AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#147

Gemini 3.1 Flash Lite

Google रिलीज़: 2026-05-08 परीक्षण किया गया: 2026-07-16 22:51 google/gemini-3.1-flash-lite::none

सारांश

Gemini 3.1 Flash Lite AI BENCHY पर 6.1 स्कोर करता है और #147 पर है। इसकी reliability 10.0, pass rate 50.0%, कुल लागत $0.046, और औसत response time 1.75s है।

Gemini 3.1 Flash Lite को अलग क्या बनाता 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।

संगति

8.6

कुल आउटपुट टोकन

10,723

कुल इनपुट टोकन

118,050

इनपुट कीमत

$0.250 / 1M

आउटपुट कीमत

$1.500 / 1M

सही परीक्षण

गलत टेस्ट: 13

प्रति प्रयास पास दर: 50.0%

अस्थिर टेस्ट

4

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

प्रतिक्रिया समय (औसत)

1.75s

प्रतिक्रिया समय (अधिकतम): 16.25s

प्रतिक्रिया समय (कुल): 38.60s

Hamster playing table tennis

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

#147 Gemini 3.1 Flash Lite

none
लागत
$0.001
समय
4.5s
टोकन
727 tok

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 $0.046 वर्तमान रन
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 6.6 10.0 $0.013 तुलना करें
2026-05-08 12:01 पहला रन 6.9 10.0 $0.011 तुलना करें

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

रन तुलना

रनबेंचमार्क कवरेजस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-07-16 22:51 · वर्तमान रन22/22 टेस्ट · 66/66 प्रयास6.18.610.09/22410,723118,050$0.0461.75s
2026-05-08 12:01 · पहला रन18/18 टेस्ट · 54/54 प्रयास6.98.310.09/1842,4450$0.0111.13s
अंतर-0.8+0.30.000+8278+118050+$0.035+621ms

बेंचमार्क कवरेज अलग है: 22/22 टेस्ट · 66/66 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 18/18 टेस्ट · 54/54 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 $0.250 / 1M $1.500 / 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 सही परीक्षण
एंटी-एआई ट्रिक्स 7.5 8.4
कोडिंग 5.5 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 6.3 4.8
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल