|
スコア
|
5.6
全ベンチマークテストの平均スコア。
…
|
6.6
全ベンチマークテストの平均スコア。
…
|
|
順位
|
#114 |
#83 |
|
信頼性
|
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。
…
|
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
|
8.0
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）。
…
|
8.1
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 余分な書式: 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）14.46s
応答時間（最大）115.89s
応答時間（合計）289.21s
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 回答なし: 3 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）57.65s
応答時間（最大）168.22s
応答時間（合計）1153.04s
テストは、その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
|
46.7%
試行ごとの合格率 = 合格試行数 / 全実行での総試行数。
…
|
58.3%
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
|
5
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）。
…
|
5
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
|
0.254
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）。
…
|
3.015
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
|
$0.018
合計コスト
…
|
$0.272
合計コスト
…
|
|
????
|
$0.252 / 1M
????
…
|
$0.317 / 1M
????
…
|
|
????
|
$0.378 / 1M
????
…
|
$3.200 / 1M
????
…
|
|
出力トークン
|
11,163
出力トークン
…
|
13,007
出力トークン
…
|
|
推論トークン
|
0
推論トークン
…
|
105,697
推論トークン
…
|
|
応答時間（平均）
|
14.46s
応答時間（平均）
…
|
57.65s
応答時間（平均）
…
|
|
応答時間（最大）
|
115.89s
応答時間（最大）
…
|
168.22s
応答時間（最大）
…
|
|
応答時間（合計）
|
289.21s
応答時間（合計）
…
|
1153.04s
応答時間（合計）
…
|