AI BENCHY
Advertise here
#2

Gemini 3.1 Pro Preview

Google प्रकाशन: 2026-02-19 चाचणी तारीख: 2026-04-11 01:44 google/gemini-3.1-pro-preview::medium
~1.2T एकूण (~20B सक्रिय)MoEबंद स्रोतअंदाजित

सारांश

Gemini 3.1 Pro Preview AI BENCHY वर 9.6 स्कोर करते आणि #2 वर आहे. याची reliability लागू नाही, pass rate 94.4%, एकूण खर्च $0.578, आणि सरासरी response time 15.96s आहे.

Gemini 3.1 Pro Preview खास का आहे: हे डोमेन-विशिष्ट मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #2 आहे; तर संयुक्त हा सर्वात कमकुवत भाग आहे, rank #10. हे एकूणात सर्वाधिक rank असलेल्या मॉडेल्सपैकी एक आहे.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

अंदाजित
पॅरामीटर्स
~1.2T एकूण (~20B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
परवाना
-

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

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

9.6

सुसंगतता

10.0

विश्वसनीयता

लागू नाही

एकूण खर्च (सध्याची किंमत)

$0.578

एकूण आउटपुट टोकन्स

42,474

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$2.000 / 1M

आउटपुट किंमत

$12.000 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 1

प्रति प्रयत्न पास दर: 94.4%

अस्थिर चाचण्या

0

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

प्रतिसाद वेळ (सरासरी)

15.96s

प्रतिसाद वेळ (कमाल): 40.61s

प्रतिसाद वेळ (एकूण): 175.52s

चुकीचे उत्तर: 1

Hamster playing table tennis

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

#2 Gemini 3.1 Pro Preview

medium
खर्च
$0.115
वेळ
87.2s
टोकन्स
9,629 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-08-14 02:51 पुन्हा चाचणी 9.2 10.0 $1.352 तुलना करा
2026-07-16 23:01 नवीन चाचणी जोडली 9.2 10.0 $1.361 तुलना करा
2026-06-04 14:04 नवीन चाचणी जोडली 9.4 10.0 $1.054 तुलना करा
2026-05-22 00:30 सूट बदलला 9.3 10.0 $1.006 तुलना करा
2026-04-11 01:44 पहिली नोंदलेली रन 9.6 लागू नाही $0.578 सध्याची रन

रन तुलना

रनबेंचमार्क कव्हरेजस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-04-11 01:44 · पहिली नोंदलेली रन54/54 प्रयत्न9.610.0लागू नाही17/18042,4740$0.57815.96s
2026-08-14 02:51 · पुन्हा चाचणी66/66 प्रयत्न9.210.010.020/22097,23892,296$1.35220.62s
फरक—+0.30.0-30-54764-92296-$0.774-4665ms

बेंचमार्क कव्हरेज वेगळे आहे: 54/54 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 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.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

Gemini 3.1 Pro PreviewmediumvsGrok 4.6highGemini 3.1 Pro PreviewmediumvsGemini 3.7 FlashlowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsClaude Opus 5highGemini 3.1 Pro PreviewmediumvsGPT-5.6 SolhighGemini 3.1 Pro PreviewmediumvsClaude Opus 5mediumGemini 3.1 Pro PreviewmediumvsGPT-5.6 SolmediumGemini 3.1 Pro PreviewmediumvsSeed 2.1 TurbolowGemini 3.1 Pro PreviewmediumvsGemini 3.7 FlashmediumGemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 10.0 10.0
कोडिंग 10.0 10.0
संयुक्त 9.5 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 7.7 10.0
Samanya Buddhimatta 10.0 10.0
सूचनांचे पालन 10.0 10.0
कोडी सोडवणे 10.0 10.0
टूल कॉलिंग 10.0 10.0

तुलना केलेली मॉडेल्स