Hız analizi
Tüm benchmark çalıştırmalarında ölçülen gecikme. P50 (medyan) ve P95 (95. yüzdelik) normal ve yoğun yük altında yanıt hızının gerçekçi bir resmini verir.
Kalite puanları
Bu modelin her soru kategorisinde sahanın geri kalanına göre nerede durduğu; aynı sorular üzerinde ikili karşılaştırmayla hesaplanır. Ham jüri puanı her sayının altındadır.
Kategori başına kazanma oranı: bu modelin o kategoriden bir soruda ortalama bir modeli ne sıklıkla yendiği. %50 ortalamadır, kalma notu değildir. Doğru cevap yüzdesi de değildir.
Fiyatlar
Bu modeli Tokonomix üzerinden kullandığınızda milyon token başına ödediğiniz tutar ve tipik bir konuşma için tahmini maliyet.
Saniye başına token
Ölçülen P50 gecikmesinden türetilen saniye başına token verimi. Yüksek daha iyidir; dalgalanmalar sağlayıcı tarafındaki yükü yansıtır.
P50 gecikme × 200 çıkış token tahmininden hesaplandı — mutlak rakam bu varsayıma bağlıdır; önemli olan eğilimdir.
Yetenekler
Kullanılabilirlik
Kullanılabilirlik
Bu modelin çağrıldığında ne sıklıkla yanıt verdiği — son 30 gün içindeki gerçek API istekleri ve canlı testler üzerinden ölçülmüştür. Bu kaliteden bağımsızdır: bu sayılar yalnızca modelin yanıt verip vermediğini gösterir, yanıtın ne kadar iyi olduğunu değil.
Son 7 gün
100.0%
n=1
Son 30 gün
100.0%
n=2
Medyan yanıt süresi
5,890ms
n=2
Baz alınan 126 ölçüm son 30 gün içinde.
Teknik detaylar
Yalnızca gerçek API çağrıları ve canlı test istekleri sayılır — dahili yoklamalar ve kıyaslama çalıştırmaları hariçtir.
Özel API anahtarıyla (BYOK) yapılan çağrılar hariçtir: bu hatalar anahtara özgüdür, model kesintisinin işareti değildir.
Başarısız çağrılar kalite puanlarına DAHİL EDİLMEZ — kalite yalnızca başarılı yanıtlar üzerinden ölçülür. Kullanılabilirlik ve kalite bağımsız sinyallerdir.
Kaydedilmiş süreye sahip başarılı çağrılarda medyan yanıt süresi (p50). Aykırı değerler medyanı ortalamadan daha az etkiler.
Toplam çağrı (30d)
2
OK yanıtlar (30d)
2
Toplam çağrı (7d)
1
OK yanıtlar (7d)
1
Tokonomix kıyaslama kararları
Gemini 3.7 Flash debuts with multimodal support and strong performance
Gemini 3.7 Flash enters the benchmark as Google's latest multimodal model, bringing comprehensive capability coverage including vision, audio input, PDF processing, and structured output modes. The model demonstrates solid reasoning performance with a 74.8% score on GPQA Diamond and 86.6% on MMLU Pro, positioning it competitively in the knowledge-intensive task space. Code generation shows strong results at 80.6% on HumanEval, while mathematical reasoning achieves 89.2% on MATH Level 5. The model excels in instruction following with a 93.8% score on IFEval, suggesting reliable adherence to user constraints. Multimodal capabilities include vision processing scoring 68.1% on MMMU and 77.3% on MathVista, indicating competent handling of visual reasoning tasks. The inclusion of parallel tool execution, JSON schema support, and prompt caching provides developers with modern integration features. The model processes up to 1 million tokens in context, enabling large document analysis. As a first-generation baseline, these metrics establish Gemini 3.7 Flash as a capable general-purpose model with particular strengths in instruction following and code generation, while offering the flexibility needed for production applications requiring multimodal understanding.
Kalite
—
Gecikme p50
—
Test çalıştırmaları
0