#70 Gemini 3.1 Flash Lite
none- खर्च
- $0.001
- वेळ
- 4.5s
- टोकन्स
- 727 tok
Google
प्रकाशन: 2026-05-08
चाचणी तारीख: 2026-05-08 12:01
google/gemini-3.1-flash-lite::none
सारांश
Gemini 3.1 Flash Lite AI BENCHY वर 6.9 स्कोर करते आणि #70 वर आहे. याची reliability 10.0, pass rate 61.1%, एकूण खर्च $0.011, आणि सरासरी response time 1.13s आहे.
Gemini 3.1 Flash Lite खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर संयुक्त हा सर्वात कमकुवत भाग आहे, rank #17. या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.
ओळख नोंद
Google: Gemini 3.1 Flash Lite Preview हे Gemini 3.1 Flash Lite ची प्रीव्ह्यू आवृत्ती होती.
6.9
सुसंगतता
8.3
10.0
$0.011
एकूण आउटपुट टोकन्स
2,445
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.250 / 1M
आउटपुट किंमत
$1.500 / 1M
अस्थिर चाचण्या
4
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-07-16 22:51 नवीन चाचणी जोडली | 6.1 | 10.0 | $0.046 | तुलना करा | |
| 2026-06-04 13:59 नवीन चाचणी जोडली | 6.4 | 10.0 | $0.013 | तुलना करा | |
| 2026-05-22 00:26 सूट बदलला | 6.6 | 10.0 | $0.013 | तुलना करा | |
| 2026-05-08 12:01 पहिला रन | 6.9 | 10.0 | $0.011 | सध्याची रन |
रन तुलना
| रन | बेंचमार्क कव्हरेज | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 12:01 · पहिला रन | 18/18 चाचण्या · 54/54 प्रयत्न | 6.9 | 8.3 | 10.0 | 9/18 | 4 | 2,445 | 0 | $0.011 | 1.13s |
| 2026-07-16 22:51 · नवीन चाचणी जोडली | 22/22 चाचण्या · 66/66 प्रयत्न | 6.1 | 8.6 | 10.0 | 9/22 | 4 | 10,723 | 118,050 | $0.046 | 1.75s |
| फरक | — | +0.8 | -0.3 | 0.0 | 0 | 0 | -8278 | -118050 | -$0.035 | -621ms |
बेंचमार्क कव्हरेज वेगळे आहे: 18/18 चाचण्या · 54/54 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 22/22 चाचण्या · 66/66 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती). एकूण मूल्ये आणि पुनरावृत्तीवर अवलंबून मेट्रिक्स थेट तुलना करता येत नाहीत.
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.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
Gemini 3.1 Flash LitenonevsQwen3.7 FlashnoneGemini 3.1 Flash LitenonevsInklinglowGemini 3.1 Flash Litenonevsgpt-oss-120bmediumGemini 3.1 Flash LitenonevsQwen3.6 FlashnoneGemini 3.1 Flash LitenonevsGemini 3.1 Flash LiteminimalGemini 3.1 Flash LitenonevsQwen3.5-FlashnoneGemini 3.1 Flash LitenonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash LitenonevsQwen3.5 Plus 2026-04-20noneGemini 3.1 Flash LitenonevsGemini 2.5 FlashnoneGemini 3.1 Flash LitenonevsQwen3.5-35B-A3Bnone
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 7.5 | 8.4 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 2.9 | 7.2 | |
| Samanya Buddhimatta | 4.0 | 10.0 | |
| सूचनांचे पालन | 10.0 | 10.0 | |
| कोडी सोडवणे | 6.3 | 4.8 | |
| टूल कॉलिंग | 10.0 | 10.0 |