????
$0.435 / 1M
????
$0.870 / 1M
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）。
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 00:38 スイート変更 | 6.0 | 8.1 | $0.046 | 現在の実行 | |
| 2026-04-29 14:46 再テスト | 6.2 | 7.9 | $0.043 | 比較する | |
| 2026-04-24 09:19 初回実行 | 3.1 | 該当なし | $0.009 | 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 00:38 · 現在の実行 | 6.0 | 8.9 | 8.1 | 8/20 | 3 | 5,953 | $0.052 | 12.91s |
| 2026-04-24 09:19 · 初回実行 | 3.1 | 7.2 | 該当なし | 0/18 | 6 | 591 | $0.009 | 44.40s |
| 差分 | +2.9 | +1.7 | +8 | -3 | +5362 | +$0.043 | -31485ms |
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 PrononevsGrok Build 0.1noneDeepSeek V4 PrononevsKimi K2.5mediumDeepSeek V4 PrononevsDeepSeek V4 ProhighDeepSeek V4 PrononevsGemini 3.1 Flash LiteminimalDeepSeek V4 PrononevsGemini 3 Flash PreviewmediumDeepSeek V4 PrononevsGemini 3.5 FlashhighDeepSeek V4 PrononevsRing-2.6-1TmediumDeepSeek V4 PrononevsGemini 3.5 Flashlow