AI BENCHY
Advertise here
#6

Gemini 3.5 Flash

Google Lansare: 2026-05-19 Testat la: 2026-05-19 23:35 google/gemini-3.5-flash::none
~500B în total (~20B activi)MoEÎnchisEstimat
(high) (medium) (low) (minimal) (none)

Rezumat

Gemini 3.5 Flash obține 9.1 pe AI BENCHY și este pe #6. Are fiabilitate 10.0, rată de reușită 91.7%, cost total $0.489 și timp mediu de răspuns 5.59s.

Ce face Gemini 3.5 Flash unic: Se remarcă cel mai mult la Parsare și extragere de date, unde este pe #1, iar Combinat este zona cea mai slabă, la #15. Este vizibil rapid față de modele similare.

Date despre model

Documentat la 2026-08-12

Estimat
Parametri
~500B în total (~20B activi)
Arhitectură
MoE
Disponibilitate
Închis
Licență
-

Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.

Sursa parametrilor Sursa disponibilității

Scor

9.1

Consistență

9.0

Fiabilitate

10.0

Cost total (preț curent)

$0.489

Total tokenuri de ieșire

53,202

Total tokenuri de intrare

0

Preț de intrare

$1.500 / 1M

Preț de ieșire

$9.000 / 1M

Teste corecte

Teste greșite: 2

Rată de trecere pe încercare: 91.7%

Teste instabile

2

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

Timp de răspuns (mediu)

5.59s

Timp de răspuns (maxim): 14.88s

Timp de răspuns (total): 89.50s

Răspuns greșit: 2

Hamster playing table tennis

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

#6 Gemini 3.5 Flash

none
Cost
$0.225
Timp
125.5s
Tokenuri
25,004 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-08-14 02:46 Retestare 6.9 10.0 $1.093 Compară
2026-07-16 22:53 Test nou adăugat 7.0 10.0 $1.079 Compară
2026-06-04 14:02 Test nou adăugat 8.1 10.0 $1.079 Compară
2026-05-22 00:29 Suită modificată 8.9 10.0 $0.924 Compară
2026-05-19 23:35 Prima rulare 9.1 10.0 $0.489 Rularea curentă

Comparație între rulări

RulareAcoperire benchmarkScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-05-19 23:35 · Prima rulare57/57 încercări9.19.010.014/16253,2020$0.4895.59s
2026-05-22 00:29 · Suită modificată60/60 încercări8.98.610.014/173100,7600$0.9249.05s
Diferență—+0.2+0.40.00-1-475580-$0.435-3457ms

Acoperirea benchmark diferă: 57/57 încercări (Țintă: 3 repetări per test) față de 60/60 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.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

Gemini 3.5 FlashnonevsSeed-2.0-CodehighGemini 3.5 FlashnonevsQwen3.6 FlashmediumGemini 3.5 FlashnonevsQwen3.7 FlashmediumGemini 3.5 FlashnonevsStep 3.7 FlashhighGemini 3.5 FlashnonevsKAT-Coder-Pro V2.5mediumGemini 3.5 FlashnonevsSeed-2.0-CodemediumGemini 3.5 FlashnonevsKimi K2.5mediumGemini 3.5 FlashnonevsSolar Pro 4lowGemini 3.5 FlashnonevsSeed-2.0-MinimediumGemini 3.5 FlashnonevsSolar Pro 4medium

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 10.0 10.0
Programare 10.0 10.0
Combinat 0.0 0.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 7.6 7.2
Inteligență generală 10.0 10.0
Respectarea instrucțiunilor 9.8 10.0
Rezolvare de puzzle-uri 10.0 10.0
Apelare instrumente 0.0 0.0
Cultură generală 2.8 1.6

Modele comparate