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
85.7%
n=14
Son 30 gün
87.5%
n=16
Medyan yanıt süresi
12,735ms
n=14
Baz alınan 140 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)
16
OK yanıtlar (30d)
14
Toplam çağrı (7d)
14
OK yanıtlar (7d)
12
Tokonomix kıyaslama kararları
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.
Kalite
—
Gecikme p50
—
Test çalıştırmaları
0