スコア
6.5
全ベンチマークテストの平均スコア。
…
6.3
全ベンチマークテストの平均スコア。
…
順位
#99
#103
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。
…
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
10.0
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)。
…
8.5
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)。
…
正解テスト
13/22
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: 7 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) 16.70s
応答時間(最大) 309.35s
応答時間(合計) 367.47s
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。
…
11/22
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: 6 API エラー: 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) 68.74s
応答時間(最大) 304.19s
応答時間(合計) 1374.86s
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
59.1%
試行ごとの合格率 = 合格試行数 / 全実行での総試行数。
…
60.6%
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
0
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)。
…
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)。
…
総実行回数
66
総実行回数
…
66
総実行回数
…
結果あたりのコスト
4.969
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)。
…
0.629
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
$0.646
合計コスト(現在価格)
…
$0.103
合計コスト(現在価格)
…
入力価格
$0.250 / 1M
入力価格
…
$0.075 / 1M
入力価格
…
出力価格
$1.500 / 1M
出力価格
…
$0.625 / 1M
出力価格
…
合計入力トークン
110,185
合計入力トークン
…
113,604
合計入力トークン
…
出力トークン
14,717
出力トークン
…
123,079
出力トークン
…
推論トークン
397,483
推論トークン
…
42,754
推論トークン
…
応答時間(平均)
16.70s
応答時間(平均)
…
68.74s
応答時間(平均)
…
応答時間(最大)
309.35s
応答時間(最大)
…
304.19s
応答時間(最大)
…
応答時間(合計)
367.47s
応答時間(合計)
…
1374.86s
応答時間(合計)
…