AI BENCHY
Advertise here
#38

Gemini 2.5 Flash

Google रिलीज़: 2025-06-17 परीक्षण किया गया: 2026-05-22 00:32 google/gemini-2.5-flash::medium
(medium) (none)

सारांश

Gemini 2.5 Flash AI BENCHY पर 7.7 स्कोर करता है और #38 पर है। इसकी reliability 10.0, pass rate 68.3%, कुल लागत $0.358, और औसत response time 15.69s है।

Gemini 2.5 Flash को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि निर्देश पालन इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है।

स्कोर

7.7

संगति

9.6

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.358

कुल आउटपुट टोकन

139,179

कुल इनपुट टोकन

0

इनपुट कीमत

$0.300 / 1M

आउटपुट कीमत

$2.500 / 1M

सही परीक्षण

गलत टेस्ट: 7

प्रति प्रयास पास दर: 68.3%

अस्थिर टेस्ट

1

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

15.69s

प्रतिक्रिया समय (अधिकतम): 95.48s

प्रतिक्रिया समय (कुल): 313.76s

गलत उत्तर: 6 निर्देशों का पालन नहीं किया: 1

जनरेशन शोकेस

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#38 Gemini 2.5 Flash

medium
अमान्य SVG
लागत
$0.000
समय
274.0s
टोकन
0 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-04 14:01 नया टेस्ट जोड़ा गया 7.8 10.0 $0.379 तुलना करें
2026-05-22 00:32 सूट बदला गया 7.7 10.0 $0.358 वर्तमान रन
2026-04-11 01:44 पहला दर्ज रन 8.2 लागू नहीं $0.319 तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

Gemini 2.5 FlashmediumvsGPT-5.2mediumGemini 2.5 FlashmediumvsQwen3.7 PlusmediumGemini 2.5 FlashmediumvsStep 3.7 FlashmediumGemini 2.5 FlashmediumvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धGemini 2.5 FlashmediumvsGemini 3.5 FlashhighGemini 2.5 FlashmediumvsGemini 3 Flash PreviewmediumGemini 2.5 FlashmediumvsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 8.4 10.0
कोडिंग 6.6 10.0
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.9 7.2
Samanya Buddhimatta 4.8 10.0
निर्देश पालन 9.8 10.0
पहेली समाधान 7.7 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल