#104 DeepSeek V3.2
none- খরচ
- $0.002
- সময়
- 7.0s
- টোকেন
- 1,046 tok
DeepSeek
প্রকাশ: 2025-12-01
পরীক্ষিত হয়েছে: 2026-05-08 15:31
deepseek/deepseek-v3.2::none
671B মোট (37B সক্রিয়)MoEউন্মুক্ত উৎস
(medium)
(none)
সারাংশ
DeepSeek V3.2 AI BENCHY-তে 5.7 স্কোর করে এবং #104 স্থানে আছে। এর reliability 10.0, pass rate 49.1%, মোট খরচ $0.016, এবং গড় response time 13.43s.
DeepSeek V3.2 কে আলাদা করে যা: এটি নির্দেশনা অনুসরণ-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #1; আর অ্যান্টি-এআই কৌশল এর দুর্বলতম ক্ষেত্র, rank #18. এই score range-এর জন্য মোট benchmark খরচ অস্বাভাবিকভাবে কম।
মডেলের তথ্য
গবেষণার তারিখ: 2026-08-12
- প্যারামিটার
- 671B মোট (37B সক্রিয়)
- আর্কিটেকচার
- MoE
- উপলভ্যতা
- উন্মুক্ত উৎস
- লাইসেন্স
- MIT
5.7
ধারাবাহিকতা
7.9
10.0
$0.016
মোট আউটপুট টোকেন
7,194
মোট ইনপুট টোকেন
0
ইনপুট মূল্য
$0.252 / 1M
আউটপুট মূল্য
$0.378 / 1M
অস্থির টেস্ট
5
অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।
13.43s
প্রতিক্রিয়া সময় (সর্বোচ্চ): 115.89s
প্রতিক্রিয়া সময় (মোট): 255.10s
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
রান ইতিহাস
| পরীক্ষিত হয়েছে | স্কোর | নির্ভরযোগ্যতা | সঠিক টেস্ট | মোট খরচ | তুলনা করুন |
|---|---|---|---|---|---|
| 2026-08-14 02:58 পুনরায় পরীক্ষা | 5.0 | 10.0 | $0.054 ↑ | তুলনা করুন | |
| 2026-07-16 23:15 নতুন টেস্ট যোগ হয়েছে | 5.0 | 10.0 | $0.054 ↑ | তুলনা করুন | |
| 2026-06-04 14:22 নতুন টেস্ট যোগ হয়েছে | 5.2 | 10.0 | $0.017 ↓ | তুলনা করুন | |
| 2026-05-22 00:35 স্যুইট পরিবর্তিত হয়েছে | 5.6 | 10.0 | $0.018 | তুলনা করুন | |
| 2026-05-08 15:31 স্যুইট পরিবর্তিত হয়েছে | 5.7 | 10.0 | $0.016 | বর্তমান রান | |
| 2026-04-20 17:48 প্রথম নথিভুক্ত রান | 6.1 | প্রযোজ্য নয় | $0.016 | তুলনা করুন |
এই রানটি ভিন্ন একটি বেঞ্চমার্ক স্যুইট ব্যবহার করেছে। ঐতিহাসিক পরিবর্তন পড়ার সময় স্যুইট পরিবর্তনও মাথায় রাখুন।
রান তুলনা
| রান | বেঞ্চমার্ক কভারেজ | স্কোর | ধারাবাহিকতা | নির্ভরযোগ্যতা | সঠিক টেস্ট | অস্থির টেস্ট | মোট আউটপুট টোকেন | মোট ইনপুট টোকেন | মোট খরচ | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:31 · স্যুইট পরিবর্তিত হয়েছে | 57/57 প্রচেষ্টা | 5.7 | 7.9 | 10.0 | 7/19 | 5 | 7,194 | 0 | $0.016 | 13.43s |
| 2026-07-16 23:15 · নতুন টেস্ট যোগ হয়েছে | 66/66 প্রচেষ্টা | 5.0 | 7.7 | 10.0 | 6/22 | 6 | 42,097 | 135,780 | $0.054 | 18.25s |
| পার্থক্য | — | +0.7 | +0.2 | 0.0 | +1 | -1 | -34903 | -135780 | -$0.039 | -4828ms |
বেঞ্চমার্ক কভারেজ আলাদা: 57/57 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি) বনাম 66/66 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি)। মোট মান ও পুনরাবৃত্তি-সংবেদনশীল মেট্রিক সরাসরি তুলনাযোগ্য নয়।
এই দুই রান ভিন্ন বেঞ্চমার্ক স্যুইট ব্যবহার করেছে, তাই পার্থক্যগুলোতে মডেল পরিবর্তন এবং স্যুইট পরিবর্তন দুটোই ধরা পড়ে।
চার্ট
প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।
স্কোর অনুযায়ী শীর্ষ মডেল
স্কোর vs মোট খরচ
প্রতিক্রিয়া সময় (গড়)
স্কোর vs প্রতিক্রিয়া সময় (গড়)
মোট আউটপুট টোকেন
স্কোর vs মোট আউটপুট টোকেন
দ্রুত তুলনা
DeepSeek V3.2nonevsLaguna S 2.1lowবিনামূল্যে উপলভ্যDeepSeek V3.2nonevsGPT-4o-mininoneDeepSeek V3.2nonevsMiniMax M2.7mediumDeepSeek V3.2nonevsLing-2.6-flashnoneDeepSeek V3.2nonevsNorth Mini Codenoneবিনামূল্যে উপলভ্যDeepSeek V3.2nonevsNemotron 3 Supernoneবিনামূল্যে উপলভ্যDeepSeek V3.2nonevsQwen3.5-9BnoneDeepSeek V3.2nonevsHy4 previewnoneDeepSeek V3.2nonevsMiMo-V2.5noneDeepSeek V3.2nonevsRing-2.6-1Tnone
বিভাগভিত্তিক বিশ্লেষণ
| বিভাগ | স্কোর | ধারাবাহিকতা | সঠিক টেস্ট |
|---|---|---|---|
| অ্যান্টি-এআই কৌশল | 3.3 | 8.2 | |
| কোডিং | 2.4 | 1.3 | |
| সমন্বিত | 6.5 | 10.0 | |
| ডেটা পার্সিং ও নিষ্কাশন | 6.3 | 5.8 | |
| ডোমেইন-নির্দিষ্ট | 3.0 | 6.9 | |
| Sadharon Buddhimotta | 7.6 | 10.0 | |
| নির্দেশনা অনুসরণ | 10.0 | 10.0 | |
| ধাঁধা সমাধান | 7.5 | 7.7 | |
| টুল কলিং | 10.0 | 10.0 | |
| সাধারণ জ্ঞান | 3.0 | 10.0 |