AI BENCHY
Advertise here
#57

Gemini 3 Flash Preview

Google Lansare: 2025-12-17 Testat la: 2026-07-16 22:51 google/gemini-3-flash-preview::low
~500B în total (~20B activi)MoEÎnchisEstimat
(medium) (low) (none)

Rezumat

Gemini 3 Flash Preview obține 7.4 pe AI BENCHY și este pe #57. Are fiabilitate 10.0, rată de reușită 75.8%, cost total $0.177 și timp mediu de răspuns 6.28s.

Ce face Gemini 3 Flash Preview unic: Se remarcă cel mai mult la Rezolvare de puzzle-uri, unde este pe #1, iar Programare este zona cea mai slabă, la #18. 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

7.4

Consistență

9.2

Fiabilitate

10.0

Cost total (preț curent)

$0.177

Total tokenuri de ieșire

38,090

Total tokenuri de intrare

123,684

Preț de intrare

$0.500 / 1M

Preț de ieșire

$3.000 / 1M

Teste corecte

Teste greșite: 6

Rată de trecere pe încercare: 75.8%

Teste instabile

2

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

Timp de răspuns (mediu)

6.28s

Timp de răspuns (maxim): 17.13s

Timp de răspuns (total): 138.06s

Răspuns greșit: 6

Hamster playing table tennis

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

#57 Gemini 3 Flash Preview

low
Cost
$0.007
Timp
12.1s
Tokenuri
2,289 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-08-14 02:42 Retestare 7.4 10.0 $0.185 Compară
2026-07-16 22:51 Test nou adăugat 7.4 10.0 $0.177 Rularea curentă
2026-06-04 13:59 Test nou adăugat 8.4 10.0 $0.111 Compară
2026-05-22 00:26 Suită modificată 8.6 10.0 $0.106 Compară
2026-04-11 01:44 Prima rulare înregistrată 8.8 N/D $0.091 Compară

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

Comparație între rulări

RulareAcoperire benchmarkScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-07-16 22:51 · Test nou adăugat66/66 încercări7.49.210.016/22238,090123,684$0.1776.28s
2026-04-11 01:44 · Prima rulare înregistrată54/54 încercări8.89.5N/D15/18125,2910$0.0916.01s
Diferență—-1.4-0.3+1+1+12799+123684+$0.086+269ms

Acoperirea benchmark diferă: 66/66 încercări (Țintă: 3 repetări per test) față de 54/54 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.

Istoric prețuri

Date istorice de preț pentru acest model de la OpenRouter.

Dată Preț de intrare Preț de ieșire
2026-06-04 15:40 $0.500 / 1M $3.000 / 1M

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 Flash PreviewlowvsGrok 4.6lowGemini 3 Flash PreviewlowvsClaude Sonnet 4.6noneGemini 3 Flash PreviewlowvsQwen3.8 2.4T A95BhighGemini 3 Flash PreviewlowvsGLM 5.3highGemini 3 Flash PreviewlowvsLongCat 2.0mediumGemini 3 Flash PreviewlowvsKAT-Coder-Pro V2.5lowGemini 3 Flash PreviewlowvsGPT-5.6 LunamediumGemini 3 Flash PreviewlowvsGemini 3.1 Flash LitemediumGemini 3 Flash PreviewlowvsKimi K2.7 CodemediumGemini 3 Flash PreviewlowvsQwen3.7 Plusnone

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 10.0 10.0
Programare 5.8 7.2
Combinat 3.0 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 5.3 7.2
Inteligență generală 10.0 10.0
Respectarea instrucțiunilor 9.9 10.0
Rezolvare de puzzle-uri 10.0 10.0
Apelare instrumente 10.0 10.0
Cultură generală 10.0 10.0

Modele comparate