#22 Gemini 3.1 Flash Lite
medium- Cost
- $0.003
- Timp
- 5.3s
- Tokenuri
- 1,754 tok
Google
Lansare: 2026-05-08
Testat la: 2026-05-08 12:01
google/gemini-3.1-flash-lite::medium
Rezumat
Gemini 3.1 Flash Lite obține 8.2 pe AI BENCHY și este pe #22. Are fiabilitate 10.0, rată de reușită 75.9%, cost total $0.056 și timp mediu de răspuns 3.14s.
Ce face Gemini 3.1 Flash Lite unic: Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor. Este vizibil rapid față de modele similare.
Notă de identitate
Google: Gemini 3.1 Flash Lite Preview a fost versiunea preview a lui Gemini 3.1 Flash Lite.
8.2
Consistență
9.1
10.0
$0.056
Total tokenuri de ieșire
32,369
Total tokenuri de intrare
0
Preț de intrare
$0.250 / 1M
Preț de ieșire
$1.500 / 1M
Teste instabile
2
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 22:52 Test nou adăugat | 7.3 | 10.0 | $0.117 | Compară | |
| 2026-06-04 14:00 Test nou adăugat | 7.5 | 10.0 | $0.071 | Compară | |
| 2026-05-22 00:27 Suită modificată | 7.7 | 10.0 | $0.065 | Compară | |
| 2026-05-08 12:01 Prima rulare | 8.2 | 10.0 | $0.056 | Rularea curentă |
Comparație între rulări
| Rulare | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 12:01 · Prima rulare | 18/18 teste · 54/54 încercări | 8.2 | 9.1 | 10.0 | 13/18 | 2 | 32,369 | 0 | $0.056 | 3.14s |
| 2026-06-04 14:00 · Test nou adăugat | 21/21 teste · 63/63 încercări | 7.5 | 9.2 | 10.0 | 13/21 | 2 | 40,554 | 36,808 | $0.071 | 3.23s |
| Diferență | — | +0.7 | -0.1 | 0.0 | 0 | 0 | -8185 | -36808 | -$0.015 | -87ms |
Acoperirea benchmark diferă: 18/18 teste · 54/54 încercări (Țintă: 3 repetări per test) față de 21/21 teste · 63/63 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
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 3.1 Flash LitemediumvsDeepSeek V4 Flash 0731mediumGemini 3.1 Flash LitemediumvsQwen3.7 FlashlowGemini 3.1 Flash LitemediumvsGemini 3.1 Flash Lite PreviewmediumGemini 3.1 Flash LitemediumvsClaude Opus 4.8noneGemini 3.1 Flash LitemediumvsClaude Sonnet 4.6noneGemini 3.1 Flash LitemediumvsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsKAT-Coder-Pro V2.5lowGemini 3.1 Flash LitemediumvsKimi K2.6mediumGemini 3.1 Flash LitemediumvsGemini 3 Flash PreviewlowGemini 3.1 Flash LitemediumvsKAT-Coder-Pro V2.5high
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 9.1 | 10.0 | |
| Programare | 10.0 | 10.0 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 2.9 | 7.2 | |
| Inteligență generală | 10.0 | 10.0 | |
| Respectarea instrucțiunilor | 9.9 | 10.0 | |
| Rezolvare de puzzle-uri | 7.6 | 7.2 | |
| Apelare instrumente | 10.0 | 10.0 |