#65 Gemini 3.1 Flash Lite
minimal- लागत
- $0.001
- समय
- 3.7s
- टोकन
- 635 tok
Google
रिलीज़: 2026-05-08
परीक्षण किया गया: 2026-05-08 12:00
google/gemini-3.1-flash-lite::minimal
सारांश
Gemini 3.1 Flash Lite AI BENCHY पर 7.0 स्कोर करता है और #65 पर है। इसकी reliability 10.0, pass rate 63.0%, कुल लागत $0.012, और औसत response time 1.44s है।
Gemini 3.1 Flash Lite को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि संयुक्त इसकी सबसे कमजोर जगह है, जहाँ यह #17 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।
7.0
संगति
8.6
10.0
$0.012
कुल आउटपुट टोकन
2,448
कुल इनपुट टोकन
0
इनपुट कीमत
$0.250 / 1M
आउटपुट कीमत
$1.500 / 1M
अस्थिर टेस्ट
3
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-07-16 22:51 नया टेस्ट जोड़ा गया | 6.1 | 10.0 | $0.047 | तुलना करें | |
| 2026-06-04 13:59 नया टेस्ट जोड़ा गया | 6.4 | 10.0 | $0.013 | तुलना करें | |
| 2026-05-22 00:26 सूट बदला गया | 6.7 | 10.0 | $0.013 | तुलना करें | |
| 2026-05-08 12:00 पहला रन | 7.0 | 10.0 | $0.012 | वर्तमान रन |
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 12:00 · पहला रन | 18/18 टेस्ट · 54/54 प्रयास | 7.0 | 8.6 | 10.0 | 10/18 | 3 | 2,448 | 0 | $0.012 | 1.44s |
| 2026-07-16 22:51 · नया टेस्ट जोड़ा गया | 22/22 टेस्ट · 66/66 प्रयास | 6.1 | 8.9 | 10.0 | 10/22 | 3 | 11,118 | 119,065 | $0.047 | 1.86s |
| अंतर | — | +0.9 | -0.3 | 0.0 | 0 | 0 | -8670 | -119065 | -$0.036 | -414ms |
बेंचमार्क कवरेज अलग है: 18/18 टेस्ट · 54/54 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।
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
Gemini 3.1 Flash LiteminimalvsQwen3.5-35B-A3BmediumGemini 3.1 Flash Liteminimalvsgpt-oss-120bmediumGemini 3.1 Flash LiteminimalvsGemini 2.5 FlashnoneGemini 3.1 Flash LiteminimalvsQwen3.7 FlashnoneGemini 3.1 Flash LiteminimalvsGPT-5.6 LunalowGemini 3.1 Flash LiteminimalvsGemini 3.1 Flash LitenoneGemini 3.1 Flash LiteminimalvsSeed-2.0-LitenoneGemini 3.1 Flash LiteminimalvsInklinglowGemini 3.1 Flash LiteminimalvsGemma 4 31Bnoneनिःशुल्क उपलब्धGemini 3.1 Flash LiteminimalvsQwen3.6 Flashnone
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 8.3 | 10.0 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 2.9 | 7.2 | |
| Samanya Buddhimatta | 4.0 | 10.0 | |
| निर्देश पालन | 10.0 | 10.0 | |
| पहेली समाधान | 6.0 | 4.6 | |
| टूल कॉलिंग | 10.0 | 10.0 |