スコア
5.9
全ベンチマークテストの平均スコア。
…
6.0
全ベンチマークテストの平均スコア。
…
順位
#148
#141
信頼性
8.6
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。
…
9.2
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
8.5
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)。
…
9.0
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)。
…
正解テスト
9/22
テストは、その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 余分な書式: 2 API エラー: 1 無効なツール呼び出し: 1
応答時間(平均) 137.11s
応答時間(最大) 786.72s
応答時間(合計) 3016.42s
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。
…
11/21
テストは、その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 指示に従っていない: 3 API エラー: 1 回答なし: 1 タイムアウト: 1
応答時間(平均) 174.22s
応答時間(最大) 1597.85s
応答時間(合計) 2613.32s
テストは、その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
48.5%
試行ごとの合格率 = 合格試行数 / 全実行での総試行数。
…
51.5%
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
4
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
58
総実行回数
…
63
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)。
…
0.540
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(現在価格)
…
$0.108
合計コスト(現在価格)
…
入力価格
$0.000 / 1M
入力価格
…
$0.100 / 1M
入力価格
…
出力価格
$0.000 / 1M
出力価格
…
$0.300 / 1M
出力価格
…
合計入力トークン
81,813
合計入力トークン
…
65,707
合計入力トークン
…
出力トークン
424,772
出力トークン
…
108,561
出力トークン
…
推論トークン
1,342,029
推論トークン
…
293,993
推論トークン
…
応答時間(平均)
137.11s
応答時間(平均)
…
174.22s
応答時間(平均)
…
応答時間(最大)
786.72s
応答時間(最大)
…
1597.85s
応答時間(最大)
…
応答時間(合計)
3016.42s
応答時間(合計)
…
2613.32s
応答時間(合計)
…