ベンチマーク
ベンチマークは monorepo の 再現可能なスクリプト です。マーケ用スクショではありません。
原則
- 同じコミット・プロンプトで再実行可能
- 指標: 成功率、遅延、トークン、コスト、品質ゲート
- 製品
BENCHMARK.mdとスクリプトが真実源
monorepo で実行
bash
pnpm benchmark:redteam
pnpm benchmark:agentdojo
# 他 suite は monorepo の package.json / ドキュメントを確認ドキュメント上の現在メトリクス
25 プロバイダー · 5 トポロジ · 18 tools · 6700+ テスト。
正確なベンチ点数は monorepo で自分で走らせた結果を優先してください。
セキュリティ・スイート
Red Team · AgentDojo · Tenant isolation など。