#51

Gemini 3.1 Flash Lite

Google रिलीज़: 2026-05-08 परीक्षण किया गया: 2026-05-22 00:26 google/gemini-3.1-flash-lite::low

(high) (medium) (low) (minimal) (none)

सारांश

Gemini 3.1 Flash Lite AI BENCHY पर 7.4 स्कोर करता है और #51 पर है। इसकी reliability 10.0, pass rate 65.0%, कुल लागत $0.026, और औसत response time 1.92s है।

Gemini 3.1 Flash Lite को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #4 है; जबकि संयुक्त इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है। यह समान मॉडलों की तुलना में काफ़ी तेज है।

पहचान नोट

Google: Gemini 3.1 Flash Lite Preview, Gemini 3.1 Flash Lite का प्रीव्यू संस्करण था।

स्कोर

7.4

संगति

9.2

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.026

कुल आउटपुट टोकन

11,677

कुल इनपुट टोकन

इनपुट कीमत

$0.250 / 1M

आउटपुट कीमत

$1.500 / 1M

सही परीक्षण

गलत टेस्ट: 8

प्रति प्रयास पास दर: 65.0%

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

1.92s

प्रतिक्रिया समय (अधिकतम): 5.66s

प्रतिक्रिया समय (कुल): 38.45s

गलत उत्तर: 8

Hamster playing table tennis

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

#51 Gemini 3.1 Flash Lite

low

लागत: $0.003
समय: 4.0s
टोकन: 1,479 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	कुल लागत	तुलना करें
2026-07-16 23:07 नया टेस्ट जोड़ा गया	6.5	10.0	$0.621	तुलना करें
2026-06-04 14:00 नया टेस्ट जोड़ा गया	7.2	10.0	$0.028	तुलना करें
2026-05-22 00:26 सूट बदला गया	7.4	10.0	$0.026	वर्तमान रन
2026-05-08 12:01 पहला रन	7.9	10.0	$0.024	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)
2026-05-22 00:26 · सूट बदला गया	20/20 टेस्ट · 60/60 प्रयास	7.4	9.2	10.0	12/20	2	11,677	0	$0.026	1.92s
2026-07-16 23:07 · नया टेस्ट जोड़ा गया	22/22 टेस्ट · 66/66 प्रयास	6.5	9.2	10.0	12/22	2	397,885	94,224	$0.621	16.26s
अंतर	—	+1.0	0.0	0.0	0	0	-386208	-94224	-$0.595	-14334ms

बेंचमार्क कवरेज अलग है: 20/20 टेस्ट · 60/60 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 22/22 टेस्ट · 66/66 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।

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	7.3	6.2
कोडिंग	6.8	10.0
संयुक्त	3.0	10.0
डेटा पार्सिंग और निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	5.3	10.0
Samanya Buddhimatta	4.0	10.0
निर्देश पालन	10.0	10.0
पहेली समाधान	10.0	10.0
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

Gemini 3.1 Flash Lite

Hamster playing table tennis

#51 Gemini 3.1 Flash Lite

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