AI BENCHY
Advertise here
#38

Gemini 2.5 Flash

Google प्रकाशन: 2025-06-17 चाचणी तारीख: 2026-05-22 00:32 google/gemini-2.5-flash::medium
(medium) (none)

सारांश

Gemini 2.5 Flash AI BENCHY वर 7.7 स्कोर करते आणि #38 वर आहे. याची reliability 10.0, pass rate 68.3%, एकूण खर्च $0.358, आणि सरासरी response time 15.69s आहे.

Gemini 2.5 Flash खास का आहे: हे डोमेन-विशिष्ट मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #2 आहे; तर Samanya Buddhimatta हा सर्वात कमकुवत भाग आहे, rank #17.

स्कोअर

7.7

सुसंगतता

9.6

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$0.358

एकूण आउटपुट टोकन्स

139,179

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$0.300 / 1M

आउटपुट किंमत

$2.500 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 7

प्रति प्रयत्न पास दर: 68.3%

अस्थिर चाचण्या

1

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

15.69s

प्रतिसाद वेळ (कमाल): 95.48s

प्रतिसाद वेळ (एकूण): 313.76s

चुकीचे उत्तर: 6 सूचनांचे पालन केले नाही: 1

Hamster playing table tennis

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

#38 Gemini 2.5 Flash

medium
अवैध SVG
खर्च
$0.000
वेळ
274.0s
टोकन्स
0 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-07-16 23:00 नवीन चाचणी जोडली 8.2 10.0 $0.643 तुलना करा
2026-06-04 14:01 नवीन चाचणी जोडली 7.8 10.0 $0.379 तुलना करा
2026-05-22 00:32 सूट बदलला 7.7 10.0 $0.358 सध्याची रन
2026-04-11 01:44 पहिली नोंदलेली रन 8.2 लागू नाही $0.319 तुलना करा

या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.

रन तुलना

रनस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-05-22 00:32 · सूट बदलला7.79.610.013/201139,1790$0.35815.69s
2026-07-16 23:00 · नवीन चाचणी जोडली8.29.610.015/221241,203132,498$0.64321.18s
फरक-0.50.00.0-20-102024-132498-$0.286-5489ms

या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

Gemini 2.5 FlashmediumvsMuse Spark 1.1lowGemini 2.5 FlashmediumvsGPT-5 MinimediumGemini 2.5 FlashmediumvsClaude Sonnet 5mediumGemini 2.5 FlashmediumvsMuse Spark 1.1highGemini 2.5 FlashmediumvsGrok 4.5mediumGemini 2.5 FlashmediumvsStep 3.7 FlashmediumGemini 2.5 FlashmediumvsGemini 3 Flash PreviewmediumGemini 2.5 FlashmediumvsGemini 3.5 FlashhighGemini 2.5 FlashmediumvsNemotron 3 Ultramediumमोफत उपलब्धGemini 2.5 FlashmediumvsGPT-5.5low

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 8.4 10.0
कोडिंग 6.6 10.0
संयुक्त 10.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.9 7.2
Samanya Buddhimatta 4.8 10.0
सूचनांचे पालन 9.8 10.0
कोडी सोडवणे 7.7 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स