|
スコア
|
6.9
全ベンチマークテストの平均スコア。
…
|
5.6
全ベンチマークテストの平均スコア。
…
|
|
順位
|
#45 |
#67 |
|
一貫性
|
7.5
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）。
…
|
8.2
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。
指示に従っていない: 3 不正解: 3 回答なし: 1 タイムアウト: 1
応答時間（平均）23.91s
応答時間（最大）121.79s
応答時間（合計）239.09s
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。
不正解: 9 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）4.01s
応答時間（最大）32.57s
応答時間（合計）68.23s
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
|
66.7%
試行ごとの合格率 = 合格試行数 / 全実行での総試行数。
…
|
39.2%
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
|
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）。
…
|
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
|
51
総実行回数
…
|
51
総実行回数
…
|
|
結果あたりのコスト
|
0.568
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）。
…
|
1.000
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
|
$0.052
合計コスト
…
|
$0.050
合計コスト
…
|
|
????
|
$0.200 / 1M
????
…
|
$1.000 / 1M
????
…
|
|
????
|
$0.500 / 1M
????
…
|
$3.200 / 1M
????
…
|
|
出力トークン
|
1,189
出力トークン
…
|
3,219
出力トークン
…
|
|
推論トークン
|
84,595
推論トークン
…
|
0
推論トークン
…
|
|
応答時間（平均）
|
23.91s
応答時間（平均）
…
|
4.01s
応答時間（平均）
…
|
|
応答時間（最大）
|
121.79s
応答時間（最大）
…
|
32.57s
応答時間（最大）
…
|
|
応答時間（合計）
|
239.09s
応答時間（合計）
…
|
68.23s
応答時間（合計）
…
|