AI BENCHY
Advertise here
#10

Gemini 3.1 Flash Lite Preview

Google प्रकाशन: 2026-03-03 चाचणी तारीख: 2026-05-06 14:01 google/gemini-3.1-flash-lite-preview::high
~150B एकूण (~10B सक्रिय)MoEबंद स्रोतअंदाजित
(high) (medium) (low) (none)

सारांश

Gemini 3.1 Flash Lite Preview AI BENCHY वर 8.6 स्कोर करते आणि #10 वर आहे. याची reliability लागू नाही, pass rate 81.3%, एकूण खर्च $2.310, आणि सरासरी response time 68.83s आहे.

Gemini 3.1 Flash Lite Preview खास का आहे: हे असामान्यपणे जास्त reasoning tokens वापरते, ज्यामुळे runs हळू किंवा महाग होऊ शकतात.

संग्रहित मॉडेल: हे मॉडेल आता अपडेट केले जाणार नाही आणि नवीन चाचण्यांवर तपासले जाणार नाही.

ओळख नोंद

Gemini 3.1 Flash Lite Preview हे Google: Gemini 3.1 Flash Lite ची प्रीव्ह्यू आवृत्ती होती.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

अंदाजित
पॅरामीटर्स
~150B एकूण (~10B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
परवाना
-

सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

8.6

सुसंगतता

10.0

विश्वसनीयता

लागू नाही

एकूण खर्च (सध्याची किंमत)

$2.310

एकूण आउटपुट टोकन्स

1,534,593

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$0.250 / 1M

आउटपुट किंमत

$1.500 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 3

प्रति प्रयत्न पास दर: 81.3%

अस्थिर चाचण्या

0

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

प्रतिसाद वेळ (सरासरी)

68.83s

प्रतिसाद वेळ (कमाल): 280.52s

प्रतिसाद वेळ (एकूण): 1101.32s

चुकीचे उत्तर: 3

Hamster playing table tennis

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

#10 Gemini 3.1 Flash Lite Preview

high
खर्च
$0.096
वेळ
133.9s
टोकन्स
63,687 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-05-06 14:01 पुन्हा चाचणी 5.3 लागू नाही $2.310 तुलना करा
2026-05-06 14:01 पुन्हा चाचणी 5.3 लागू नाही $2.310 तुलना करा
2026-05-06 14:01 पुन्हा चाचणी 8.6 लागू नाही $2.310 तुलना करा
2026-05-06 14:01 पुन्हा चाचणी 8.6 लागू नाही $2.310 तुलना करा
2026-05-06 14:01 सूट बदलला 8.6 लागू नाही $2.310 सध्याची रन
2026-04-10 23:27 पहिली नोंदलेली रन 8.4 लागू नाही $2.310 तुलना करा

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

रन तुलना

रनबेंचमार्क कव्हरेजस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-05-06 14:01 · सूट बदलला48/48 प्रयत्न8.610.0लागू नाही13/1601,534,5930$2.31068.83s
2026-05-06 14:01 · पुन्हा चाचणी48/48 प्रयत्न8.610.0लागू नाही13/1601,534,5930$2.31068.83s
फरक—0.00.00000$0.0000ms

चार्ट्स

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

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 10.0 10.0
संयुक्त 10.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 10.0
Samanya Buddhimatta 10.0 10.0
सूचनांचे पालन 9.8 10.0
कोडी सोडवणे 7.7 10.0
टूल कॉलिंग 10.0 10.0

तुलना केलेली मॉडेल्स