#19 Gemini 3 PRO Preview
medium
No endpoints found for google/gemini-3-pro-preview.
- लागत
- $0.000
- समय
- 0.1s
- टोकन
- 0 tok
Google
रिलीज़: 2025-11-18
परीक्षण किया गया: 2026-05-22 00:29
google/gemini-3-pro-preview::medium
~1.2T कुल (~20B सक्रिय)MoEबंद स्रोतअनुमानित सारांश
Gemini 3 PRO Preview AI BENCHY पर 8.1 स्कोर करता है और #19 पर है। इसकी reliability लागू नहीं, pass rate 73.7%, कुल लागत $0.197, और औसत response time 9.06s है।
Gemini 3 PRO Preview को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #4 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- 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।
8.1
संगति
10.0
लागू नहीं
$0.197
कुल आउटपुट टोकन
11,592
कुल इनपुट टोकन
0
इनपुट कीमत
$0.000 / 1M
आउटपुट कीमत
$0.000 / 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 |
|---|---|---|---|---|---|
| 2026-06-04 14:03 नया टेस्ट जोड़ा गया | 6.0 | लागू नहीं | $0.385 ↑ | तुलना करें | |
| 2026-05-22 00:29 सूट बदला गया | 8.1 | लागू नहीं | $0.197 | वर्तमान रन | |
| 2026-04-11 01:44 पहला दर्ज रन | 8.4 | लागू नहीं | $0.197 | 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:29 · सूट बदला गया | 60/60 प्रयास | 8.1 | 10.0 | लागू नहीं | 14/19 | 0 | 11,592 | 0 | $0.197 | 9.06s |
| 2026-06-04 14:03 · नया टेस्ट जोड़ा गया | 63/63 प्रयास | 6.0 | 9.5 | लागू नहीं | 14/21 | 0 | 11,592 | 28,848 | $0.385 | 9.05s |
| अंतर | — | +2.2 | +0.5 | +1 | 0 | 0 | -28848 | -$0.188 | +4ms |
बेंचमार्क कवरेज अलग है: 60/60 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।
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 | |
| कोडिंग | 3.0 | 10.0 | |
| संयुक्त | 3.0 | 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 | 10.0 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 0.0 | 0.0 |