複合モデルランキング

複合でどのAIモデルが最も強いか、どのモデルが安定しているか、差が大きいのはどこかを確認できます。並び替え: 指標 ↑.

表示モデル数

平均複合スコア

0.6

最良モデル

失敗理由

失敗理由無効なツール呼び出しで183 失敗理由不正解で130 失敗理由 API エラーで62 失敗理由回答なしで56 失敗理由タイムアウトで11 失敗理由余分な書式で1 失敗理由指示に従っていないで1

455/455

順位	モデル	企業	複合スコア	スコア	合計コスト	正解テスト	応答時間（平均）
#225	LongCat 2.0 low	Meituan	1.0	0.7	$0.630	2/2	130.2s
合計テスト数 2 誤答テスト数 0 合計コスト $0.630 応答時間（平均） 130.2s
#231	Minimax M3.1 Flash high	Minimax	1.0	0.7	$0.000	2/2	34.8s
合計テスト数 2 誤答テスト数 0 合計コスト $0.000 応答時間（平均） 34.8s
#245	Claude Sonnet 4.6 medium	Anthropic	1.0	0.6	$2.126	2/2	93.7s
合計テスト数 2 誤答テスト数 0 合計コスト $2.126 応答時間（平均） 93.7s
#264	Claude Opus 4.6 medium	Anthropic	1.0	0.6	$2.961	2/2	114.1s
合計テスト数 2 誤答テスト数 0 合計コスト $2.961 応答時間（平均） 114.1s
#275	Claude Fable 5.1 low	Anthropic	1.0	0.6	$3.395	2/2	29.4s
合計テスト数 2 誤答テスト数 0 合計コスト $3.395 応答時間（平均） 29.4s

複合ランキング