AI BENCHY Compare
Google: Gemini 2.5 Flash vs Google: Gemini 3.1 Pro Preview
Compară:
Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-03
| Metrică | Google: Gemini 2.5 Flash medium Lansare: 2025-06-17 | Google: Gemini 3.1 Pro Preview medium Lansare: 2026-02-19 |
|---|---|---|
| Rang | #16 | #2 |
| Scor mediu | 7.05 | 9.36 |
| Consistență | 9.39 | 10.00 |
| Cost per rezultat | 2.762 | 2.443 |
| Cost total | $0.249 | $0.318 |
| Teste corecte | ||
| Rată de trecere pe încercare | 69.1% | 92.9% |
| Teste instabile | 1 | 0 |
| Tokenuri de ieșire | 975 | 1,000 |
| Tokenuri de raționament | 96,701 | 22,936 |
Scor vs cost total
Defalcare pe categorii
| Trucuri anti-AI | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 7.33 | 10.00 | 66.7% | 0 | 249 | 8,832 | |
| Google: Gemini 3.1 Pro Preview | 10.00 | 10.00 | 100.0% | 0 | 106 | 2,533 |
| Parsare și extragere de date | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 9.88 | 10.00 | 100.0% | 0 | 279 | 2,325 | |
| Google: Gemini 3.1 Pro Preview | 10.00 | 10.00 | 100.0% | 0 | 292 | 3,164 |
| Specific domeniului | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 4.00 | 7.21 | 55.6% | 1 | 18 | 80,702 | |
| Google: Gemini 3.1 Pro Preview | 7.00 | 10.00 | 66.7% | 0 | 18 | 10,688 |
| Respectarea instrucțiunilor | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 7.00 | 9.91 | 50.0% | 0 | 69 | 1,203 | |
| Google: Gemini 3.1 Pro Preview | 10.00 | 10.00 | 100.0% | 0 | 72 | 2,436 |
| Puzzle Solving | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 7.00 | 10.00 | 66.7% | 0 | 126 | 2,499 | |
| Google: Gemini 3.1 Pro Preview | 10.00 | 10.00 | 100.0% | 0 | 238 | 3,133 |
| Apelare instrumente | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 10.00 | 10.00 | 100.0% | 0 | 234 | 1,140 | |
| Google: Gemini 3.1 Pro Preview | 10.00 | 10.00 | 100.0% | 0 | 274 | 982 |
Comparație rapidă
Schimbă perechea de comparație
Gemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneClaude Sonnet 4.6nonevsGemini 2.5 FlashmediumGemini 2.5 FlashmediumvsQwen3.5 Plus 2026-02-15noneGemini 2.5 FlashmediumvsGLM 5noneGemini 2.5 FlashmediumvsQwen3.5-122B-A10BnoneGemini 3.1 Pro PreviewmediumvsGPT-5.2 ChatnoneGemini 3.1 Pro PreviewmediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-4o-mininoneDeepSeek V3.2nonevsGemini 2.5 FlashmediumGemini 2.5 FlashmediumvsQwen3.5-27BnoneGemini 2.5 FlashmediumvsQwen3.5-35B-A3Bnone