Google · pașaport de model
Gemini 2 5 Flash Lite Preview 09 2025 No Thinking
gemini-2-5-flash-lite-preview-09-2025-no-thinking- Doar în cloud
- Licență Proprietary
- Lansat 2025-09-01(din numele modelului)
- General · LMArena
- 1,379#174 din 396
- Cea mai bună percentilă
- 56.3General
- Poziția în cohortă
- 47.2mediană 52.0
Ce spun datele
Evaluat pe 6 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Neuniform: 36,5 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 56.3 pct pe General față de 19.8 pct pe Factuality Arena.
- General56.3 pct1,379Verifică →
- Urmarea instrucțiunilor55.3 pct1,364Verifică →
- Prompturi dificile54.8 pct1,391Verifică →
- Programare49.9 pct1,397Verifică →
- Vision Arena38.7 pct1,175Verifică →
- Factuality Arena19.8 pct1,407Verifică →
- WebDev ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- Agent ArenaNeevaluat
- GPQA DiamondNeevaluat
- AIME (matematică)Neevaluat
- FrontierMathNeevaluat
- SimpleQA VerifiedNeevaluat
- ARC-AGI-2Neevaluat
- Humanity's Last ExamNeevaluat
- SimpleBenchNeevaluat
- LiveBenchNeevaluat
- BFCL v4 (apelare de funcții)Neevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- MMLU-Pro (Artificial Analysis)Neevaluat
- LiveCodeBench (Artificial Analysis)Neevaluat
- IFBench (Artificial Analysis)Neevaluat
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.
gemini-2.5-flash-lite-preview-09-2025-no-thinking stands at 47.2 (raw mean 45.8) — measured on 6 of 27 axes.
gemini-2.5-flash-lite-preview-09-2025-no-thinking stands at 47.2 versus a cohort median of 52 across 147 models released within 180 days — below the peer median.
gemini-2.5-flash-lite-preview-09-2025-no-thinking ranks between #170 and #613 across 5 built-in weightings — best under "Axat pe programare", worst under "Toate sursele".
Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →