#111

Gemini 2.5 Flash

Google रिलीज़: 2025-06-17 परीक्षण किया गया: 2026-07-16 22:58 google/gemini-2.5-flash::none

~350B कुल (~20B सक्रिय)MoEबंद स्रोतअनुमानित

(medium) (none)

सारांश

Gemini 2.5 Flash AI BENCHY पर 6.2 स्कोर करता है और #111 पर है। इसकी reliability 10.0, pass rate 43.9%, कुल लागत $0.017, और औसत response time 6.20s है।

Gemini 2.5 Flash को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

अनुमानित

पैरामीटर: ~350B कुल (~20B सक्रिय)
आर्किटेक्चर: MoE
उपलब्धता: बंद स्रोत
लाइसेंस: -

सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

6.2

संगति

9.6

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.017

कुल आउटपुट टोकन

1,890

कुल इनपुट टोकन

39,877

इनपुट कीमत

$0.300 / 1M

आउटपुट कीमत

$2.500 / 1M

सही परीक्षण

गलत टेस्ट: 13

प्रति प्रयास पास दर: 43.9%

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

6.20s

प्रतिक्रिया समय (अधिकतम): 118.00s

प्रतिक्रिया समय (कुल): 136.37s

गलत उत्तर: 12 अमान्य टूल कॉल: 1

Hamster playing table tennis

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

#111 Gemini 2.5 Flash

none

अमान्य SVG

लागत: $0.164
समय: 215.5s
टोकन: 65,659 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	कुल लागत	तुलना करें
2026-08-14 02:44 दोबारा परीक्षण	6.0	10.0	$0.017	तुलना करें
2026-07-16 22:58 नया टेस्ट जोड़ा गया	6.2	10.0	$0.017	वर्तमान रन
2026-06-04 14:00 नया टेस्ट जोड़ा गया	6.2	10.0	$0.016	तुलना करें
2026-05-22 00:28 सूट बदला गया	6.2	10.0	$0.015	तुलना करें
2026-04-11 01:44 पहला दर्ज रन	6.2	लागू नहीं	$0.013	तुलना करें

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

रन तुलना

रन	बेंचमार्क कवरेज	स्कोर	संगति	विश्वसनीयता	सही परीक्षण	अस्थिर टेस्ट	कुल आउटपुट टोकन	कुल इनपुट टोकन	कुल लागत	प्रतिक्रिया समय (औसत)
2026-07-16 22:58 · नया टेस्ट जोड़ा गया	66/66 प्रयास	6.2	9.6	10.0	9/22	1	1,890	39,877	$0.017	6.20s
2026-06-04 14:00 · नया टेस्ट जोड़ा गया	63/63 प्रयास	6.2	9.6	10.0	9/21	1	1,770	35,926	$0.016	875ms
अंतर	—	0.0	0.0	0.0	0	0	+120	+3951	+$0.002	+5324ms

बेंचमार्क कवरेज अलग है: 66/66 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 63/63 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख	इनपुट कीमत	आउटपुट कीमत
2026-06-04 15:40	$0.300 / 1M	$2.500 / 1M

चार्ट

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

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी	स्कोर	संगति
एंटी-एआई ट्रिक्स	3.0	10.0
कोडिंग	5.5	10.0
संयुक्त	3.0	10.0
डेटा पार्सिंग और निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	5.9	7.2
Samanya Buddhimatta	5.0	10.0
निर्देश पालन	10.0	10.0
पहेली समाधान	7.7	10.0
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

Gemini 2.5 Flash

मॉडल विवरण

Hamster playing table tennis

#111 Gemini 2.5 Flash

चार्ट

स्कोर के अनुसार शीर्ष मॉडल

स्कोर vs कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

तुलना किए गए मॉडल