#4 Gemini 3.1 Pro Preview
medium- Cost
- $0.115
- Timp
- 87.2s
- Tokenuri
- 9,629 tok
Google
Lansare: 2026-02-19
Testat la: 2026-05-22 00:30
google/gemini-3.1-pro-preview::medium
Rezumat
Gemini 3.1 Pro Preview obține 9.3 pe AI BENCHY și este pe #4. Are fiabilitate 10.0, rată de reușită 90.0%, cost total $1.006 și timp mediu de răspuns 20.80s.
Ce face Gemini 3.1 Pro Preview unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #2, iar Programare este zona cea mai slabă, la #13. Este unul dintre modelele cel mai bine clasate per total.
9.3
Consistență
10.0
10.0
$1.006
Total tokenuri de ieșire
77,341
Total tokenuri de intrare
0
Preț de intrare
$2.000 / 1M
Preț de ieșire
$12.000 / 1M
Teste instabile
0
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Prezentare generare
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 |
|---|---|---|---|---|---|
| 2026-06-04 14:04 Test nou adăugat | 9.4 | 10.0 | $1.054 | Compară | |
| 2026-05-22 00:30 Suită modificată | 9.3 | 10.0 | $1.006 | Rularea curentă | |
| 2026-04-11 01:44 Prima rulare înregistrată | 9.6 | N/D | $0.578 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
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) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:30 · Suită modificată | 9.3 | 10.0 | 10.0 | 18/20 | 0 | 77,341 | 0 | $1.006 | 20.80s |
| 2026-06-04 14:04 · Test nou adăugat | 9.4 | 10.0 | 10.0 | 19/21 | 0 | 80,873 | 41,617 | $1.054 | 20.14s |
| Diferență | -0.1 | 0.0 | 0.0 | -1 | 0 | -3532 | -41617 | -$0.049 | +668ms |
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 Pro PreviewmediumvsClaude Fable 5mediumGemini 3.1 Pro PreviewmediumvsGemini 3.5 FlashmediumGemini 3.1 Pro PreviewmediumvsGemini 3.5 FlashlowGemini 3.1 Pro PreviewmediumvsGPT-5.5mediumGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.3-CodexmediumGemini 3.1 Pro PreviewmediumvsGemini 3.5 FlashhighGemini 3.1 Pro PreviewmediumvsGemini 3 Flash PreviewmediumGemini 3.1 Pro PreviewmediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuit
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 10.0 | 10.0 | |
| Programare | 7.0 | 9.8 | |
| Combinat | 9.5 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 7.7 | 10.0 | |
| Inteligență generală | 10.0 | 10.0 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 10.0 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 10.0 | 10.0 |