|
スコア
|
5.8
全ベンチマークテストの平均スコア。
…
|
5.2
全ベンチマークテストの平均スコア。
…
|
|
順位
|
#102 |
#128 |
|
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。
…
|
10.0
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
|
6.9
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）。
…
|
9.7
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: 8 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）36.50s
応答時間（最大）309.02s
応答時間（合計）693.45s
テストは、その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: 12 余分な書式: 1 指示に従っていない: 1
応答時間（平均）9.44s
応答時間（最大）45.14s
応答時間（合計）122.73s
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。
…
|
|
試行ごとの合格率
|
54.4%
試行ごとの合格率 = 合格試行数 / 全実行での総試行数。
…
|
29.8%
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）。
…
|
1
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
|
57
総実行回数
…
|
57
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）。
…
|
0.151
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
…
|
$0.008
合計コスト
…
|
|
????
|
$0.000 / 1M
????
…
|
$0.110 / 1M
????
…
|
|
????
|
$0.000 / 1M
????
…
|
$0.800 / 1M
????
…
|
|
出力トークン
|
1,648
出力トークン
…
|
3,629
出力トークン
…
|
|
推論トークン
|
96,062
推論トークン
…
|
0
推論トークン
…
|
|
応答時間（平均）
|
36.50s
応答時間（平均）
…
|
9.44s
応答時間（平均）
…
|
|
応答時間（最大）
|
309.02s
応答時間（最大）
…
|
45.14s
応答時間（最大）
…
|
|
応答時間（合計）
|
693.45s
応答時間（合計）
…
|
122.73s
応答時間（合計）
…
|