Geschwindigkeitsanalyse
Latenz über alle Benchmark-Läufe gemessen. P50 (Median) und P95 (95. Perzentil) zeigen ein realistisches Bild der Antwortgeschwindigkeit bei normaler und Spitzenlast.
Qualitätswerte
Wie sich dieses Modell je Prompt-Kategorie zum übrigen Feld verhält, aus einem paarweisen Fit über dieselben Prompts. Die rohe Jury-Wertung steht unter jeder Zahl.
Gewinnrate je Kategorie: wie oft dieses Modell ein durchschnittliches Modell bei einem Prompt dieser Kategorie schlägt. 50% ist der Durchschnitt, keine schlechte Note. Es ist kein Prozentsatz richtiger Antworten.
Preise
Was Sie pro Million Tokens zahlen, wenn Sie dieses Modell über Tokonomix nutzen, plus eine Schätzung für ein typisches Gespräch.
Tokens pro Sekunde
Durchsatz in Tokens pro Sekunde, abgeleitet aus gemessener P50-Latenz. Höhere Werte sind besser; Schwankungen spiegeln die Provider-seitige Last wider.
Geschätzt aus P50-Latenz × 200 Output-Tokens — die absolute Zahl hängt von dieser Annahme ab; entscheidend ist der Trend.
Fähigkeiten
Verfügbarkeit
Verfügbarkeit
Wie oft dieses Modell antwortet, wenn wir es aufrufen — gemessen anhand echter API-Anfragen und Live-Tests der letzten 30 Tage. Dies ist unabhängig von der Qualität: Diese Zahlen zeigen nur, ob das Modell antwortet, nicht wie gut die Antwort ist.
Letzte 7 Tage
100.0%
n=1
Letzte 30 Tage
100.0%
n=2
Mediane Antwortzeit
5,890ms
n=2
Basierend auf 135 Messungen in den letzten 30 Tagen.
Technische Details
Nur echte API-Aufrufe und Live-Test-Anfragen werden gezählt — interne Proben und Benchmark-Läufe sind ausgeschlossen.
Aufrufe mit einem eigenen API-Schlüssel (BYOK) sind ausgeschlossen: Diese Fehler sind schlüsselspezifisch und kein Zeichen für Modellausfälle.
Fehlgeschlagene Aufrufe werden NICHT in Qualitätswerten berücksichtigt — Qualität wird nur für erfolgreiche Antworten gemessen. Verfügbarkeit und Qualität sind unabhängige Signale.
Mediane Antwortzeit (p50) über erfolgreiche Aufrufe mit aufgezeichneter Dauer. Ausreißer beeinflussen den Median weniger als den Durchschnitt.
Gesamte Aufrufe (30d)
2
OK-Antworten (30d)
2
Gesamte Aufrufe (7d)
1
OK-Antworten (7d)
1
Tokonomix-Benchmark-Urteile
Gemini 3.7 Flash debuts with multimodal support and strong performance
Gemini 3.7 Flash enters the benchmark as Google's latest multimodal model, bringing comprehensive capability coverage including vision, audio input, PDF processing, and structured output modes. The model demonstrates solid reasoning performance with a 74.8% score on GPQA Diamond and 86.6% on MMLU Pro, positioning it competitively in the knowledge-intensive task space. Code generation shows strong results at 80.6% on HumanEval, while mathematical reasoning achieves 89.2% on MATH Level 5. The model excels in instruction following with a 93.8% score on IFEval, suggesting reliable adherence to user constraints. Multimodal capabilities include vision processing scoring 68.1% on MMMU and 77.3% on MathVista, indicating competent handling of visual reasoning tasks. The inclusion of parallel tool execution, JSON schema support, and prompt caching provides developers with modern integration features. The model processes up to 1 million tokens in context, enabling large document analysis. As a first-generation baseline, these metrics establish Gemini 3.7 Flash as a capable general-purpose model with particular strengths in instruction following and code generation, while offering the flexibility needed for production applications requiring multimodal understanding.
Qualität
—
Latenz p50
—
Testläufe
0