|
スコア
|
7.0
全ベンチマークテストの平均スコア。
…
|
7.0
全ベンチマークテストの平均スコア。
…
|
|
順位
|
#60 |
#61 |
|
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。
…
|
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
|
7.9
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）。
…
|
7.8
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: 5 回答なし: 2 指示に従っていない: 1 無効なツール呼び出し: 1
応答時間（平均）50.53s
応答時間（最大）168.22s
応答時間（合計）909.49s
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: 4 不正解: 3 API エラー: 1 余分な書式: 1
応答時間（平均）10.33s
応答時間（最大）29.87s
応答時間（合計）185.87s
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
|
64.8%
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
|
5
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）。
…
|
5
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
|
2.321
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）。
…
|
8.252
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
|
$0.209
合計コスト
…
|
$0.743
合計コスト
…
|
|
????
|
$0.500 / 1M
????
…
|
$2.000 / 1M
????
…
|
|
????
|
$2.000 / 1M
????
…
|
$6.000 / 1M
????
…
|
|
出力トークン
|
8,279
出力トークン
…
|
1,744
出力トークン
…
|
|
推論トークン
|
91,083
推論トークン
…
|
109,882
推論トークン
…
|
|
応答時間（平均）
|
50.53s
応答時間（平均）
…
|
10.33s
応答時間（平均）
…
|
|
応答時間（最大）
|
168.22s
応答時間（最大）
…
|
29.87s
応答時間（最大）
…
|
|
応答時間（合計）
|
909.49s
応答時間（合計）
…
|
185.87s
応答時間（合計）
…
|