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
100.0%
n=1
Últimos 30 días
100.0%
n=2
Tiempo de respuesta mediano
5,890ms
n=2
Basado en 166 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)
2
Respuestas OK (30d)
2
Total de llamadas (7d)
1
Respuestas OK (7d)
1
Veredictos del benchmark Tokonomix
Gemini 3.7 Flash expands capabilities with tools and multimodal inputs
Gemini 3.7 Flash has significantly expanded its feature set in this benchmark window, adding a comprehensive suite of capabilities that were previously unavailable. The model now supports tool use, vision processing, audio input, PDF document handling, and various JSON output modes including schema validation and parallel tool execution. A reasoning capability has also been introduced, along with prompt caching for improved efficiency. These additions transform the model from a basic text processor into a full-featured multimodal system capable of handling diverse input types and complex workflows. The expansion of capabilities positions Gemini 3.7 Flash as a versatile option for applications requiring multiple modalities and structured interactions. Users should note that while the feature set has grown dramatically, this represents the first window where these capabilities are available, so real-world performance data and comparative benchmarks will be important for evaluating effectiveness across different use cases. The addition of prompt caching in particular may offer efficiency benefits for applications with repeated context.
Calidad
—
Latencia p50
—
Ejecuciones de test
0