スコア
4.9
全ベンチマークテストの平均スコア。
…
5.4
全ベンチマークテストの平均スコア。
…
順位
#184
#164
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
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）。
…
7.4
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
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。
…
7/22
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 余分な書式: 4 API エラー: 2 指示に従っていない: 2
応答時間（平均） 10.09s 応答時間（最大） 86.23s 応答時間（合計） 222.03s
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
30.3%
試行ごとの合格率 = 合格試行数 / 全実行での総試行数。
…
45.5%
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
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）。
…
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）。
…
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
0.024
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）。
…
0.585
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
$0.002
合計コスト（現在価格）
…
$0.041
合計コスト（現在価格）
…
入力価格
$0.010 / 1M
入力価格
…
$0.150 / 1M
入力価格
…
出力価格
$0.030 / 1M
出力価格
…
$0.600 / 1M
出力価格
…
合計入力トークン
114,375
合計入力トークン
…
61,085
合計入力トークン
…
出力トークン
14,903
出力トークン
…
5,905
出力トークン
…
推論トークン
0
推論トークン
…
46,990
推論トークン
…
応答時間（平均）
10.68s
応答時間（平均）
…
10.09s
応答時間（平均）
…
応答時間（最大）
36.03s
応答時間（最大）
…
86.23s
応答時間（最大）
…
応答時間（合計）
213.51s
応答時間（合計）
…
222.03s
応答時間（合計）
…