#1
Google
发布日期: 2025-12-17
测试于: 2026-05-06 13:38
google/gemini-3-flash-preview::medium
????
$0.500 / 1M
????
$3.000 / 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）。
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-05-06 13:52 测试集已变更 | 10.0 | 10.0 | $0.321 | 比较 | |
| 2026-05-06 13:38 测试集已变更 | 9.8 | 10.0 | $0.320 | 当前轮次 | |
| 2026-04-23 15:25 重新测试 | 10.0 | 不适用 | $0.108 | 比较 | |
| 2026-04-11 01:44 首次记录的运行 | 10.0 | 不适用 | $0.314 | 比较 |
此轮次使用了不同的基准测试集。解读历史变化时请将测试集变动考虑在内。
轮次对比
| 测试轮次 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|
| 2026-05-06 13:38 · 测试集已变更 | 9.8 | 9.6 | 10.0 | 17/18 | 1 | 101,480 | $0.320 | 11.53s |
| 2026-05-06 13:52 · 测试集已变更 | 10.0 | 10.0 | 10.0 | 18/18 | 0 | 101,771 | $0.321 | 11.76s |
| 差值 | -0.2 | -0.4 | 0.0 | -1 | +1 | -291 | -$0.001 | -230ms |
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。