)480.52s
応答時間(合計)1491.80s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 12
- 試行ごとの合格率
- 59.1%
- 入力トークン
- 127,621
- 出力トークン
- 141,858
- 推論トークン
- 590,204
- 応答時間(平均)
- 67.81s
- 応答時間(合計)
- 1491.80s
- 応答時間(最大)
- 480.52s
-
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)6.97s
応答時間(最大)13.43s
応答時間(合計)27.87s
-
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。
回答なし: 2
応答時間(平均)306.23s
応答時間(最大)480.52s
応答時間(合計)918.70s
-
複合
: 6.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)107.07s
応答時間(最大)130.01s
応答時間(合計)214.14s
-
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)12.67s
応答時間(最大)16.38s
応答時間(合計)25.35s
-
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。
不正解: 2
応答時間(平均)69.36s
応答時間(最大)127.05s
応答時間(合計)208.09s
-
汎用知能
: 3.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)19.56s
応答時間(最大)19.56s
応答時間(合計)19.56s
-
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)7.80s
応答時間(最大)13.08s
応答時間(合計)15.61s
-
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。
不正解: 2
応答時間(平均)12.75s
応答時間(最大)17.95s
応答時間(合計)38.24s
-
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)6.96s
応答時間(最大)6.96s
応答時間(合計)6.96s
-
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)17.29s
応答時間(最大)17.29s
応答時間(合計)17.29s
|
| #157#157 |
LongCat 2.0none
|
6.4… |
Meituan |
$0.044
…
|
5.17s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 13 余分な書式: 1
応答時間(平均)5.17s
応答時間(最大)48.38s
応答時間(合計)113.83s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 14
- 試行ごとの合格率
- 40.9%
- 入力トークン
- 108,752
- 出力トークン
- 9,375
- 推論トークン
- 0
- 応答時間(平均)
- 5.17s
- 応答時間(合計)
- 113.83s
- 応答時間(最大)
- 48.38s
-
反AIトリック
: 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。
不正解: 3
応答時間(平均)2.87s
応答時間(最大)5.35s
応答時間(合計)11.47s
-
コーディング
: 5.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)2.85s
応答時間(最大)4.99s
応答時間(合計)8.54s
-
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)28.45s
応答時間(最大)48.38s
応答時間(合計)56.89s
-
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)2.36s
応答時間(最大)2.56s
応答時間(合計)4.72s
-
ドメイン特化
: 5.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)1.68s
応答時間(最大)1.79s
応答時間(合計)5.04s
-
汎用知能
: 5.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)2.76s
応答時間(最大)2.76s
応答時間(合計)2.76s
-
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。
不正解: 1
応答時間(平均)2.82s
応答時間(最大)3.85s
応答時間(合計)5.64s
-
パズル解決
: 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: 2 余分な書式: 1
応答時間(平均)2.74s
応答時間(最大)2.89s
応答時間(合計)8.21s
-
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)6.64s
応答時間(最大)6.64s
応答時間(合計)6.64s
-
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)3.92s
応答時間(最大)3.92s
応答時間(合計)3.92s
|
| #158#158 |
MiMo-V2.5medium
|
6.4… |
Xiaomi |
$0.104
↓
…
|
46.28s… |
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: 5 余分な書式: 2 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)46.28s
応答時間(最大)316.27s
応答時間(合計)1018.12s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 11
- 試行ごとの合格率
- 68.2%
- 入力トークン
- 105,456
- 出力トークン
- 7,108
- 推論トークン
- 319,940
- 応答時間(平均)
- 46.28s
- 応答時間(合計)
- 1018.12s
- 応答時間(最大)
- 316.27s
-
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)4.14s
応答時間(最大)12.41s
応答時間(合計)16.57s
-
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)97.14s
応答時間(最大)162.44s
応答時間(合計)291.41s
-
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)77.97s
応答時間(最大)139.08s
応答時間(合計)155.93s
-
データ解析と抽出
: 2.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
余分な書式: 1 不正解: 1
応答時間(平均)6.33s
応答時間(最大)7.45s
応答時間(合計)12.67s
-
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)137.75s
応答時間(最大)316.27s
応答時間(合計)413.25s
-
汎用知能
: 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。
指示に従っていない: 1
応答時間(平均)5.37s
応答時間(最大)5.37s
応答時間(合計)5.37s
-
指示追従
: 9.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)1.80s
応答時間(最大)1.81s
応答時間(合計)3.60s
-
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。
回答なし: 1
応答時間(平均)20.25s
応答時間(最大)57.93s
応答時間(合計)60.76s
-
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)7.29s
応答時間(最大)7.29s
応答時間(合計)7.29s
-
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)51.29s
応答時間(最大)51.29s
応答時間(合計)51.29s
|
| #159#159 |
Ling-3.0-flashhigh
|
6.4… |
Inclusionai |
$0.021
↕
…
|
13.70s… |
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: 7 無効なツール呼び出し: 2 API エラー: 1
応答時間(平均)13.70s
応答時間(最大)75.27s
応答時間(合計)287.75s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 10
- 試行ごとの合格率
- 63.6%
- 入力トークン
- 132,044
- 出力トークン
- 92,135
- 推論トークン
- 207,321
- 応答時間(平均)
- 13.70s
- 応答時間(合計)
- 287.75s
- 応答時間(最大)
- 75.27s
-
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)4.26s
応答時間(最大)10.43s
応答時間(合計)17.02s
-
コーディング
: 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。
不正解: 2
応答時間(平均)14.85s
応答時間(最大)23.25s
応答時間(合計)44.56s
-
複合
: 2.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 2
応答時間(平均)50.41s
応答時間(最大)75.27s
応答時間(合計)100.82s
-
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)7.15s
応答時間(最大)11.16s
応答時間(合計)14.31s
-
ドメイン特化
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2 API エラー: 1
応答時間(平均)30.29s
応答時間(最大)40.12s
応答時間(合計)60.58s
-
汎用知能
: 5.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)2.98s
応答時間(最大)2.98s
応答時間(合計)2.98s
-
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)1.85s
応答時間(最大)1.99s
応答時間(合計)3.70s
-
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)4.33s
応答時間(最大)6.40s
応答時間(合計)12.98s
-
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)6.47s
応答時間(最大)6.47s
応答時間(合計)6.47s
-
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)24.35s
応答時間(最大)24.35s
応答時間(合計)24.35s
|
| #160#160 |
Ring-2.6-1Tmedium
|
6.4… |
Inclusionai |
$0.102
↑
…
|
68.80s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 6 API エラー: 2 指示に従っていない: 2 無効なツール呼び出し: 1
応答時間(平均)68.80s
応答時間(最大)304.19s
応答時間(合計)1375.99s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 11
- 試行ごとの合格率
- 59.1%
- 入力トークン
- 113,613
- 出力トークン
- 122,706
- 推論トークン
- 42,325
- 応答時間(平均)
- 68.80s
- 応答時間(合計)
- 1375.99s
- 応答時間(最大)
- 304.19s
-
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)42.21s
応答時間(最大)89.34s
応答時間(合計)168.84s
-
コーディング
: 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: 2
応答時間(平均)59.65s
応答時間(最大)59.65s
応答時間(合計)59.65s
-
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)257.28s
応答時間(最大)304.19s
応答時間(合計)514.55s
-
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。
不正解: 1
応答時間(平均)37.36s
応答時間(最大)54.24s
応答時間(合計)74.71s
-
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)65.30s
応答時間(最大)150.55s
応答時間(合計)195.89s
-
汎用知能
: 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。
指示に従っていない: 1
応答時間(平均)58.26s
応答時間(最大)58.26s
応答時間(合計)58.26s
-
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)11.78s
応答時間(最大)17.75s
応答時間(合計)23.55s
-
パズル解決
: 5.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)20.73s
応答時間(最大)42.39s
応答時間(合計)62.19s
-
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)104.44s
応答時間(最大)104.44s
応答時間(合計)104.44s
-
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。
不正解: 1
応答時間(平均)113.91s
応答時間(最大)113.91s
応答時間(合計)113.91s
|
| #161#161 |
Mimo V2 PROmedium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。
|
6.3… |
Xiaomi |
$0.333
↑
…
|
22.16s… |
テストは、その全実行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 余分な書式: 1 指示に従っていない: 1 タイムアウト: 1
応答時間(平均)22.16s
応答時間(最大)136.29s
応答時間(合計)443.22s
…
|
- 合計テスト数
- 21
- 誤答テスト数
- 9
- 試行ごとの合格率
- 69.7%
- 入力トークン
- 40,961
- 出力トークン
- 2,518
- 推論トークン
- 81,801
- 応答時間(平均)
- 22.16s
- 応答時間(合計)
- 443.22s
- 応答時間(最大)
- 136.29s
-
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)3.92s
応答時間(合計)11.45s
-
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。
API エラー: 1 不正解: 1
応答時間(平均)94.21s
応答時間(最大)136.29s
応答時間(合計)188.41s
-
複合
: 2.3
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)64.71s
応答時間(最大)64.71s
応答時間(合計)64.71s
-
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)17.20s
応答時間(最大)17.44s
応答時間(合計)34.40s
-
ドメイン特化
: 5.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
タイムアウト: 1 不正解: 1
応答時間(平均)8.82s
応答時間(最大)14.48s
応答時間(合計)26.47s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.92s
応答時間(最大)4.92s
応答時間(合計)4.92s
-
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)3.36s
応答時間(最大)4.35s
応答時間(合計)6.72s
-
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。
余分な書式: 1 指示に従っていない: 1
応答時間(平均)5.08s
応答時間(最大)6.41s
応答時間(合計)15.23s
-
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)8.19s
応答時間(最大)8.19s
応答時間(合計)8.19s
-
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。
不正解: 1
応答時間(平均)82.71s
応答時間(最大)82.71s
応答時間(合計)82.71s
|
| #162#162 |
MiMo-V2-Flashmedium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。
|
6.3… |
Xiaomi |
$0.043
↑
…
|
20.11s… |
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 API エラー: 1 余分な書式: 1 指示に従っていない: 1 タイムアウト: 1
応答時間(平均)20.11s
応答時間(最大)96.01s
応答時間(合計)301.59s
…
|
- 合計テスト数
- 21
- 誤答テスト数
- 9
- 試行ごとの合格率
- 62.1%
- 入力トークン
- 40,111
- 出力トークン
- 12,476
- 推論トークン
- 125,039
- 応答時間(平均)
- 20.11s
- 応答時間(合計)
- 301.59s
- 応答時間(最大)
- 96.01s
-
反AIトリック
: 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。
余分な書式: 1
応答時間(平均)15.85s
応答時間(最大)20.83s
応答時間(合計)47.55s
-
コーディング
: 6.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
タイムアウト: 1 不正解: 1
応答時間(平均)10.71s
応答時間(最大)17.72s
応答時間(合計)32.13s
-
複合
: 4.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)75.68s
応答時間(最大)75.68s
応答時間(合計)75.68s
-
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)0ms
応答時間(最大)0ms
応答時間(合計)0ms
-
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)96.01s
応答時間(最大)96.01s
応答時間(合計)96.01s
-
汎用知能
: 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。
指示に従っていない: 1
応答時間(平均)4.20s
応答時間(最大)4.20s
応答時間(合計)4.20s
-
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)4.28s
応答時間(最大)7.37s
応答時間(合計)8.55s
-
パズル解決
: 7.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)3.87s
応答時間(最大)5.26s
応答時間(合計)7.74s
-
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)27.78s
応答時間(最大)27.78s
応答時間(合計)27.78s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)1.96s
応答時間(最大)1.96s
応答時間(合計)1.96s
|
| #163#163 |
Seed-2.0-Litenone
|
6.2… |
Bytedance Seed |
$0.066
…
|
4.37s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 13 回答なし: 1
応答時間(平均)4.37s
応答時間(最大)44.58s
応答時間(合計)96.20s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 14
- 試行ごとの合格率
- 40.9%
- 入力トークン
- 142,206
- 出力トークン
- 14,744
- 推論トークン
- 0
- 応答時間(平均)
- 4.37s
- 応答時間(合計)
- 96.20s
- 応答時間(最大)
- 44.58s
-
反AIトリック
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 4
応答時間(平均)2.43s
応答時間(最大)6.70s
応答時間(合計)9.73s
-
コーディング
: 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。
不正解: 2
応答時間(平均)2.83s
応答時間(最大)4.61s
応答時間(合計)8.49s
-
複合
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1 不正解: 1
応答時間(平均)25.58s
応答時間(最大)44.58s
応答時間(合計)51.17s
-
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)1.82s
応答時間(最大)1.97s
応答時間(合計)3.63s
-
ドメイン特化
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3
応答時間(平均)1.12s
応答時間(最大)1.53s
応答時間(合計)3.36s
-
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)3.45s
応答時間(最大)3.45s
応答時間(合計)3.45s
-
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)1.06s
応答時間(最大)1.09s
応答時間(合計)2.12s
-
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)2.78s
応答時間(最大)5.20s
応答時間(合計)8.34s
-
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)3.94s
応答時間(最大)3.94s
応答時間(合計)3.94s
-
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)1.96s
応答時間(最大)1.96s
応答時間(合計)1.96s
|
| #164#164 |
Gemma 4 31Bmedium
|
6.2… |
Google |
$0.101
↓
…
|
78.59s… |
テストは、その全実行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 API エラー: 2 タイムアウト: 2 無効なツール呼び出し: 1 回答なし: 1
応答時間(平均)78.59s
応答時間(最大)437.40s
応答時間(合計)1571.84s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 9
- 試行ごとの合格率
- 65.2%
- 入力トークン
- 94,969
- 出力トークン
- 34,399
- 推論トークン
- 233,022
- 応答時間(平均)
- 78.59s
- 応答時間(合計)
- 1571.84s
- 応答時間(最大)
- 437.40s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)12.89s
応答時間(最大)26.66s
応答時間(合計)51.55s
-
コーディング
: 4.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
タイムアウト: 2 回答なし: 1
応答時間(平均)219.76s
応答時間(最大)437.40s
応答時間(合計)659.27s
-
複合
: 2.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
API エラー: 1 無効なツール呼び出し: 1
応答時間(平均)433.11s
応答時間(最大)433.11s
応答時間(合計)433.11s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)21.11s
応答時間(最大)21.94s
応答時間(合計)42.21s
-
ドメイン特化
: 5.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)59.92s
応答時間(最大)77.78s
応答時間(合計)179.75s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)9.57s
応答時間(最大)9.57s
応答時間(合計)9.57s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)12.76s
応答時間(最大)17.53s
応答時間(合計)25.52s
-
パズル解決
: 9.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)26.91s
応答時間(最大)61.08s
応答時間(合計)80.72s
-
ツール呼び出し
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
API エラー: 1
応答時間(平均)0ms
応答時間(最大)0ms
応答時間(合計)0ms
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)90.14s
応答時間(最大)90.14s
応答時間(合計)90.14s
|
| #165#165 |
GPT-5.6 Lunalow
|
6.2… |
OpenAI |
$0.026
↓
…
|
5.20s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 10 指示に従っていない: 1 無効なツール呼び出し: 1
応答時間(平均)5.20s
応答時間(最大)19.44s
応答時間(合計)114.46s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 12
- 試行ごとの合格率
- 54.5%
- 入力トークン
- 96,355
- 出力トークン
- 8,213
- 推論トークン
- 18,073
- 応答時間(平均)
- 5.20s
- 応答時間(合計)
- 114.46s
- 応答時間(最大)
- 19.44s
-
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)2.21s
応答時間(最大)2.87s
応答時間(合計)8.84s
-
コーディング
: 5.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)4.61s
応答時間(最大)5.18s
応答時間(合計)13.83s
-
複合
: 2.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1 不正解: 1
応答時間(平均)13.71s
応答時間(最大)19.44s
応答時間(合計)27.43s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.14s
応答時間(最大)2.49s
応答時間(合計)4.28s
-
ドメイン特化
: 2.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3
応答時間(平均)11.24s
応答時間(最大)18.06s
応答時間(合計)33.71s
-
汎用知能
: 5.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)2.25s
応答時間(最大)2.25s
応答時間(合計)2.25s
-
指示追従
: 8.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)2.04s
応答時間(最大)2.18s
応答時間(合計)4.07s
-
パズル解決
: 7.6
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)3.59s
応答時間(最大)4.55s
応答時間(合計)10.77s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)4.43s
応答時間(最大)4.43s
応答時間(合計)4.43s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)4.86s
応答時間(最大)4.86s
応答時間(合計)4.86s
|
| #166#166 |
Claude Sonnet 5none
|
6.1… |
Anthropic |
$0.548
…
|
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。
不正解: 8 余分な書式: 4 回答なし: 2 指示に従っていない: 1
応答時間(平均)6.05s
応答時間(最大)33.39s
応答時間(合計)132.99s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 15
- 試行ごとの合格率
- 40.9%
- 入力トークン
- 161,032
- 出力トークン
- 22,508
- 推論トークン
- 0
- 応答時間(平均)
- 6.05s
- 応答時間(合計)
- 132.99s
- 応答時間(最大)
- 33.39s
-
反AIトリック
: 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。
余分な書式: 2 不正解: 1
応答時間(平均)3.60s
応答時間(最大)7.10s
応答時間(合計)14.39s
-
コーディング
: 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: 3
応答時間(平均)3.67s
応答時間(最大)5.83s
応答時間(合計)11.02s
-
複合
: 6.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)31.43s
応答時間(最大)33.39s
応答時間(合計)62.86s
-
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)3.01s
応答時間(最大)3.29s
応答時間(合計)6.02s
-
ドメイン特化
: 2.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3
応答時間(平均)3.32s
応答時間(最大)4.75s
応答時間(合計)9.96s
-
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)2.81s
応答時間(最大)2.81s
応答時間(合計)2.81s
-
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。
余分な書式: 1
応答時間(平均)2.58s
応答時間(最大)2.89s
応答時間(合計)5.17s
-
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。
余分な書式: 1 不正解: 1
応答時間(平均)3.22s
応答時間(最大)3.65s
応答時間(合計)9.67s
-
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)6.80s
応答時間(最大)6.80s
応答時間(合計)6.80s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1
応答時間(平均)4.31s
応答時間(最大)4.31s
応答時間(合計)4.31s
|
| #167#167 |
Gemini 3.1 Flash Liteminimal
|
6.1… |
Google |
$0.047
…
|
1.85s… |
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: 8 指示に従っていない: 3 回答なし: 1
応答時間(平均)1.85s
応答時間(最大)12.97s
応答時間(合計)40.74s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 12
- 試行ごとの合格率
- 51.5%
- 入力トークン
- 119,076
- 出力トークン
- 11,118
- 推論トークン
- 0
- 応答時間(平均)
- 1.85s
- 応答時間(合計)
- 40.74s
- 応答時間(最大)
- 12.97s
-
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)1.10s
応答時間(最大)1.65s
応答時間(合計)4.42s
-
コーディング
: 5.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)831ms
応答時間(最大)1.31s
応答時間(合計)2.49s
-
複合
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1 不正解: 1
応答時間(平均)7.75s
応答時間(最大)12.97s
応答時間(合計)15.50s
-
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)1.04s
応答時間(最大)1.32s
応答時間(合計)2.07s
-
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)972ms
応答時間(最大)1.16s
応答時間(合計)2.92s
-
汎用知能
: 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。
指示に従っていない: 1
応答時間(平均)791ms
応答時間(最大)791ms
応答時間(合計)791ms
-
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)932ms
応答時間(最大)1.00s
応答時間(合計)1.86s
-
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: 2
応答時間(平均)2.15s
応答時間(最大)4.49s
応答時間(合計)6.45s
-
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)3.51s
応答時間(最大)3.51s
応答時間(合計)3.51s
-
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)724ms
応答時間(最大)724ms
応答時間(合計)724ms
|
| #168#168 |
Qwen3.5-35B-A3Bmedium
|
6.1… |
Qwen |
$1.623
↑
…
|
110.84s… |
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。
タイムアウト: 4 回答なし: 3 不正解: 2 API エラー: 1 無効なツール呼び出し: 1
応答時間(平均)110.84s
応答時間(最大)950.25s
応答時間(合計)2438.58s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 11
- 試行ごとの合格率
- 65.2%
- 入力トークン
- 130,450
- 出力トークン
- 54,857
- 推論トークン
- 838,606
- 応答時間(平均)
- 110.84s
- 応答時間(合計)
- 2438.58s
- 応答時間(最大)
- 950.25s
-
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)21.13s
応答時間(最大)34.96s
応答時間(合計)84.53s
-
コーディング
: 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 タイムアウト: 1
応答時間(平均)206.65s
応答時間(最大)409.98s
応答時間(合計)619.94s
-
複合
: 3.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1 回答なし: 1
応答時間(平均)512.79s
応答時間(最大)950.25s
応答時間(合計)1025.59s
-
データ解析と抽出
: 7.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
API エラー: 1
応答時間(平均)59.33s
応答時間(最大)97.12s
応答時間(合計)118.65s
-
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。
回答なし: 1 タイムアウト: 1 不正解: 1
応答時間(平均)76.44s
応答時間(最大)88.98s
応答時間(合計)229.31s
-
汎用知能
: 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。
タイムアウト: 1
応答時間(平均)30.30s
応答時間(最大)30.30s
応答時間(合計)30.30s
-
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)43.36s
応答時間(合計)48.89s
-
パズル解決
: 8.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
タイムアウト: 1
応答時間(平均)33.13s
応答時間(最大)64.81s
応答時間(合計)99.38s
-
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)4.65s
応答時間(最大)4.65s
応答時間(合計)4.65s
-
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。
不正解: 1
応答時間(平均)177.35s
応答時間(最大)177.35s
応答時間(合計)177.35s
|
| #169#169 |
gpt-oss-120bmedium
|
6.1… |
OpenAI |
$0.019
↓
…
|
20.81s… |
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: 9 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)20.81s
応答時間(最大)68.16s
応答時間(合計)332.88s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 13
- 試行ごとの合格率
- 50.0%
- 入力トークン
- 108,767
- 出力トークン
- 29,378
- 推論トークン
- 68,904
- 応答時間(平均)
- 20.81s
- 応答時間(合計)
- 332.88s
- 応答時間(最大)
- 68.16s
-
反AIトリック
: 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。
指示に従っていない: 1 不正解: 1
応答時間(平均)10.21s
応答時間(最大)19.76s
応答時間(合計)20.43s
-
コーディング
: 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)38.37s
応答時間(最大)68.16s
応答時間(合計)115.10s
-
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)23.96s
応答時間(最大)31.18s
応答時間(合計)47.91s
-
データ解析と抽出
: 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: 1
応答時間(平均)1.98s
応答時間(最大)1.98s
応答時間(合計)1.98s
-
ドメイン特化
: 2.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3
応答時間(平均)27.55s
応答時間(最大)50.92s
応答時間(合計)55.10s
-
汎用知能
: 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。
指示に従っていない: 1
応答時間(平均)7.90s
応答時間(最大)7.90s
応答時間(合計)7.90s
-
指示追従
: 9.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)7.63s
応答時間(最大)7.63s
応答時間(合計)7.63s
-
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)21.71s
応答時間(最大)32.40s
応答時間(合計)43.41s
-
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)6.91s
応答時間(最大)6.91s
応答時間(合計)6.91s
-
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)26.51s
応答時間(最大)26.51s
応答時間(合計)26.51s
|
| #170#170 |
Qwen3.7 Flashnone
|
6.1… |
Qwen |
$0.019
…
|
10.05s… |
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: 13 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)10.05s
応答時間(最大)186.24s
応答時間(合計)221.13s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 15
- 試行ごとの合格率
- 36.4%
- 入力トークン
- 218,740
- 出力トークン
- 90,507
- 推論トークン
- 0
- 応答時間(平均)
- 10.05s
- 応答時間(合計)
- 221.13s
- 応答時間(最大)
- 186.24s
-
反AIトリック
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 4
応答時間(平均)2.55s
応答時間(最大)6.80s
応答時間(合計)10.19s
-
コーディング
: 5.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)1.55s
応答時間(最大)2.70s
応答時間(合計)4.65s
-
複合
: 3.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1 不正解: 1
応答時間(平均)94.59s
応答時間(最大)186.24s
応答時間(合計)189.18s
-
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)2.09s
応答時間(最大)3.22s
応答時間(合計)4.18s
-
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)814ms
応答時間(最大)979ms
応答時間(合計)2.44s
-
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)963ms
応答時間(最大)963ms
応答時間(合計)963ms
-
指示追従
: 6.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)892ms
応答時間(最大)990ms
応答時間(合計)1.78s
-
パズル解決
: 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 指示に従っていない: 1
応答時間(平均)1.39s
応答時間(最大)2.29s
応答時間(合計)4.18s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.80s
応答時間(最大)2.80s
応答時間(合計)2.80s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)766ms
応答時間(最大)766ms
応答時間(合計)766ms
|
| #171#171 |
Gemini 3.1 Flash Litenone
|
6.1… |
Google |
$0.046
…
|
1.75s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 11 指示に従っていない: 1 回答なし: 1
応答時間(平均)1.75s
応答時間(最大)16.25s
応答時間(合計)38.42s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 13
- 試行ごとの合格率
- 50.0%
- 入力トークン
- 118,059
- 出力トークン
- 10,723
- 推論トークン
- 0
- 応答時間(平均)
- 1.75s
- 応答時間(合計)
- 38.42s
- 応答時間(最大)
- 16.25s
-
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)1.07s
応答時間(最大)1.91s
応答時間(合計)4.27s
-
コーディング
: 5.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)938ms
応答時間(最大)1.59s
応答時間(合計)2.81s
-
複合
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
回答なし: 1 不正解: 1
応答時間(平均)9.49s
応答時間(最大)16.25s
応答時間(合計)18.98s
-
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)843ms
応答時間(最大)907ms
応答時間(合計)1.69s
-
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)701ms
応答時間(最大)814ms
応答時間(合計)2.10s
-
汎用知能
: 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: 1
応答時間(平均)992ms
応答時間(最大)992ms
応答時間(合計)992ms
-
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)859ms
応答時間(最大)975ms
応答時間(合計)1.72s
-
パズル解決
: 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)720ms
応答時間(最大)826ms
応答時間(合計)2.16s
-
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)2.97s
応答時間(最大)2.97s
応答時間(合計)2.97s
-
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)733ms
応答時間(最大)733ms
応答時間(合計)733ms
|
| #172#172 |
Qwen3.5-Flashmedium
|
6.1… |
Qwen |
$0.142
↓
…
|
84.44s… |
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: 5 タイムアウト: 3 API エラー: 1 指示に従っていない: 1 無効なツール呼び出し: 1
応答時間(平均)84.44s
応答時間(最大)515.38s
応答時間(合計)1773.20s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 11
- 試行ごとの合格率
- 65.2%
- 入力トークン
- 118,508
- 出力トークン
- 35,457
- 推論トークン
- 477,389
- 応答時間(平均)
- 84.44s
- 応答時間(合計)
- 1773.20s
- 応答時間(最大)
- 515.38s
-
反AIトリック
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)59.11s
応答時間(最大)168.31s
応答時間(合計)236.44s
-
コーディング
: 3.7
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2 タイムアウト: 1
応答時間(平均)58.87s
応答時間(最大)68.14s
応答時間(合計)176.60s
-
複合
: 6.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1
応答時間(平均)266.58s
応答時間(最大)515.38s
応答時間(合計)533.16s
-
データ解析と抽出
: 7.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
API エラー: 1
応答時間(平均)56.99s
応答時間(最大)80.14s
応答時間(合計)113.98s
-
ドメイン特化
: 2.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2 タイムアウト: 1
応答時間(平均)143.82s
応答時間(最大)234.29s
応答時間(合計)431.47s
-
汎用知能
: 6.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)40.05s
応答時間(最大)40.05s
応答時間(合計)40.05s
-
指示追従
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)63.49s
応答時間(最大)111.61s
応答時間(合計)126.98s
-
パズル解決
: 8.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
タイムアウト: 1
応答時間(平均)27.61s
応答時間(最大)31.84s
応答時間(合計)55.21s
-
ツール呼び出し
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)10.33s
応答時間(最大)10.33s
応答時間(合計)10.33s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)48.98s
応答時間(最大)48.98s
応答時間(合計)48.98s
|
| #173#173 |
Inklinglow
|
6.1… |
Thinkingmachines |
$0.181
↓
…
|
5.11s… |
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: 8 指示に従っていない: 2 無効なツール呼び出し: 2
応答時間(平均)5.11s
応答時間(最大)41.58s
応答時間(合計)112.46s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 12
- 試行ごとの合格率
- 54.6%
- 入力トークン
- 109,893
- 出力トークン
- 8,580
- 推論トークン
- 10,324
- 応答時間(平均)
- 5.11s
- 応答時間(合計)
- 112.46s
- 応答時間(最大)
- 41.58s
-
反AIトリック
: 8.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)2.51s
応答時間(最大)5.19s
応答時間(合計)10.04s
-
コーディング
: 5.1
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 3
応答時間(平均)8.71s
応答時間(最大)12.24s
応答時間(合計)26.14s
-
複合
: 2.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 2
応答時間(平均)22.73s
応答時間(最大)41.58s
応答時間(合計)45.45s
-
データ解析と抽出
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)2.07s
応答時間(最大)2.28s
応答時間(合計)4.15s
-
ドメイン特化
: 5.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)1.68s
応答時間(最大)2.19s
応答時間(合計)5.03s
-
汎用知能
: 10.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)3.44s
応答時間(最大)3.44s
応答時間(合計)3.44s
-
指示追従
: 9.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
失敗した回答はありません。
応答時間(平均)1.81s
応答時間(最大)1.83s
応答時間(合計)3.62s
-
パズル解決
: 6.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)2.97s
応答時間(最大)4.89s
応答時間(合計)8.91s
-
ツール呼び出し
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1
応答時間(平均)2.57s
応答時間(最大)2.57s
応答時間(合計)2.57s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)3.12s
応答時間(最大)3.12s
応答時間(合計)3.12s
|
| #174#174 |
Trinity Large Thinkingmedium
|
6.1… |
Arcee AI |
$0.798
…
|
85.44s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 8 指示に従っていない: 4 無効なツール呼び出し: 2
応答時間(平均)85.44s
応答時間(最大)525.14s
応答時間(合計)1879.75s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 14
- 試行ごとの合格率
- 48.5%
- 入力トークン
- 118,486
- 出力トークン
- 156,166
- 推論トークン
- 860,619
- 応答時間(平均)
- 85.44s
- 応答時間(合計)
- 1879.75s
- 応答時間(最大)
- 525.14s
-
反AIトリック
: 6.8
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)5.11s
応答時間(最大)7.44s
応答時間(合計)20.43s
-
コーディング
: 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)179.02s
応答時間(最大)204.02s
応答時間(合計)537.06s
-
複合
: 2.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 2
応答時間(平均)382.70s
応答時間(最大)525.14s
応答時間(合計)765.39s
-
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)16.38s
応答時間(最大)25.39s
応答時間(合計)32.75s
-
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)124.17s
応答時間(最大)185.24s
応答時間(合計)372.50s
-
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)32.22s
応答時間(最大)32.22s
応答時間(合計)32.22s
-
指示追従
: 4.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)3.99s
応答時間(最大)4.44s
応答時間(合計)7.98s
-
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: 2 不正解: 1
応答時間(平均)2.90s
応答時間(最大)4.88s
応答時間(合計)8.71s
-
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)5.26s
応答時間(最大)5.26s
応答時間(合計)5.26s
-
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。
不正解: 1
応答時間(平均)97.44s
応答時間(最大)97.44s
応答時間(合計)97.44s
|
| #175#175 |
Qwen3.6 Flashnone
|
6.1… |
Qwen |
$0.062
↓
…
|
3.73s… |
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: 12 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)3.73s
応答時間(最大)48.79s
応答時間(合計)81.95s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 15
- 試行ごとの合格率
- 34.9%
- 入力トークン
- 139,797
- 出力トークン
- 30,947
- 推論トークン
- 0
- 応答時間(平均)
- 3.73s
- 応答時間(合計)
- 81.95s
- 応答時間(最大)
- 48.79s
-
反AIトリック
: 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。
不正解: 4
応答時間(平均)1.63s
応答時間(最大)4.60s
応答時間(合計)6.51s
-
コーディング
: 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)1.79s
応答時間(最大)2.46s
応答時間(合計)5.36s
-
複合
: 3.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 2
応答時間(平均)26.50s
応答時間(最大)48.79s
応答時間(合計)53.01s
-
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)2.13s
応答時間(最大)3.35s
応答時間(合計)4.26s
-
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)963ms
応答時間(最大)1.89s
応答時間(合計)2.89s
-
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)947ms
応答時間(最大)947ms
応答時間(合計)947ms
-
指示追従
: 6.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)1.10s
応答時間(最大)1.36s
応答時間(合計)2.19s
-
パズル解決
: 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 指示に従っていない: 1
応答時間(平均)1.21s
応答時間(最大)1.80s
応答時間(合計)3.64s
-
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)2.49s
応答時間(最大)2.49s
応答時間(合計)2.49s
-
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)649ms
応答時間(最大)649ms
応答時間(合計)649ms
|
| #176#176 |
Gemma 4 31Bnone
|
6.1… |
Google |
$0.018
↓
…
|
5.41s… |
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: 10 API エラー: 2 指示に従っていない: 1
応答時間(平均)5.41s
応答時間(最大)29.95s
応答時間(合計)108.12s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 13
- 試行ごとの合格率
- 43.9%
- 入力トークン
- 125,703
- 出力トークン
- 13,317
- 推論トークン
- 0
- 応答時間(平均)
- 5.41s
- 応答時間(合計)
- 108.12s
- 応答時間(最大)
- 29.95s
-
反AIトリック
: 6.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)1.85s
応答時間(最大)4.45s
応答時間(合計)7.40s
-
コーディング
: 5.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)11.19s
応答時間(最大)26.13s
応答時間(合計)33.58s
-
複合
: 3.8
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
API エラー: 1 不正解: 1
応答時間(平均)29.95s
応答時間(最大)29.95s
応答時間(合計)29.95s
-
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)2.25s
応答時間(最大)3.02s
応答時間(合計)4.51s
-
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)3.65s
応答時間(最大)4.68s
応答時間(合計)10.96s
-
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)2.09s
応答時間(最大)2.09s
応答時間(合計)2.09s
-
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。
不正解: 1
応答時間(平均)2.84s
応答時間(最大)4.45s
応答時間(合計)5.68s
-
パズル解決
: 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)4.23s
応答時間(最大)7.63s
応答時間(合計)12.69s
-
ツール呼び出し
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
API エラー: 1
応答時間(平均)0ms
応答時間(最大)0ms
応答時間(合計)0ms
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)1.25s
応答時間(最大)1.25s
応答時間(合計)1.25s
|
| #177#177 |
Qwen3.5 Plus 2026-04-20none
|
6.1… |
Qwen |
$0.122
↓
…
|
13.10s… |
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 12 指示に従っていない: 2
応答時間(平均)13.10s
応答時間(最大)206.05s
応答時間(合計)288.23s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 14
- 試行ごとの合格率
- 43.9%
- 入力トークン
- 94,477
- 出力トークン
- 51,487
- 推論トークン
- 0
- 応答時間(平均)
- 13.10s
- 応答時間(合計)
- 288.23s
- 応答時間(最大)
- 206.05s
-
反AIトリック
: 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。
不正解: 3
応答時間(平均)1.88s
応答時間(最大)4.81s
応答時間(合計)7.53s
-
コーディング
: 3.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2 指示に従っていない: 1
応答時間(平均)1.69s
応答時間(最大)3.20s
応答時間(合計)5.06s
-
複合
: 6.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)109.69s
応答時間(最大)206.05s
応答時間(合計)219.37s
-
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)2.82s
応答時間(最大)3.86s
応答時間(合計)5.65s
-
ドメイン特化
: 5.3
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)1.06s
応答時間(最大)1.71s
応答時間(合計)3.19s
-
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)1.41s
応答時間(最大)1.41s
応答時間(合計)1.41s
-
指示追従
: 6.2
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)1.17s
応答時間(最大)1.33s
応答時間(合計)2.35s
-
パズル解決
: 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。
不正解: 2
応答時間(平均)1.97s
応答時間(最大)3.43s
応答時間(合計)5.91s
-
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)4.42s
応答時間(最大)4.42s
応答時間(合計)4.42s
-
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)33.34s
応答時間(最大)33.34s
応答時間(合計)33.34s
|
| #178#178 |
Nemotron 3 Ultranone
|
6.1… |
NVIDIA |
$0.095
↕
…
|
3.88s… |
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: 11 API エラー: 2 指示に従っていない: 1
応答時間(平均)3.88s
応答時間(最大)37.50s
応答時間(合計)85.33s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 14
- 試行ごとの合格率
- 42.4%
- 入力トークン
- 101,168
- 出力トークン
- 9,470
- 推論トークン
- 0
- 応答時間(平均)
- 3.88s
- 応答時間(合計)
- 85.33s
- 応答時間(最大)
- 37.50s
-
反AIトリック
: 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: 4
応答時間(平均)2.35s
応答時間(最大)6.55s
応答時間(合計)9.42s
-
コーディング
: 5.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)1.02s
応答時間(最大)1.83s
応答時間(合計)3.07s
-
複合
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
API エラー: 1 不正解: 1
応答時間(平均)21.14s
応答時間(最大)37.50s
応答時間(合計)42.28s
-
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)1.94s
応答時間(最大)2.86s
応答時間(合計)3.89s
-
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)758ms
応答時間(最大)1.00s
応答時間(合計)2.28s
-
汎用知能
: 5.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)13.49s
応答時間(最大)13.49s
応答時間(合計)13.49s
-
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)1.46s
応答時間(最大)1.72s
応答時間(合計)2.92s
-
パズル解決
: 5.9
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)1.06s
応答時間(最大)1.53s
応答時間(合計)3.17s
-
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)2.99s
応答時間(最大)2.99s
応答時間(合計)2.99s
-
雑学
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)1.83s
応答時間(最大)1.83s
応答時間(合計)1.83s
|
| #179#179 |
Trinity Large Thinkinglow
|
6.0… |
Arcee AI |
$0.658
…
|
96.61s… |
テストは、その全実行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 API エラー: 2 指示に従っていない: 2 無効なツール呼び出し: 2 回答なし: 1
応答時間(平均)96.61s
応答時間(最大)540.96s
応答時間(合計)2125.51s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 14
- 試行ごとの合格率
- 47.0%
- 入力トークン
- 122,854
- 出力トークン
- 119,810
- 推論トークン
- 698,549
- 応答時間(平均)
- 96.61s
- 応答時間(合計)
- 2125.51s
- 応答時間(最大)
- 540.96s
-
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)5.70s
応答時間(最大)10.16s
応答時間(合計)22.82s
-
コーディング
: 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: 2
応答時間(平均)344.45s
応答時間(最大)531.83s
応答時間(合計)1033.35s
-
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)291.02s
応答時間(最大)540.96s
応答時間(合計)582.05s
-
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)14.30s
応答時間(最大)21.07s
応答時間(合計)28.60s
-
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)140.26s
応答時間(最大)307.46s
応答時間(合計)420.77s
-
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)12.65s
応答時間(最大)12.65s
応答時間(合計)12.65s
-
指示追従
: 4.4
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
指示に従っていない: 1 不正解: 1
応答時間(平均)4.07s
応答時間(最大)4.47s
応答時間(合計)8.14s
-
パズル解決
: 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)3.28s
応答時間(最大)6.54s
応答時間(合計)9.85s
-
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)5.19s
応答時間(最大)5.19s
応答時間(合計)5.19s
-
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。
不正解: 1
応答時間(平均)2.10s
応答時間(最大)2.10s
応答時間(合計)2.10s
|
| #180#180 |
Gemini 2.5 Flashnone
|
6.0… |
Google |
$0.017
…
|
6.19s… |
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: 13 無効なツール呼び出し: 1
応答時間(平均)6.19s
応答時間(最大)118.00s
応答時間(合計)136.23s
…
|
- 合計テスト数
- 22
- 誤答テスト数
- 14
- 試行ごとの合格率
- 39.4%
- 入力トークン
- 39,886
- 出力トークン
- 1,890
- 推論トークン
- 0
- 応答時間(平均)
- 6.19s
- 応答時間(合計)
- 136.23s
- 応答時間(最大)
- 118.00s
-
反AIトリック
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 4
応答時間(平均)582ms
応答時間(最大)844ms
応答時間(合計)2.33s
-
コーディング
: 5.5
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 2
応答時間(平均)736ms
応答時間(最大)1.16s
応答時間(合計)2.21s
-
複合
: 3.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
無効なツール呼び出し: 1 不正解: 1
応答時間(平均)61.19s
応答時間(最大)118.00s
応答時間(合計)122.38s
-
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)652ms
応答時間(最大)660ms
応答時間(合計)1.30s
-
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)449ms
応答時間(最大)642ms
応答時間(合計)1.35s
-
汎用知能
: 5.0
テストは、その全実行が合格した場合にのみ完全合格とみなされます。
不正解: 1
応答時間(平均)615ms
応答時間(最大)615ms
応答時間(合計)615ms
-
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)590ms
応答時間(最大)622ms
応答時間(合計)1.18s
-
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)604ms
応答時間(最大)700ms
応答時間(合計)1.81s
-
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)1.91s
応答時間(最大)1.91s
応答時間(合計)1.91s
-
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)1.15s
応答時間(最大)1.15s
応答時間(合計)1.15s
|