スコア
4.9
全ベンチマークテストの平均スコア。
…
7.5
全ベンチマークテストの平均スコア。
…
順位
#184
#55
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。
…
9.8
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）。
…
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
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。
…
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 API エラー: 1 無効なツール呼び出し: 1
応答時間（平均） 32.21s 応答時間（最大） 392.56s 応答時間（合計） 708.65s
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。
…
68.2%
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）。
…
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
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）。
…
0.000
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）。
…
合計コスト
$0.002
合計コスト（現在価格）
…
$0.774
合計コスト（現在価格）
…
入力価格
$0.010 / 1M
入力価格
…
$0.600 / 1M
入力価格
…
出力価格
$0.030 / 1M
出力価格
…
$3.600 / 1M
出力価格
…
合計入力トークン
114,375
合計入力トークン
…
233,488
合計入力トークン
…
出力トークン
14,903
出力トークン
…
57,916
出力トークン
…
推論トークン
0
推論トークン
…
128,062
推論トークン
…
応答時間（平均）
10.68s
応答時間（平均）
…
32.21s
応答時間（平均）
…
応答時間（最大）
36.03s
応答時間（最大）
…
392.56s
応答時間（最大）
…
応答時間（合計）
213.51s
応答時間（合計）
…
708.65s
応答時間（合計）
…