📡 Rapports en ligne
Lecture live du moniteur BenchVibe. Le signal de suivi du prompt permet de distinguer une vraie tentative d’un résultat hors sujet ou vide.
Lecture de secours
Worker running
OK
230/240 modèles traités
Suivi du prompt
Score prompt moyen 19,7/100
Dernière actualisation : 2026-05-19 18:29:07
| Benchmark | État | Santé | Progression | Suivi du prompt | Score prompt | En cours | Prochain |
|---|---|---|---|---|---|---|---|
|
dinosaure_v2
dinosaure_tests_v2_3pages
|
En cours | OK |
46 / 48
95,8% · réussite 21,7%
|
Suivi du prompt
10 suivis · 2 partiels · 0 hors sujet · 36 sans sortie
|
21,1/100 | OpenCode Qwen3.6 Plus | OpenCode Qwen3.6 Plus |
|
fsacb
fsacb
|
En pause | OK |
46 / 48
95,8% · réussite 32,6%
|
Suivi du prompt
15 suivis · 1 partiels · 0 hors sujet · 32 sans sortie
|
31,5/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
|
traduction
traduction
|
En pause | OK |
46 / 48
95,8% · réussite 0,0%
|
Aucune sortie
0 suivis · 0 partiels · 0 hors sujet · 48 sans sortie
|
0,0/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
|
todo_list
to-do-list_v1
|
En pause | OK |
46 / 48
95,8% · réussite 2,2%
|
Suivi du prompt
1 suivis · 10 partiels · 0 hors sujet · 37 sans sortie
|
14,3/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
|
page_libre
page_libre
|
En pause | OK |
46 / 48
95,8% · réussite 37,0%
|
Suivi du prompt
15 suivis · 2 partiels · 0 hors sujet · 31 sans sortie
|
31,6/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
Résumé global: 230 traités sur 240 modèles · 41 suivis · 15 tentatives réelles · 184 sans sortie
🦖 恐竜テスト v1 & v2
完全なベンチマーク：詳細な能力評価でテストされた58のAIモデル
🎯 高度なベンチマーク
AI能力評価のための詳細かつ専門的なテスト
📱 実用的なアプリケーション
実用的なテストと機能評価のためのAI生成アプリケーション
🔬 科学的手法
AIモデルを評価するための厳格なアプローチ
標準化テストプロトコル
各モデルは厳格で再現可能な手法に従って評価されます
1
📝 コード生成
生成コードの静的解析、ユニットテスト、アルゴリズム複雑性の評価
Qualité: 95%
Performance: 88%
2
🎯 意味的精度
質問とコンテキストに対する回答の適切性評価
Exactitude: 92%
Pertinence: 89%
3
⚡ 時間的パフォーマンス
応答時間、遅延、負荷管理容量の測定
Vitesse: 1.2s
Stabilité: 96%
4
🔄 文脈的一貫性
長い会話や複雑なインタラクションでコンテキストを維持する能力
Mémoire: 85%
Consistance: 91%
🏆 評価基準
再現性
検証のために3回以上テストを繰り返す
定量的指標
客観的で比較可能な数値スコア
人間による評価
ドメイン専門家による検証
比較ベンチマーク
参照モデルとの相対分析