Analyse de vitesse
Latence mesurée sur toutes les exécutions de benchmark. P50 (médiane) et P95 (95e percentile) donnent une image réaliste de la vitesse de réponse en charge normale et de pointe.
Scores de qualité
Comment ce modèle se situe par rapport au reste du champ sur chaque catégorie de prompts, à partir d'un ajustement par paires sur les mêmes prompts. La note brute du juge figure sous chaque nombre.
Taux de victoire par catégorie : la fréquence à laquelle ce modèle bat un modèle moyen sur un prompt de cette catégorie. 50% est la moyenne, pas un échec. Ce n'est pas un pourcentage de bonnes réponses.
Tarifs
Ce que vous payez par million de tokens en utilisant ce modèle sur Tokonomix, avec une estimation pour une conversation type.
Tokens par seconde
Débit en tokens par seconde, dérivé de la latence P50 mesurée. Plus haut est mieux ; les fluctuations reflètent la charge côté fournisseur.
Estimé à partir de la latence P50 × 200 tokens de sortie — le chiffre absolu dépend de cette hypothèse ; c'est la tendance qui compte.
Capacités
Disponibilité
Disponibilité
La fréquence à laquelle ce modèle répond lorsqu'on l'appelle — mesurée sur de vraies requêtes API et des tests en direct au cours des 30 derniers jours. C'est indépendant de la qualité : ces chiffres indiquent seulement si le modèle répond, pas la qualité de sa réponse.
7 derniers jours
85.7%
n=14
30 derniers jours
87.5%
n=16
Temps de réponse médian
12,735ms
n=14
Basé sur 140 mesures au cours des 30 derniers jours.
Détails techniques
Seuls les vrais appels API et les requêtes de test en direct sont comptés — les sondes internes et les benchmarks sont exclus.
Les appels avec une clé API personnalisée (BYOK) sont exclus : ces échecs sont spécifiques à la clé, pas un signe de défaillance du modèle.
Les appels échoués ne sont PAS inclus dans les scores de qualité — la qualité est mesurée uniquement sur les réponses réussies. Disponibilité et qualité sont des signaux indépendants.
Temps de réponse médian (p50) sur les appels réussis avec une durée enregistrée. Les valeurs extrêmes influencent moins la médiane que la moyenne.
Total des appels (30d)
16
Réponses OK (30d)
14
Total des appels (7d)
14
Réponses OK (7d)
12
Verdicts benchmark Tokonomix
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.
Qualité
—
Latence p50
—
Exécutions de test
0