#142

DeepSeek V4 Flash 0423

DeepSeek প্রকাশ: 2026-04-24 পরীক্ষিত হয়েছে: 2026-07-16 23:22 deepseek/deepseek-v4-flash::none

284B মোট (13B সক্রিয়)MoEউন্মুক্ত উৎস

(high) (none)

সারাংশ

DeepSeek V4 Flash 0423 AI BENCHY-তে 5.6 স্কোর করে এবং #142 স্থানে আছে। এর reliability 10.0, pass rate 31.8%, মোট খরচ $0.044, এবং গড় response time 36.78s.

DeepSeek V4 Flash 0423 কে আলাদা করে যা: এটি ডেটা পার্সিং ও নিষ্কাশন-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

প্রকাশিত

প্যারামিটার: 284B মোট (13B সক্রিয়)
আর্কিটেকচার: MoE
উপলভ্যতা: উন্মুক্ত উৎস
লাইসেন্স: MIT

প্যারামিটারের উৎস উপলভ্যতার উৎস

স্কোর

5.6

ধারাবাহিকতা

8.5

নির্ভরযোগ্যতা

10.0

মোট খরচ (বর্তমান মূল্য)

$0.044 ↓ -5.5%

পরীক্ষার সময়: $0.046

মোট আউটপুট টোকেন

100,727

মোট ইনপুট টোকেন

240,221

ইনপুট মূল্য

$0.098 / 1M

আউটপুট মূল্য

$0.196 / 1M

সঠিক টেস্ট

ভুল টেস্ট: 17

প্রতি চেষ্টায় পাস রেট: 31.8%

অস্থির টেস্ট

অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।

প্রতিক্রিয়া সময় (গড়)

36.78s

প্রতিক্রিয়া সময় (সর্বোচ্চ): 247.27s

প্রতিক্রিয়া সময় (মোট): 809.09s

ভুল উত্তর: 12 অতিরিক্ত ফরম্যাটিং: 2 অবৈধ টুল কল: 2 নির্দেশনা অনুসরণ করা হয়নি: 1

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#142 DeepSeek V4 Flash

none

খরচ: $0.004
সময়: 157.6s
টোকেন: 11,297 tok

রান ইতিহাস

পরীক্ষিত হয়েছে	স্কোর	নির্ভরযোগ্যতা	মোট খরচ	তুলনা করুন
2026-08-14 02:59 পুনরায় পরীক্ষা	5.4	10.0	$0.062 ↑	তুলনা করুন
2026-07-16 23:22 নতুন টেস্ট যোগ হয়েছে	5.6	10.0	$0.044 ↓	বর্তমান রান
2026-06-04 14:22 পুনরায় পরীক্ষা	5.0	10.0	$0.008 ↓	তুলনা করুন
2026-06-04 13:02 নতুন টেস্ট যোগ হয়েছে	5.0	10.0	$0.008 ↓	তুলনা করুন
2026-05-22 00:37 স্যুইট পরিবর্তিত হয়েছে	5.1	10.0	$0.010	তুলনা করুন
2026-04-24 09:19 প্রথম রান	5.3	প্রযোজ্য নয়	$0.008	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)
2026-07-16 23:22 · নতুন টেস্ট যোগ হয়েছে	66/66 প্রচেষ্টা	5.6	8.5	10.0	5/22	4	100,727	240,221	$0.044	36.78s
2026-06-04 13:02 · নতুন টেস্ট যোগ হয়েছে	61/63 প্রচেষ্টা	5.0	8.9	10.0	5/21	3	13,708	48,401	$0.008	26.72s
পার্থক্য	—	+0.6	-0.4	0.0	0	+1	+87019	+191820	+$0.036	+10053ms

বেঞ্চমার্ক কভারেজ আলাদা: 66/66 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি) বনাম 61/63 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।

মূল্যের ইতিহাস

OpenRouter থেকে এই মডেলের ঐতিহাসিক মূল্য তথ্য।

তারিখ	ইনপুট মূল্য	আউটপুট মূল্য
2026-06-04 15:40	$0.099 / 1M	$0.197 / 1M
2026-06-12 18:42	$0.098 / 1M	$0.196 / 1M
2026-06-17 10:07	$0.090 / 1M	$0.180 / 1M
2026-07-02 16:22	$0.090 / 1M	$0.180 / 1M

চার্ট

প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

দ্রুত তুলনা

বিভাগভিত্তিক বিশ্লেষণ

বিভাগ	স্কোর	ধারাবাহিকতা
অ্যান্টি-এআই কৌশল	3.0	10.0
কোডিং	4.2	7.4
সমন্বিত	4.6	1.8
ডেটা পার্সিং ও নিষ্কাশন	10.0	10.0
ডোমেইন-নির্দিষ্ট	5.3	10.0
Sadharon Buddhimotta	4.2	9.9
নির্দেশনা অনুসরণ	6.5	10.0
ধাঁধা সমাধান	3.1	7.3
টুল কলিং	10.0	10.0
সাধারণ জ্ঞান	3.0	10.0

DeepSeek V4 Flash 0423

মডেলের তথ্য

Hamster playing table tennis

#142 DeepSeek V4 Flash

চার্ট

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

বিভাগভিত্তিক বিশ্লেষণ

তুলনা করা মডেল