AI BENCHY
तुलना करें चार्ट
❤️ Made by XCS
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

#36

Gemini 2.5 Flash

Google · रिलीज़: 2025-06-17 · google/gemini-2.5-flash::none

औसत स्कोर

5.34

प्रति परिणाम लागत

0.107

संगति

9.40

कुल लागत

$0.007

सही परीक्षण

6

कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।

गलत टेस्ट

8

प्रति प्रयास पास दर: 47.6%

अस्थिर टेस्ट

1

प्रतिक्रिया समय: औसत 698ms · कुल 9.78s · अधिकतम 1.91s

गलत उत्तर: 6 निर्देशों का पालन नहीं किया: 2

स्कोर के अनुसार शीर्ष मॉडल

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

त्वरित तुलना

श्रेणी विवरण

श्रेणी औसत स्कोर संगति सही परीक्षण
Anti-AI Tricks 1.00 10.00 0/3
Data parsing and extraction 9.88 10.00 2/2
Domain specific 4.00 7.21 1/3
Instructions following 8.00 9.99 1/2
Puzzle Solving 4.67 10.00 1/3
Tool Calling 10.00 10.00 1/1