#21

Gemini 3.5 Flash

Google प्रकाशन: 2026-05-19 चाचणी तारीख: 2026-05-19 23:35 google/gemini-3.5-flash::minimal

(high) (medium) (low) (minimal) (none)

सारांश

Gemini 3.5 Flash AI BENCHY वर 8.1 स्कोर करते आणि #21 वर आहे. याची reliability 10.0, pass rate 75.4%, एकूण खर्च $0.070, आणि सरासरी response time 1.37s आहे.

Gemini 3.5 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 #17. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.

स्कोअर

8.1

सुसंगतता

9.6

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$0.070

एकूण आउटपुट टोकन्स

2,262

एकूण इनपुट टोकन्स

इनपुट किंमत

$1.500 / 1M

आउटपुट किंमत

$9.000 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 5

प्रति प्रयत्न पास दर: 75.4%

अस्थिर चाचण्या

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

प्रतिसाद वेळ (सरासरी)

1.37s

प्रतिसाद वेळ (कमाल): 3.56s

प्रतिसाद वेळ (एकूण): 26.04s

चुकीचे उत्तर: 4 अवैध टूल कॉल: 1

जनरेशन शोकेस

Hamster playing table tennis

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

#21 Gemini 3.5 Flash

minimal

खर्च: $0.041
वेळ: 20.4s
टोकन्स: 4,608 tok

रन इतिहास

चाचणी तारीख	स्कोअर	विश्वसनीयता	एकूण खर्च	तुलना करा
2026-06-04 14:01 नवीन चाचणी जोडली	7.7	10.0	$0.108	तुलना करा
2026-05-22 00:28 सूट बदलला	7.9	10.0	$0.103	तुलना करा
2026-05-19 23:35 पहिला रन	8.1	10.0	$0.070	सध्याची रन

रन तुलना

रन	स्कोअर	सुसंगतता	विश्वसनीयता	बरोबर चाचण्या	अस्थिर चाचण्या	एकूण आउटपुट टोकन्स	एकूण इनपुट टोकन्स	एकूण खर्च	प्रतिसाद वेळ (सरासरी)
2026-05-19 23:35 · पहिला रन	8.1	9.6	10.0	14/19	1	2,262	0	$0.070	1.37s
2026-06-04 14:01 · नवीन चाचणी जोडली	7.7	9.6	10.0	14/21	1	5,277	39,847	$0.108	1.57s
फरक	+0.4	0.0	0.0	0	0	-3015	-39847	-$0.039	-202ms

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

श्रेणीवार तपशील

श्रेणी	स्कोअर	सुसंगतता
अँटी-एआय युक्त्या	6.5	10.0
कोडिंग	10.0	10.0
संयुक्त	3.0	10.0
डेटा पार्सिंग आणि निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	10.0	10.0
Samanya Buddhimatta	10.0	10.0
सूचनांचे पालन	6.4	5.8
कोडी सोडवणे	10.0	10.0
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

Gemini 3.5 Flash

Hamster playing table tennis

#21 Gemini 3.5 Flash

चार्ट्स

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

श्रेणीवार तपशील

तुलना केलेली मॉडेल्स