#10 Gemini 3.1 Flash Lite Preview
high- लागत
- $0.096
- समय
- 133.9s
- टोकन
- 63,687 tok
Google
रिलीज़: 2026-03-03
परीक्षण किया गया: 2026-05-06 14:01
google/gemini-3.1-flash-lite-preview::high
सारांश
Gemini 3.1 Flash Lite Preview AI BENCHY पर 8.6 स्कोर करता है और #10 पर है। इसकी reliability लागू नहीं, pass rate 81.3%, कुल लागत $2.310, और औसत response time 68.83s है।
Gemini 3.1 Flash Lite Preview को अलग क्या बनाता है: यह असामान्य रूप से अधिक reasoning tokens इस्तेमाल करता है, जिससे धीमे या महंगे runs समझ में आ सकते हैं।
संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।
पहचान नोट
Gemini 3.1 Flash Lite Preview, Google: Gemini 3.1 Flash Lite का प्रीव्यू संस्करण था।
8.6
संगति
10.0
लागू नहीं
$2.310
कुल आउटपुट टोकन
1,534,593
कुल इनपुट टोकन
0
इनपुट कीमत
$0.250 / 1M
आउटपुट कीमत
$1.500 / 1M
अस्थिर टेस्ट
0
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 |
|---|---|---|---|---|---|
| 2026-05-06 14:01 दोबारा परीक्षण | 5.3 | लागू नहीं | $2.310 | तुलना करें | |
| 2026-05-06 14:01 दोबारा परीक्षण | 8.6 | लागू नहीं | $2.310 | तुलना करें | |
| 2026-05-06 14:01 दोबारा परीक्षण | 8.6 | लागू नहीं | $2.310 | तुलना करें | |
| 2026-05-06 14:01 सूट बदला गया | 8.6 | लागू नहीं | $2.310 | वर्तमान रन | |
| 2026-04-10 23:27 पहला दर्ज रन | 8.4 | लागू नहीं | $2.310 | तुलना करें |
इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।
रन तुलना
| रन | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:01 · सूट बदला गया | 8.6 | 10.0 | लागू नहीं | 13/16 | 0 | 1,534,593 | 0 | $2.310 | 68.83s |
| 2026-05-06 14:01 · दोबारा परीक्षण | 8.6 | 10.0 | लागू नहीं | 13/16 | 0 | 1,534,593 | 0 | $2.310 | 68.83s |
| अंतर | 0.0 | 0.0 | 0 | 0 | 0 | 0 | $0.000 | 0ms |
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
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 10.0 | 10.0 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 10.0 | 10.0 | |
| निर्देश पालन | 9.8 | 10.0 | |
| पहेली समाधान | 7.7 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 |