Snelheidsanalyse
Latency gemeten over alle benchmark-runs. P50 (mediaan) en P95 (95e percentiel) geven een realistisch beeld van de responssnelheid onder normale en piekbelasting.
Kwaliteitsscores
Hoe dit model zich per promptcategorie verhoudt tot de rest van het veld, uit een paarsgewijze berekening over dezelfde prompts. Het ruwe jurycijfer staat onder elk getal.
Winstpercentage per categorie: hoe vaak dit model een gemiddeld model verslaat op een prompt uit die categorie. 50% is gemiddeld, geen onvoldoende. Het is geen percentage goede antwoorden.
Prijzen
Wat je per miljoen tokens betaalt als je dit model via Tokonomix gebruikt, plus een schatting voor een gemiddeld gesprek.
Tokens per seconde
Doorvoersnelheid in tokens per seconde, afgeleid uit gemeten P50-latency. Hogere waarden zijn beter; fluctuaties weerspiegelen serverbelasting bij de provider.
Geschat uit P50-latency × 200 output-tokens — het absolute getal hangt af van deze aanname; de trend is wat telt.
Mogelijkheden
Beschikbaarheid
Beschikbaarheid
Hoe vaak dit model antwoordt als we het aanroepen — gemeten over echte API-aanvragen en live-tests in de afgelopen 30 dagen. Dit staat los van kwaliteit: deze cijfers laten alleen zien of het model reageert, niet hoe goed het antwoord is.
Afgelopen 7 dagen
85.7%
n=14
Afgelopen 30 dagen
87.5%
n=16
Mediane responstijd
12,735ms
n=14
Gebaseerd op 143 metingen in de afgelopen 30 dagen.
Technische details
Alleen echte API-aanroepen en live-testverzoeken tellen mee — interne probes en benchmarkruns zijn uitgesloten.
Aanroepen met een eigen API-sleutel (BYOK) zijn uitgesloten: die fouten zijn sleutelspecifiek en geen teken van modelneergang.
Mislukte aanroepen worden NIET meegeteld in kwaliteitsscores — kwaliteit wordt gemeten op geslaagde responses. Beschikbaarheid en kwaliteit zijn onafhankelijke signalen.
Mediane responstijd (p50) over geslaagde aanroepen met een vastgelegde duur. Uitschieters trekken de mediaan minder dan het gemiddelde.
Totaal aanroepen (30d)
16
OK-reacties (30d)
14
Totaal aanroepen (7d)
14
OK-reacties (7d)
12
Tokonomix benchmark-oordelen
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.
Kwaliteit
—
Latency p50
—
Testruns
0