#25

Gemini 3.5 Flash

Google रिलीज़: 2026-05-19 परीक्षण किया गया: 2026-05-22 00:28 google/gemini-3.5-flash::minimal

(high) (medium) (low) (minimal) (none)

सारांश

Gemini 3.5 Flash AI BENCHY पर 7.9 स्कोर करता है और #25 पर है। इसकी reliability 10.0, pass rate 71.7%, कुल लागत $0.103, और औसत response time 1.58s है।

Gemini 3.5 Flash को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि संयुक्त इसकी सबसे कमजोर जगह है, जहाँ यह #17 पर है। यह समान मॉडलों की तुलना में काफ़ी तेज है।

स्कोर

7.9

संगति

9.6

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.103

कुल आउटपुट टोकन

5,271

कुल इनपुट टोकन

इनपुट कीमत

$1.500 / 1M

आउटपुट कीमत

$9.000 / 1M

सही परीक्षण

गलत टेस्ट: 6

प्रति प्रयास पास दर: 71.7%

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

1.58s

प्रतिक्रिया समय (अधिकतम): 5.51s

प्रतिक्रिया समय (कुल): 31.55s

गलत उत्तर: 4 निर्देशों का पालन नहीं किया: 1 अमान्य टूल कॉल: 1

जनरेशन शोकेस

Hamster playing table tennis

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

#25 Gemini 3.5 Flash

minimal

लागत: $0.041
समय: 20.4s
टोकन: 4,608 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	कुल लागत	तुलना करें
2026-06-04 14:01 नया टेस्ट जोड़ा गया	7.7	10.0	$0.108	तुलना करें
2026-05-22 00:28 सूट बदला गया	7.9	10.0	$0.103	वर्तमान रन
2026-05-19 23:35 पहला रन	8.1	10.0	$0.070	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)
2026-05-22 00:28 · सूट बदला गया	7.9	9.6	10.0	14/20	1	5,271	0	$0.103	1.58s
2026-06-04 14:01 · नया टेस्ट जोड़ा गया	7.7	9.6	10.0	14/21	1	5,277	39,847	$0.108	1.57s
अंतर	+0.2	0.0	0.0	0	0	-6	-39847	-$0.005	+5ms

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

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
एंटी-एआई ट्रिक्स	6.5	10.0
कोडिंग	7.0	9.8
संयुक्त	3.0	10.0
डेटा पार्सिंग और निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	10.0	10.0
Samanya Buddhimatta	10.0	10.0
निर्देश पालन	6.4	5.8
पहेली समाधान	10.0	10.0
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

Gemini 3.5 Flash

Hamster playing table tennis

#25 Gemini 3.5 Flash

चार्ट

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

तुलना किए गए मॉडल