????
$1.050 / 1M
????
$3.500 / 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 |
|---|---|---|---|---|---|
| 2026-05-21 23:46 スイート変更 | 7.4 | 3.3 | $0.286 | 比較する | |
| 2026-05-08 14:41 スイート変更 | 7.6 | 0.0 | $0.209 | 現在の実行 | |
| 2026-05-08 14:41 スイート変更 | 7.6 | 0.0 | $0.209 | 比較する | |
| 2026-04-22 12:55 最初に記録された実行 | 7.8 | 該当なし | $0.201 | 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） |
|---|---|---|---|---|---|---|---|---|
| 2026-05-08 14:41 · スイート変更 | 7.6 | 8.7 | 0.0 | 12/19 | 3 | 59,356 | $0.209 | 24.43s |
| 2026-05-21 23:46 · スイート変更 | 7.4 | 8.3 | 3.3 | 12/20 | 4 | 83,351 | $0.286 | 32.22s |
| 差分 | +0.2 | +0.4 | -3.3 | 0 | -1 | -23995 | -$0.077 | -7799ms |
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
GLM 5.1mediumvsGemini 3.1 Flash Lite PreviewlowGLM 5.1mediumvsGPT-5.2 ChatnoneGLM 5.1mediumvsMiMo-V2.5-PromediumGLM 5.1mediumvsMiMo-V2-PromediumGLM 5.1mediumvsGemini 3 Flash PreviewnoneGLM 5.1mediumvsGrok Build 0.1mediumGLM 5.1mediumvsGemini 3 Flash PreviewmediumGLM 5.1mediumvsGemini 3.5 FlashhighGLM 5.1mediumvsRing-2.6-1TmediumGLM 5.1mediumvsGemini 3.5 Flashlow