#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
~150B कुल (~10B सक्रिय)MoEबंद स्रोतअनुमानित
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।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- ~150B कुल (~10B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- लाइसेंस
- -
सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।
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 | 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 | बेंचमार्क कवरेज | 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 | 48/48 प्रयास | 8.6 | 10.0 | लागू नहीं | 13/16 | 0 | 1,534,593 | 0 | $2.310 | 68.83s |
| 2026-05-06 14:01 · दोबारा परीक्षण | 48/48 प्रयास | 5.3 | 7.3 | लागू नहीं | 13/16 | 0 | 1,534,593 | 28,980 | $2.310 | 68.14s |
| अंतर | — | +3.3 | +2.7 | 0 | 0 | 0 | -28980 | +$0.001 | +690ms |
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
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 |