AI BENCHY
Advertise here
#4

Gemini 3.1 Pro Preview

Google रिलीज़: 2026-02-19 परीक्षण किया गया: 2026-06-04 14:04 google/gemini-3.1-pro-preview::medium
~1.2T कुल (~20B सक्रिय)MoEबंद स्रोतअनुमानित

सारांश

Gemini 3.1 Pro Preview AI BENCHY पर 9.4 स्कोर करता है और #4 पर है। इसकी reliability 10.0, pass rate 90.5%, कुल लागत $1.054, और औसत response time 20.14s है।

Gemini 3.1 Pro Preview को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #12 पर है। यह कुल मिलाकर सबसे ऊँची रैंक वाले मॉडलों में से एक है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

अनुमानित
पैरामीटर
~1.2T कुल (~20B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
लाइसेंस
-

सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

9.4

संगति

10.0

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$1.054

कुल आउटपुट टोकन

80,873

कुल इनपुट टोकन

41,617

इनपुट कीमत

$2.000 / 1M

आउटपुट कीमत

$12.000 / 1M

सही परीक्षण

गलत टेस्ट: 2

प्रति प्रयास पास दर: 90.5%

अस्थिर टेस्ट

0

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

प्रतिक्रिया समय (औसत)

20.14s

प्रतिक्रिया समय (अधिकतम): 88.68s

प्रतिक्रिया समय (कुल): 281.92s

गलत उत्तर: 2

Hamster playing table tennis

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

#4 Gemini 3.1 Pro Preview

medium
लागत
$0.115
समय
87.2s
टोकन
9,629 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-08-14 02:51 दोबारा परीक्षण 9.2 10.0 $1.352 तुलना करें
2026-07-16 23:01 नया टेस्ट जोड़ा गया 9.2 10.0 $1.361 तुलना करें
2026-06-04 14:04 नया टेस्ट जोड़ा गया 9.4 10.0 $1.054 वर्तमान रन
2026-05-22 00:30 सूट बदला गया 9.3 10.0 $1.006 तुलना करें
2026-04-11 01:44 पहला दर्ज रन 9.6 लागू नहीं $0.578 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)
2026-06-04 14:04 · नया टेस्ट जोड़ा गया63/63 प्रयास9.410.010.019/21080,87341,617$1.05420.14s
2026-08-14 02:51 · दोबारा परीक्षण66/66 प्रयास9.210.010.020/22097,23892,296$1.35220.62s
अंतर—+0.10.00.0-10-16365-50679-$0.298-484ms

बेंचमार्क कवरेज अलग है: 63/63 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 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।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-06-04 14:42 $2.000 / 1M $12.000 / 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

Gemini 3.1 Pro PreviewmediumvsGrok 4.6highGemini 3.1 Pro PreviewmediumvsGemini 3.7 FlashlowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsClaude Opus 5highGemini 3.1 Pro PreviewmediumvsGPT-5.6 SolhighGemini 3.1 Pro PreviewmediumvsClaude Opus 5mediumGemini 3.1 Pro PreviewmediumvsGPT-5.6 SolmediumGemini 3.1 Pro PreviewmediumvsSeed 2.1 TurbolowGemini 3.1 Pro PreviewmediumvsGemini 3.7 FlashmediumGemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 7.9 9.9
संयुक्त 9.5 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 7.7 10.0
Samanya Buddhimatta 10.0 10.0
निर्देश पालन 10.0 10.0
पहेली समाधान 10.0 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 10.0 10.0

तुलना किए गए मॉडल