スコア
6.3
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
#119
#58
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
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）。
…
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
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。
…
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
60.6%
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
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）。
…
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
0.629
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）。
…
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
$0.103
合計コスト（現在価格）
…
$0.774
合計コスト（現在価格）
…
入力価格
$0.075 / 1M
入力価格
…
$0.600 / 1M
入力価格
…
出力価格
$0.625 / 1M
出力価格
…
$3.600 / 1M
出力価格
…
合計入力トークン
113,604
合計入力トークン
…
233,488
合計入力トークン
…
出力トークン
123,079
出力トークン
…
57,916
出力トークン
…
推論トークン
42,754
推論トークン
…
128,062
推論トークン
…
応答時間（平均）
68.74s
応答時間（平均）
…
32.21s
応答時間（平均）
…
応答時間（最大）
304.19s
応答時間（最大）
…
392.56s
応答時間（最大）
…
応答時間（合計）
1374.86s
応答時間（合計）
…
708.65s
応答時間（合計）
…