|
スコア
|
5.7
全ベンチマークテストの平均スコア。
…
|
7.2
全ベンチマークテストの平均スコア。
…
|
|
順位
|
#105 |
#61 |
|
信頼性
|
9.9
初回試行成功スコア: 10.0 は、成功した呼び出しの前に再試行可能な対象APIまたはレート制限の失敗がないことを示します。記録された失敗はスコアを下げます。
…
|
9.9
初回試行成功スコア: 10.0 は、成功した呼び出しの前に再試行可能な対象APIまたはレート制限の失敗がないことを示します。記録された失敗はスコアを下げます。
…
|
|
一貫性
|
7.0
一貫性スコアは実行間の安定性を示します（10 = 非常に一貫、常に誤りでも一貫）。
…
|
8.7
一貫性スコアは実行間の安定性を示します（10 = 非常に一貫、常に誤りでも一貫）。
…
|
|
正解テスト
|
テストは、その全実行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）39.91s
応答時間（最大）309.02s
応答時間（合計）798.21s
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。
…
|
テストは、その全実行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: 2
応答時間（平均）61.29s
応答時間（最大）304.19s
応答時間（合計）1164.50s
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。
…
|
|
試行ごとの合格率
|
51.7%
試行ごとの合格率 = 合格試行数 / 全実行での総試行数。
…
|
66.7%
試行ごとの合格率 = 合格試行数 / 全実行での総試行数。
…
|
|
不安定なテスト
|
7
不安定なテストは、実行間で結果が混在しています（少なくとも1回合格かつ1回失敗）。
…
|
3
不安定なテストは、実行間で結果が混在しています（少なくとも1回合格かつ1回失敗）。
…
|
|
総実行回数
|
60
総実行回数
…
|
60
総実行回数
…
|
|
結果あたりのコスト
|
0.000
ベンチマークで正解1件あたりの平均コストをセント単位で表示します（低いほど良い）。
…
|
0.000
ベンチマークで正解1件あたりの平均コストをセント単位で表示します（低いほど良い）。
…
|
|
合計コスト
|
$0.000
合計コスト
…
|
$0.000
合計コスト
…
|
|
????
|
$0.000 / 1M
????
…
|
$0.075 / 1M
????
…
|
|
????
|
$0.000 / 1M
????
…
|
$0.625 / 1M
????
…
|
|
出力トークン
|
1,663
出力トークン
…
|
21,752
出力トークン
…
|
|
推論トークン
|
116,522
推論トークン
…
|
42,754
推論トークン
…
|
|
応答時間（平均）
|
39.91s
応答時間（平均）
…
|
61.29s
応答時間（平均）
…
|
|
応答時間（最大）
|
309.02s
応答時間（最大）
…
|
304.19s
応答時間（最大）
…
|
|
応答時間（合計）
|
798.21s
応答時間（合計）
…
|
1164.50s
応答時間（合計）
…
|