#16 Gemini 2.5 Flash
medium
SVG invalid
- Cost
- $0.000
- Timp
- 274.0s
- Tokenuri
- 0 tok
Google
Lansare: 2025-06-17
Testat la: 2026-04-11 01:44
google/gemini-2.5-flash::medium
(medium)
(none)
Rezumat
Gemini 2.5 Flash obține 8.2 pe AI BENCHY și este pe #16. Are fiabilitate N/D, rată de reușită 75.9%, cost total $0.319 și timp mediu de răspuns 12.12s.
Ce face Gemini 2.5 Flash unic: Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.
8.2
Consistență
9.5
N/D
$0.319
Total tokenuri de ieșire
124,171
Total tokenuri de intrare
0
Preț de intrare
$0.300 / 1M
Preț de ieșire
$2.500 / 1M
Teste instabile
1
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-07-16 23:00 Test nou adăugat | 8.2 | 10.0 | $0.643 | Compară | |
| 2026-06-04 14:01 Test nou adăugat | 7.8 | 10.0 | $0.379 | Compară | |
| 2026-05-22 00:32 Suită modificată | 7.7 | 10.0 | $0.358 | Compară | |
| 2026-04-11 01:44 Prima rulare înregistrată | 8.2 | N/D | $0.319 | Rularea curentă |
Comparație între rulări
| Rulare | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · Prima rulare înregistrată | 8.2 | 9.5 | N/D | 13/18 | 1 | 124,171 | 0 | $0.319 | 12.12s |
| 2026-06-04 14:01 · Test nou adăugat | 7.8 | 9.6 | 10.0 | 14/21 | 1 | 147,075 | 34,476 | $0.379 | 15.49s |
| Diferență | +0.4 | -0.1 | -1 | 0 | -22904 | -34476 | -$0.060 | -3377ms |
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
Top modele după scor
Scor vs Cost total
Timp de răspuns (mediu)
Scor vs Timp de răspuns (mediu)
Total tokenuri de ieșire
Scor vs Total tokenuri de ieșire
Comparație rapidă
Gemini 2.5 FlashmediumvsMuse Spark 1.1lowGemini 2.5 FlashmediumvsGPT-5 MinimediumGemini 2.5 FlashmediumvsClaude Sonnet 5mediumGemini 2.5 FlashmediumvsMuse Spark 1.1highGemini 2.5 FlashmediumvsGrok 4.5mediumGemini 2.5 FlashmediumvsStep 3.7 FlashmediumGemini 2.5 FlashmediumvsGemini 3 Flash PreviewmediumGemini 2.5 FlashmediumvsGemini 3.5 FlashhighGemini 2.5 FlashmediumvsNemotron 3 UltramediumDisponibil gratuitGemini 2.5 FlashmediumvsGPT-5.5low
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 8.4 | 10.0 | |
| Programare | 10.0 | 10.0 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 5.9 | 7.2 | |
| Inteligență generală | 4.8 | 10.0 | |
| Respectarea instrucțiunilor | 9.8 | 10.0 | |
| Rezolvare de puzzle-uri | 7.7 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 |