Análisis de velocidad
Latencia medida en todas las ejecuciones de benchmark. P50 (mediana) y P95 (percentil 95) dan una imagen realista de la velocidad de respuesta bajo carga normal y máxima.
Puntuaciones de calidad
Cómo se sitúa este modelo frente al resto del campo en cada categoría de prompts, a partir de un ajuste por pares sobre los mismos prompts. La nota bruta del juez aparece debajo de cada número.
Tasa de victorias por categoría: con qué frecuencia este modelo vence a un modelo medio en un prompt de esa categoría. 50% es la media, no un suspenso. No es un porcentaje de aciertos.
Precios
Lo que pagas por millón de tokens al usar este modelo en Tokonomix, más una estimación para una conversación típica.
Tokens por segundo
Rendimiento en tokens por segundo, derivado de la latencia P50 medida. Más alto es mejor; las fluctuaciones reflejan la carga del lado del proveedor.
Estimado a partir de latencia P50 × 200 tokens de salida — el número absoluto depende de esta suposición; lo que importa es la tendencia.
Capacidades
Disponibilidad
Disponibilidad
Con qué frecuencia responde este modelo cuando lo llamamos — medido en solicitudes reales de API y pruebas en vivo durante los últimos 30 días. Esto es independiente de la calidad: estos números solo indican si el modelo responde, no qué tan buena es la respuesta.
Últimos 7 días
—
Últimos 30 días
100.0%
n=1
Tiempo de respuesta mediano
1,277ms
n=1
Basado en 125 mediciones en los últimos 30 días.
Detalles técnicos
Solo cuentan las llamadas reales a la API y las solicitudes de prueba en vivo — las sondas internas y las ejecuciones de referencia están excluidas.
Las llamadas con una clave API propia (BYOK) están excluidas: esos fallos son específicos de la clave, no una señal de inactividad del modelo.
Las llamadas fallidas NO se incluyen en las puntuaciones de calidad — la calidad se mide solo en respuestas exitosas. Disponibilidad y calidad son señales independientes.
Tiempo de respuesta mediano (p50) en llamadas exitosas con una duración registrada. Los valores atípicos afectan menos a la mediana que a la media.
Total de llamadas (30d)
1
Respuestas OK (30d)
1
Total de llamadas (7d)
0
Respuestas OK (7d)
0
Veredictos del benchmark Tokonomix
Gemini 3.6 Flash debuts with strong multimodal capabilities
Gemini 3.6 Flash enters the benchmark landscape as a capable multimodal model with comprehensive feature support including vision, audio input, PDF processing, and structured output modes. The model demonstrates solid reasoning performance with a 74.4 percent score on MMLU Pro and 85.9 percent on GPQA Diamond, placing it in the competitive midfield for general knowledge tasks. Coding capabilities show promise with 81.8 percent on HumanEval and 84.7 percent on a multilingual variant, though performance varies across harder programming challenges. Mathematical reasoning achieves 76.0 percent on GSM8K basic problems but drops to 55.1 percent on MATH-500, indicating room for improvement on complex mathematical tasks. Vision capabilities register at 73.5 percent on MMMU, showing competent multimodal understanding. The model supports extensive tooling including parallel tool calls, JSON schema enforcement, and prompt caching, making it suitable for production applications requiring structured outputs. This baseline establishes Gemini 3.6 Flash as a versatile option for developers needing multimodal processing with reasonable performance across standard benchmarks, though it faces stiff competition in the rapidly evolving AI model landscape.
Calidad
—
Latencia p50
—
Ejecuciones de test
0