スコア
4.8
全ベンチマークテストの平均スコア。
…
6.2
全ベンチマークテストの平均スコア。
…
順位
#194
#130
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
9.3
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)。
…
7.6
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
9/22
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。
API エラー: 6 不正解: 5 指示に従っていない: 2
応答時間(平均) 55.10s
応答時間(最大) 143.82s
応答時間(合計) 881.55s
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。
タイムアウト: 5 回答なし: 2 不正解: 2 API エラー: 1 無効なツール呼び出し: 1
応答時間(平均) 112.47s
応答時間(最大) 950.25s
応答時間(合計) 2474.28s
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
45.5%
試行ごとの合格率 = 合格試行数 / 全実行での総試行数。
…
66.7%
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)。
…
6
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
0.000
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)。
…
9.130
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
$0.026
合計コスト(現在価格)
…
$0.837
合計コスト(現在価格)
…
入力価格
$0.075 / 1M
入力価格
…
$0.140 / 1M
入力価格
…
出力価格
$0.625 / 1M
出力価格
…
$1.000 / 1M
出力価格
…
合計入力トークン
7,599
合計入力トークン
…
130,388
合計入力トークン
…
出力トークン
39,954
出力トークン
…
40,630
出力トークン
…
推論トークン
0
推論トークン
…
786,040
推論トークン
…
応答時間(平均)
55.10s
応答時間(平均)
…
112.47s
応答時間(平均)
…
応答時間(最大)
143.82s
応答時間(最大)
…
950.25s
応答時間(最大)
…
応答時間(合計)
881.55s
応答時間(合計)
…
2474.28s
応答時間(合計)
…