#16 Gemini 2.5 Flash
medium
无效SVG
- 成本
- $0.000
- 时间
- 274.0s
- 令牌
- 0 tok
Google
发布日期: 2025-06-17
测试于: 2026-04-11 01:44
google/gemini-2.5-flash::medium
~350B 总计 (~20B 激活)MoE闭源估算
(medium)
(none)
摘要
Gemini 2.5 Flash 在 AI BENCHY 上得分 8.2，排名 #16。它的可靠性为 不适用，通过率为 75.9%，总成本为 $0.319，平均响应时间为 12.12s。
Gemini 2.5 Flash 的独特之处： 它最突出的是 领域专项，排名 #3；相对较弱的是 谜题求解，排名 #17。 在这个得分水平下，它的 benchmark 总成本异常低。
模型信息
调研日期：2026-08-12
- 参数量
- ~350B 总计 (~20B 激活)
- 架构
- MoE
- 开放状态
- 闭源
- 许可证
- -
基于公开证据的最佳估算；厂商未披露全部数值。
输入价格
$0.300 / 1M
输出价格
$2.500 / 1M
不稳定测试
1
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-08-14 02:45 重新测试 | 8.2 | 10.0 | $0.644 | 比较 | |
| 2026-07-16 23:00 新增测试 | 8.2 | 10.0 | $0.643 | 比较 | |
| 2026-06-04 14:01 新增测试 | 7.8 | 10.0 | $0.379 | 比较 | |
| 2026-05-22 00:32 测试集已变更 | 7.7 | 10.0 | $0.358 | 比较 | |
| 2026-04-11 01:44 首次记录的运行 | 8.2 | 不适用 | $0.319 | 当前轮次 |
轮次对比
| 测试轮次 | 基准测试覆盖率 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总输入令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · 首次记录的运行 | 54/54 次尝试 | 8.2 | 9.5 | 不适用 | 13/18 | 1 | 124,171 | 0 | $0.319 | 12.12s |
| 2026-08-14 02:45 · 重新测试 | 66/66 次尝试 | 8.2 | 9.6 | 10.0 | 15/22 | 1 | 241,365 | 132,507 | $0.644 | 21.14s |
| 差值 | — | 0.0 | -0.1 | -2 | 0 | -117194 | -132507 | -$0.325 | -9023ms |
基准测试覆盖率不同：54/54 次尝试 (目标：每项测试重复 3 次) 对比 66/66 次尝试 (目标：每项测试重复 3 次)。总量和受重复次数影响的指标不能直接比较。
这两次运行使用了不同的基准测试集，因此差异同时反映模型变化和测试集变化。
图表
先选择第一个模型，再点击第二个模型打开并排页面。
快速对比
Gemini 2.5 FlashmediumvsMuse Spark 1.1lowGemini 2.5 FlashmediumvsClaude Sonnet 5mediumGemini 2.5 FlashmediumvsInkling SmallhighGemini 2.5 FlashmediumvsQwen3.8 2.4T A95BlowGemini 2.5 FlashmediumvsSeed 2.1 TurbomediumGemini 2.5 FlashmediumvsGPT-5 MinimediumGemini 2.5 FlashmediumvsQwen3.8 27BhighGemini 2.5 FlashmediumvsMuse Glimmer 30BxhighGemini 2.5 FlashmediumvsGPT-5.2mediumGemini 2.5 FlashmediumvsInklinghigh