????
$0.500 / 1M
????
$2.000 / 1M
不安定なテスト
1
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 |
|---|---|---|---|---|---|
| 2026-04-27 21:48 新しいテストを追加 | 7.0 | 10.0 | $0.209 | 比較する | |
| 2026-04-27 21:31 最初に記録された実行 | 7.9 | 10.0 | $0.043 | 現在の実行 |
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） |
|---|---|---|---|---|---|---|---|---|
| 2026-04-27 21:31 · 最初に記録された実行 | 7.9 | 8.5 | 10.0 | 4/6 | 1 | 21,553 | $0.043 | 25.56s |
| 2026-04-27 21:48 · 新しいテストを追加 | 7.0 | 7.9 | 10.0 | 9/18 | 5 | 99,362 | $0.209 | 50.53s |
| 差分 | +0.9 | +0.6 | 0.0 | -5 | -4 | -77809 | -$0.166 | -24972ms |
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
Qwen3.6 27BmediumvsGPT-5.4 MinimediumQwen3.6 27BmediumvsKimi K2.5mediumQwen3.6 27BmediumvsQwen3.6 Max PreviewnoneQwen3.6 27BmediumvsQwen3.5-35B-A3BmediumQwen3.6 27BmediumvsGrok 4.20mediumQwen3.6 27BmediumvsGemini 3 Flash PreviewmediumQwen3.6 27BmediumvsGemini 3.1 Pro PreviewmediumQwen3.6 27BmediumvsHY3 Previewhigh無料で利用可能