AI BENCHY
Advertise here
#5

Gemini 3 Flash Preview

Google प्रकाशन: 2025-12-17 चाचणी तारीख: 2026-04-11 01:44 google/gemini-3-flash-preview::low
~500B एकूण (~20B सक्रिय)MoEबंद स्रोतअंदाजित
(medium) (low) (none)

सारांश

Gemini 3 Flash Preview AI BENCHY वर 8.8 स्कोर करते आणि #5 वर आहे. याची reliability लागू नाही, pass rate 85.2%, एकूण खर्च $0.091, आणि सरासरी response time 6.01s आहे.

Gemini 3 Flash Preview खास का आहे: हे एकूणात सर्वाधिक rank असलेल्या मॉडेल्सपैकी एक आहे. या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

अंदाजित
पॅरामीटर्स
~500B 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

8.8

सुसंगतता

9.5

विश्वसनीयता

लागू नाही

एकूण खर्च (सध्याची किंमत)

$0.091

एकूण आउटपुट टोकन्स

25,291

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$0.500 / 1M

आउटपुट किंमत

$3.000 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 3

प्रति प्रयत्न पास दर: 85.2%

अस्थिर चाचण्या

1

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

प्रतिसाद वेळ (सरासरी)

6.01s

प्रतिसाद वेळ (कमाल): 14.72s

प्रतिसाद वेळ (एकूण): 108.12s

चुकीचे उत्तर: 3

Hamster playing table tennis

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

#5 Gemini 3 Flash Preview

low
खर्च
$0.007
वेळ
12.1s
टोकन्स
2,289 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-08-14 02:42 पुन्हा चाचणी 7.4 10.0 $0.185 तुलना करा
2026-07-16 22:51 नवीन चाचणी जोडली 7.4 10.0 $0.177 तुलना करा
2026-06-04 13:59 नवीन चाचणी जोडली 8.4 10.0 $0.111 तुलना करा
2026-05-22 00:26 सूट बदलला 8.6 10.0 $0.106 तुलना करा
2026-04-11 01:44 पहिली नोंदलेली रन 8.8 लागू नाही $0.091 सध्याची रन

रन तुलना

रनबेंचमार्क कव्हरेजस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-04-11 01:44 · पहिली नोंदलेली रन54/54 प्रयत्न8.89.5लागू नाही15/18125,2910$0.0916.01s
2026-07-16 22:51 · नवीन चाचणी जोडली66/66 प्रयत्न7.49.210.016/22238,090123,684$0.1776.28s
फरक—+1.4+0.3-1-1-12799-123684-$0.086-269ms

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 Flash PreviewlowvsGrok 4.6lowGemini 3 Flash PreviewlowvsClaude Sonnet 4.6noneGemini 3 Flash PreviewlowvsQwen3.8 2.4T A95BhighGemini 3 Flash PreviewlowvsGLM 5.3highGemini 3 Flash PreviewlowvsLongCat 2.0mediumGemini 3 Flash PreviewlowvsKAT-Coder-Pro V2.5lowGemini 3 Flash PreviewlowvsGPT-5.6 LunamediumGemini 3 Flash PreviewlowvsGemini 3.1 Flash LitemediumGemini 3 Flash PreviewlowvsKimi K2.7 CodemediumGemini 3 Flash PreviewlowvsQwen3.7 Plusnone

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 10.0 10.0
कोडिंग 10.0 10.0
संयुक्त 3.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 10.0 10.0
सूचनांचे पालन 9.9 10.0
कोडी सोडवणे 10.0 10.0
टूल कॉलिंग 10.0 10.0

तुलना केलेली मॉडेल्स