スコア
5.5
全ベンチマークテストの平均スコア。
…
4.9
全ベンチマークテストの平均スコア。
…
順位
#162
#184
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
9.2
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)。
…
9.3
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
8/22
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: 10 指示に従っていない: 2 無効なツール呼び出し: 1 タイムアウト: 1
応答時間(平均) 7.64s
応答時間(最大) 57.10s
応答時間(合計) 167.98s
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。
…
6/22
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 無効なツール呼び出し: 3 API エラー: 2 指示に従っていない: 2
応答時間(平均) 10.68s
応答時間(最大) 36.03s
応答時間(合計) 213.51s
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
42.4%
試行ごとの合格率 = 合格試行数 / 全実行での総試行数。
…
30.3%
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
2
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)。
…
2
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
0.235
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)。
…
0.024
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
$0.015
合計コスト(現在価格)
…
$0.002
合計コスト(現在価格)
…
入力価格
$0.070 / 1M
入力価格
…
$0.010 / 1M
入力価格
…
出力価格
$0.340 / 1M
出力価格
…
$0.030 / 1M
出力価格
…
合計入力トークン
131,282
合計入力トークン
…
114,375
合計入力トークン
…
出力トークン
15,781
出力トークン
…
14,903
出力トークン
…
推論トークン
0
推論トークン
…
0
推論トークン
…
応答時間(平均)
7.64s
応答時間(平均)
…
10.68s
応答時間(平均)
…
応答時間(最大)
57.10s
応答時間(最大)
…
36.03s
応答時間(最大)
…
応答時間(合計)
167.98s
応答時間(合計)
…
213.51s
応答時間(合計)
…