????
$0.435 / 1M
????
$0.870 / 1M
不安定なテスト
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）。
実行履歴
| テスト日時 | スコア | 信頼性 | 正解テスト | 合計コスト | 比較する |
|---|---|---|---|---|---|
| 2026-05-22 00:54 スイート変更 | 6.6 | 9.0 | $0.212 | 現在の実行 | |
| 2026-04-29 14:47 再テスト | 7.5 | 9.3 | $0.209 | 比較する | |
| 2026-04-26 10:50 再テスト | 7.5 | 8.4 | $0.201 | 比較する | |
| 2026-04-25 21:53 初回実行 | 8.2 | 該当なし | $0.329 | 比較する |
この実行では別のベンチマークスイートが使われました。履歴の変化を読むときはスイート変更も考慮してください。
実行比較
| 実行 | スコア | 一貫性 | 信頼性 | 正解テスト | 不安定なテスト | 合計出力トークン | 合計コスト | 応答時間（平均） |
|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:54 · 現在の実行 | 6.6 | 8.3 | 9.0 | 11/20 | 4 | 65,985 | $0.212 | 58.93s |
| 2026-04-25 21:53 · 初回実行 | 8.2 | 9.2 | 該当なし | 13/18 | 2 | 84,562 | $0.329 | 72.92s |
| 差分 | -1.6 | -0.9 | -2 | +2 | -18577 | -$0.117 | -13988ms |
この 2 つの実行では異なるベンチマークスイートが使われているため、差分にはモデル変化とスイート変化の両方が含まれます。
チャート
最初のモデルを選択し、次に2つ目のモデルをクリックして並列比較ページを開きます。
クイック比較
DeepSeek V4 ProhighvsSeed-2.0-MinimediumDeepSeek V4 ProhighvsQwen3.5-35B-A3BmediumDeepSeek V4 ProhighvsMiMo-V2-FlashmediumDeepSeek V4 ProhighvsDeepSeek V3.2mediumDeepSeek V4 ProhighvsQwen3.6 Max PreviewnoneDeepSeek V4 ProhighvsMiMo-V2-OmnimediumDeepSeek V4 ProhighvsGemini 3 Flash PreviewmediumDeepSeek V4 ProhighvsGemini 3.5 FlashhighDeepSeek V4 ProhighvsRing-2.6-1TmediumDeepSeek V4 ProhighvsGemini 3.5 Flashlow