Advertise here
#77

Gemini 3.5 Flash

Google रिलीज़: 2026-05-19 परीक्षण किया गया: 2026-10-01 09:22 google/gemini-3.5-flash::high
~500B कुल (~20B सक्रिय)MoEबंद स्रोतअनुमानित
(high) (medium) (low) (minimal) (none)

सारांश

Gemini 3.5 Flash AI BENCHY पर 8.3 स्कोर करता है और #77 पर है। इसकी reliability 10.0, pass rate 85.5%, कुल लागत $2.737, और औसत response time 18.59s है।

Gemini 3.5 Flash को अलग क्या बनाता है: यह सामान्य ज्ञान में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि स्वायत्त एजेंट कार्य इसकी सबसे कमजोर जगह है, जहाँ यह #17 पर है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

अनुमानित
पैरामीटर
~500B 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

8.3

संगति

9.3

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$2.737

कुल आउटपुट टोकन

246,012

कुल इनपुट टोकन

348,103

इनपुट कीमत

$1.500 / 1M

आउटपुट कीमत

$9.000 / 1M

कैश पढ़ने की कीमत

$0.150 / 1M

कैश लिखने की कीमत

$0.084 / 1M

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

सही परीक्षण

गलत टेस्ट: 4

प्रति प्रयास पास दर: 85.5%

अस्थिर टेस्ट

2

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

प्रतिक्रिया समय (औसत)

18.59s

प्रतिक्रिया समय (अधिकतम): 145.92s

प्रतिक्रिया समय (कुल): 427.52s

अमान्य टूल कॉल: 2 गलत उत्तर: 2

Hamster playing table tennis

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

#77 Gemini 3.5 Flash

high
लागत
$0.208
समय
118.2s
टोकन
23,158 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-10-01 09:22 दोबारा परीक्षण 8.3 10.0 $2.737 वर्तमान रन
2026-07-16 23:05 नया टेस्ट जोड़ा गया 9.5 10.0 $1.976 तुलना करें
2026-06-04 14:03 नया टेस्ट जोड़ा गया 9.6 10.0 $1.115 तुलना करें
2026-05-22 00:30 दोबारा परीक्षण 9.6 10.0 $0.994 तुलना करें
2026-05-19 23:35 पहला रन 9.6 10.0 $0.773 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)
2026-10-01 09:22 · वर्तमान रन69/69 प्रयास8.39.310.019/232246,012348,103$2.73718.59s
2026-06-04 14:03 · नया टेस्ट जोड़ा गया63/63 प्रयास9.69.610.020/211117,61337,594$1.1158.84s
अंतर—-1.3-0.30.0-1+1+128399+310509+$1.622+9751ms

बेंचमार्क कवरेज अलग है: 69/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 63/63 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 कैश पढ़ने की कीमत कैश लिखने की कीमत
2026-08-14 12:51 $1.500 / 1M $9.000 / 1M लागू नहीं लागू नहीं
2026-10-01 18:33 $1.500 / 1M $9.000 / 1M $0.150 / 1M $0.084 / 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 3.5 FlashhighvsGPT-5.6 TerrahighGemini 3.5 FlashhighvsKimi K3maxGemini 3.5 FlashhighvsGLM 5.2highGemini 3.5 FlashhighvsGPT-6 LunamediumGemini 3.5 FlashhighvsDeepSeek V4 Flash 0731highGemini 3.5 FlashhighvsClaude Opus 4.8mediumGemini 3.5 FlashhighvsMuse Spark 1.1highGemini 3.5 FlashhighvsLing 3.1 FlashmediumGemini 3.5 FlashhighvsInklinghighनिःशुल्क उपलब्धGemini 3.5 FlashhighvsQwen3.7 Plusmedium

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
स्वायत्त एजेंट कार्य 3.4 9.6
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 10.0 10.0
संयुक्त 8.2 6.9
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 10.0 10.0
निर्देश पालन 10.0 10.0
पहेली समाधान 10.0 10.0
टूल कॉलिंग 9.8 10.0
सामान्य ज्ञान 10.0 10.0

तुलना किए गए मॉडल