AI BENCHY
Advertise here
#67

Gemini 2.5 Flash

Google प्रकाशन: 2025-06-17 चाचणी तारीख: 2026-04-11 01:44 google/gemini-2.5-flash::none
(medium) (none)

सारांश

Gemini 2.5 Flash AI BENCHY वर 6.2 स्कोर करते आणि #67 वर आहे. याची reliability लागू नाही, pass rate 44.4%, एकूण खर्च $0.013, आणि सरासरी response time 903ms आहे.

Gemini 2.5 Flash खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर अँटी-एआय युक्त्या हा सर्वात कमकुवत भाग आहे, rank #18. या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.

स्कोअर

6.2

सुसंगतता

9.2

विश्वसनीयता

लागू नाही

एकूण खर्च (सध्याची किंमत)

$0.013

एकूण आउटपुट टोकन्स

1,726

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$0.300 / 1M

आउटपुट किंमत

$2.500 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 11

प्रति प्रयत्न पास दर: 44.4%

अस्थिर चाचण्या

2

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

प्रतिसाद वेळ (सरासरी)

903ms

प्रतिसाद वेळ (कमाल): 4.39s

प्रतिसाद वेळ (एकूण): 16.26s

चुकीचे उत्तर: 10 सूचनांचे पालन केले नाही: 1

Hamster playing table tennis

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

#67 Gemini 2.5 Flash

none
अवैध SVG
खर्च
$0.164
वेळ
215.5s
टोकन्स
65,659 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-07-16 22:58 नवीन चाचणी जोडली 6.2 10.0 $0.017 तुलना करा
2026-06-04 14:00 नवीन चाचणी जोडली 6.2 10.0 $0.016 तुलना करा
2026-05-22 00:28 सूट बदलला 6.2 10.0 $0.015 तुलना करा
2026-04-11 01:44 पहिली नोंदलेली रन 6.2 लागू नाही $0.013 सध्याची रन

रन तुलना

रनस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-04-11 01:44 · पहिली नोंदलेली रन6.29.2लागू नाही7/1821,7260$0.013903ms
2026-05-22 00:28 · सूट बदलला6.29.210.08/2021,7620$0.015893ms
फरक0.00.0-10-360-$0.002+10ms

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 FlashnonevsGemma 4 31Bmediumमोफत उपलब्धGemini 2.5 FlashnonevsQwen3.5-FlashmediumGemini 2.5 FlashnonevsRing-2.6-1TmediumGemini 2.5 FlashnonevsGemma 4 31Bnoneमोफत उपलब्धGemini 2.5 FlashnonevsGemini 3 Flash PreviewmediumGemini 2.5 FlashnonevsGemini 3.5 FlashhighGemini 2.5 FlashnonevsNemotron 3 Ultramediumमोफत उपलब्धGemini 2.5 FlashnonevsGPT-5.5low

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 3.0 10.0
कोडिंग 10.0 10.0
संयुक्त 3.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.9 7.2
Samanya Buddhimatta 5.0 10.0
सूचनांचे पालन 8.0 6.8
कोडी सोडवणे 5.7 10.0
टूल कॉलिंग 10.0 10.0

तुलना केलेली मॉडेल्स