|
スコア
|
6.9
全ベンチマークテストの平均スコア。
…
|
7.4
全ベンチマークテストの平均スコア。
…
|
|
順位
|
#72 |
#60 |
|
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
|
8.7
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 指示に従っていない: 2 回答なし: 2 余分な書式: 1
応答時間（平均）41.16s
応答時間（最大）299.23s
応答時間（合計）823.26s
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: 6 無効なツール呼び出し: 2 指示に従っていない: 1
応答時間（平均）20.31s
応答時間（最大）95.88s
応答時間（合計）406.16s
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。
…
|
|
試行ごとの合格率
|
58.3%
試行ごとの合格率 = 合格試行数 / 全実行での総試行数。
…
|
70.0%
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
|
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）。
…
|
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
|
52
総実行回数
…
|
60
総実行回数
…
|
|
結果あたりのコスト
|
7.334
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）。
…
|
3.744
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
|
$0.734
合計コスト
…
|
$0.412
合計コスト
…
|
|
????
|
$0.400 / 1M
????
…
|
$1.200 / 1M
????
…
|
|
????
|
$2.000 / 1M
????
…
|
$4.000 / 1M
????
…
|
|
出力トークン
|
1,952
出力トークン
…
|
2,396
出力トークン
…
|
|
推論トークン
|
357,306
推論トークン
…
|
87,946
推論トークン
…
|
|
応答時間（平均）
|
41.16s
応答時間（平均）
…
|
20.31s
応答時間（平均）
…
|
|
応答時間（最大）
|
299.23s
応答時間（最大）
…
|
95.88s
応答時間（最大）
…
|
|
応答時間（合計）
|
823.26s
応答時間（合計）
…
|
406.16s
応答時間（合計）
…
|