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
85.7%
n=14
Letzte 30 Tage
87.5%
n=16
Mediane Antwortzeit
12,735ms
n=14
Basierend auf 140 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)
16
OK-Antworten (30d)
14
Gesamte Aufrufe (7d)
14
OK-Antworten (7d)
12
Tokonomix-Benchmark-Urteile
Gemini 3.8 Flash debuts with comprehensive multimodal capabilities
Gemini 3.8 Flash enters the benchmark arena as Google's latest compact model, establishing its baseline performance across multiple evaluation frameworks. The model demonstrates solid general capabilities with an MMLU score of 78.0 and achieves 71.9 on MMLU-Pro, indicating competent reasoning across academic domains. Mathematical performance shows moderate strength with a MATH score of 58.5, while coding capabilities register at 67.5 on HumanEval. The model exhibits strong multilingual support, scoring 76.6 on MMMLU, suggesting broad language coverage. Multimodal performance is notable, with the model achieving 59.6 on MathVista for visual mathematical reasoning and 72.8 on MMMU for multimodal understanding tasks. The model ships with an extensive feature set including tool use, vision processing, JSON mode, PDF input handling, reasoning capabilities, audio input, structured output via JSON schema, parallel tool execution, and prompt caching for optimization. As a first-generation benchmark entry, these results establish the performance envelope users can expect from this model variant. The combination of multimodal inputs and structured output options positions this model for diverse application scenarios requiring flexible input handling and predictable response formats.
Qualität
—
Latenz p50
—
Testläufe
0