|
スコア
|
5.2
全ベンチマークテストの平均スコア。
…
|
4.4
全ベンチマークテストの平均スコア。
…
|
|
順位
|
#81 |
#93 |
|
一貫性
|
9.6
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）。
…
|
7.2
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）。
…
|
|
正解テスト
|
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 指示に従っていない: 3 無効なツール呼び出し: 1
応答時間（平均）1.23s
応答時間（最大）3.81s
応答時間（合計）22.16s
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。
…
|
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: 11 指示に従っていない: 2 余分な書式: 1 不正解: 1
応答時間（平均）73.64s
応答時間（最大）226.38s
応答時間（合計）1104.60s
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
|
31.5%
試行ごとの合格率 = 合格試行数 / 全実行での総試行数。
…
|
33.3%
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
|
1
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
|
54
総実行回数
…
|
54
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）。
…
|
0.976
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
|
$0.000
合計コスト
…
|
$0.030
合計コスト
…
|
|
????
|
$0.000 / 1M
????
…
|
$0.050 / 1M
????
…
|
|
????
|
$0.000 / 1M
????
…
|
$0.150 / 1M
????
…
|
|
出力トークン
|
2,573
出力トークン
…
|
24,291
出力トークン
…
|
|
推論トークン
|
0
推論トークン
…
|
172,597
推論トークン
…
|
|
応答時間（平均）
|
1.23s
応答時間（平均）
…
|
73.64s
応答時間（平均）
…
|
|
応答時間（最大）
|
3.81s
応答時間（最大）
…
|
226.38s
応答時間（最大）
…
|
|
応答時間（合計）
|
22.16s
応答時間（合計）
…
|
1104.60s
応答時間（合計）
…
|