#12 Gemini 3.1 Flash Lite Preview
high- Biaya
- $0.096
- Waktu
- 133.9s
- Token
- 63,687 tok
Google
Rilis: 2026-03-03
Diuji pada: 2026-04-10 23:27
google/gemini-3.1-flash-lite-preview::high
Ringkasan
Gemini 3.1 Flash Lite Preview mendapat skor 8.4 di AI BENCHY dan berada di peringkat #12. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 77.1%, total biaya $2.310, dan waktu respons rata-rata 68.83s.
Yang membuat Gemini 3.1 Flash Lite Preview unik: Model ini memakai token reasoning yang sangat tinggi, yang bisa menjelaskan run yang lebih lambat atau lebih mahal.
Model diarsipkan: model ini tidak lagi diperbarui atau diuji pada pengujian baru.
Catatan identitas
Gemini 3.1 Flash Lite Preview adalah versi pratinjau dari Google: Gemini 3.1 Flash Lite.
8.4
Konsistensi
9.6
T/A
$2.310
Total token output
1,534,593
Total token input
0
Harga input
$0.250 / 1M
Harga output
$1.500 / 1M
Tes tidak stabil
1
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-05-06 14:01 Uji ulang | 5.3 | T/A | $2.310 | Bandingkan | |
| 2026-05-06 14:01 Uji ulang | 8.6 | T/A | $2.310 | Bandingkan | |
| 2026-05-06 14:01 Uji ulang | 8.6 | T/A | $2.310 | Bandingkan | |
| 2026-05-06 14:01 Suite berubah | 8.6 | T/A | $2.310 | Bandingkan | |
| 2026-04-10 23:27 Run pertama yang tercatat | 8.4 | T/A | $2.310 | Run saat ini |
Perbandingan run
| Run | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-10 23:27 · Run pertama yang tercatat | 8.4 | 9.6 | T/A | 12/16 | 1 | 1,534,593 | 0 | $2.310 | 68.83s |
| 2026-05-06 14:01 · Uji ulang | 5.3 | 7.3 | T/A | 13/16 | 0 | 1,534,593 | 28,980 | $2.310 | 68.14s |
| Selisih | +3.1 | +2.3 | -1 | +1 | 0 | -28980 | +$0.001 | +690ms |
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
Model teratas berdasarkan skor
Skor vs Total Biaya
Waktu respons (rata-rata)
Skor vs Waktu respons (rata-rata)
Total token output
Skor vs Total token output
Perbandingan Cepat
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 10.0 | 10.0 | |
| Gabungan | 10.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 5.3 | 10.0 | |
| Kecerdasan umum | 10.0 | 10.0 | |
| Kepatuhan instruksi | 7.9 | 6.9 | |
| Pemecahan teka-teki | 7.7 | 10.0 | |
| Pemanggilan alat | 10.0 | 10.0 |