AI BENCHY
Advertise here
#85

Gemini 3.1 Flash Lite

Google Lansare: 2026-05-08 Testat la: 2026-05-22 00:26 google/gemini-3.1-flash-lite::none
(high) (medium) (low) (minimal) (none)

Rezumat

Gemini 3.1 Flash Lite obține 6.6 pe AI BENCHY și este pe #85. Are fiabilitate 10.0, rată de reușită 55.0%, cost total $0.013 și timp mediu de răspuns 1.09s.

Ce face Gemini 3.1 Flash Lite unic: Se remarcă cel mai mult la Programare, unde este pe #3, iar Specific domeniului este zona cea mai slabă, la #10. 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.

Scor

6.6

Consistență

8.5

Fiabilitate

10.0

Cost total (preț curent)

$0.013

Total tokenuri de ieșire

2,478

Total tokenuri de intrare

0

Preț de intrare

$0.250 / 1M

Preț de ieșire

$1.500 / 1M

Teste corecte

Teste greșite: 11

Rată de trecere pe încercare: 55.0%

Teste instabile

4

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

1.09s

Timp de răspuns (maxim): 2.97s

Timp de răspuns (total): 21.79s

Răspuns greșit: 10 Nu a urmat instrucțiunile: 1

Prezentare generare

Hamster playing table tennis

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

#85 Gemini 3.1 Flash Lite

none
Cost
$0.001
Timp
4.5s
Tokenuri
727 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-06-04 13:59 Test nou adăugat 6.4 10.0 $0.013 Compară
2026-05-22 00:26 Suită modificată 6.6 10.0 $0.013 Rularea curentă
2026-05-08 12:01 Prima rulare 6.9 10.0 $0.011 Compară

Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.

Comparație între rulări

RulareScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-05-22 00:26 · Suită modificată6.68.510.09/2042,4780$0.0131.09s
2026-06-04 13:59 · Test nou adăugat6.48.610.09/2142,48436,710$0.0131.06s
Diferență+0.1-0.10.000-6-36710-$0.001+25ms

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.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

Gemini 3.1 Flash LitenonevsGemini 3.1 Flash Lite PreviewlowGemini 3.1 Flash LitenonevsGemini 3.1 Flash Lite PreviewnoneGemini 3.1 Flash LitenonevsQwen3.6 27BmediumGemini 3.1 Flash LitenonevsGemini 3.1 Flash LitelowGemini 3.1 Flash LitenonevsStep 3.5 FlashmediumGemini 3.1 Flash LitenonevsGemini 3.5 FlashhighGemini 3.1 Flash LitenonevsGemini 3 Flash PreviewmediumGemini 3.1 Flash LitenonevsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitGemini 3.1 Flash LitenonevsGPT-5.5low

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 7.5 8.4
Programare 6.8 10.0
Combinat 3.0 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 2.9 7.2
Inteligență generală 4.0 10.0
Respectarea instrucțiunilor 10.0 10.0
Rezolvare de puzzle-uri 6.3 4.8
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate