|
スコア
|
4.8
全ベンチマークテストの平均スコア。
…
|
8.5
全ベンチマークテストの平均スコア。
…
|
|
順位
|
#105 |
#11 |
|
信頼性
|
該当なし
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。
…
|
該当なし
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
|
9.6
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）。
…
|
8.8
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: 10 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）1.47s
応答時間（最大）5.91s
応答時間（合計）26.43s
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。
指示に従っていない: 2 不正解: 2 API エラー: 1
応答時間（平均）55.19s
応答時間（最大）149.94s
応答時間（合計）938.23s
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
|
24.1%
試行ごとの合格率 = 合格試行数 / 全実行での総試行数。
…
|
81.5%
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
|
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）。
…
|
3
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
…
|
50
総実行回数
…
|
|
結果あたりのコスト
|
0.116
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
|
$0.005
合計コスト
…
|
$0.000
合計コスト
…
|
|
????
|
$0.100 / 1M
????
…
|
$0.000 / 1M
????
…
|
|
????
|
$0.150 / 1M
????
…
|
$0.000 / 1M
????
…
|
|
出力トークン
|
3,951
出力トークン
…
|
238,920
出力トークン
…
|
|
推論トークン
|
0
推論トークン
…
|
0
推論トークン
…
|
|
応答時間（平均）
|
1.47s
応答時間（平均）
…
|
55.19s
応答時間（平均）
…
|
|
応答時間（最大）
|
5.91s
応答時間（最大）
…
|
149.94s
応答時間（最大）
…
|
|
応答時間（合計）
|
26.43s
応答時間（合計）
…
|
938.23s
応答時間（合計）
…
|