アーカイブ済みモデル: このモデルは今後更新されず、新しいテストでも評価されません。
????
$0.100 / 1M
????
$0.300 / 1M
不安定なテスト
0
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 |
|---|---|---|---|---|---|
| 2026-05-08 15:30 新しいテストを追加 | 7.8 | 10.0 | $0.020 | 比較する | |
| 2026-04-11 01:44 最初に記録された実行 | 3.0 | 該当なし | $0.000 | 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） |
|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · 最初に記録された実行 | 3.0 | 10.0 | 該当なし | 0/1 | 0 | 0 | $0.000 | 0ms |
| 2026-05-08 15:30 · 新しいテストを追加 | 7.8 | 10.0 | 10.0 | 6/9 | 0 | 64,795 | $0.020 | 39.03s |
| 差分 | -4.8 | 0.0 | -9 | 0 | -64795 | -$0.020 | -39032ms |
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
カテゴリ内訳
| カテゴリ | スコア | 一貫性 | 正解テスト |
|---|---|---|---|
| コーディング | 3.0 | 10.0 |