#95 DeepSeek V4 Pro
none
Reached the allocated time limit (300 seconds) without receiving showcase output.
- খরচ
- $0.000
- সময়
- 300.0s
- টোকেন
- 0 tok
DeepSeek
প্রকাশ: 2026-04-24
পরীক্ষিত হয়েছে: 2026-05-22 00:38
deepseek/deepseek-v4-pro::none
1.6T মোট (49B সক্রিয়)MoEউন্মুক্ত উৎস
(high)
(none)
সারাংশ
DeepSeek V4 Pro AI BENCHY-তে 6.0 স্কোর করে এবং #95 স্থানে আছে। এর reliability 8.1, pass rate 48.3%, মোট খরচ $0.046, এবং গড় response time 13.48s.
DeepSeek V4 Pro কে আলাদা করে যা: এটি ডোমেইন-নির্দিষ্ট-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #3; আর অ্যান্টি-এআই কৌশল এর দুর্বলতম ক্ষেত্র, rank #17. এই score range-এর জন্য মোট benchmark খরচ অস্বাভাবিকভাবে কম।
মডেলের তথ্য
গবেষণার তারিখ: 2026-08-12
- প্যারামিটার
- 1.6T মোট (49B সক্রিয়)
- আর্কিটেকচার
- MoE
- উপলভ্যতা
- উন্মুক্ত উৎস
- লাইসেন্স
- MIT
6.0
ধারাবাহিকতা
8.9
$0.046
মোট আউটপুট টোকেন
5,347
মোট ইনপুট টোকেন
0
ইনপুট মূল্য
$0.435 / 1M
আউটপুট মূল্য
$0.870 / 1M
অস্থির টেস্ট
3
অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।
13.48s
প্রতিক্রিয়া সময় (সর্বোচ্চ): 58.65s
প্রতিক্রিয়া সময় (মোট): 269.56s
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 03:00 পুনরায় পরীক্ষা | 6.8 | 10.0 | $0.256 ↑ | তুলনা করুন | |
| 2026-07-16 23:18 নতুন টেস্ট যোগ হয়েছে | 6.9 | 10.0 | $0.096 | তুলনা করুন | |
| 2026-06-16 15:17 পুনরায় পরীক্ষা | 7.2 | 9.9 | $0.034 | তুলনা করুন | |
| 2026-06-16 14:39 স্যুইট পরিবর্তিত হয়েছে | 7.2 | 9.9 | $0.030 | তুলনা করুন | |
| 2026-06-04 14:24 নতুন টেস্ট যোগ হয়েছে | 5.7 | 8.5 | $0.025 ↓ | তুলনা করুন | |
| 2026-05-22 00:38 স্যুইট পরিবর্তিত হয়েছে | 6.0 | 8.1 | $0.046 | বর্তমান রান | |
| 2026-04-29 14:46 পুনরায় পরীক্ষা | 6.2 | 7.9 | $0.043 | তুলনা করুন | |
| 2026-04-24 09:19 প্রথম রান | 3.1 | প্রযোজ্য নয় | $0.009 | 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:38 · স্যুইট পরিবর্তিত হয়েছে | 60/60 প্রচেষ্টা | 6.0 | 8.9 | 8.1 | 8/20 | 3 | 5,347 | 0 | $0.046 | 13.48s |
| 2026-04-24 09:19 · প্রথম রান | 54/54 প্রচেষ্টা | 3.1 | 7.2 | প্রযোজ্য নয় | 0/18 | 6 | 591 | 0 | $0.009 | 44.40s |
| পার্থক্য | — | +2.9 | +1.7 | +8 | -3 | +4756 | 0 | +$0.037 | -30920ms |
বেঞ্চমার্ক কভারেজ আলাদা: 60/60 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি) বনাম 54/54 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 V4 PrononevsSolar Pro 4mediumDeepSeek V4 PrononevsGLM 5.3lowDeepSeek V4 PrononevsSolar Pro 4lowDeepSeek V4 PrononevsMiMo-V2.5-PromediumDeepSeek V4 PrononevsSeed-2.0-CodemediumDeepSeek V4 PrononevsGemini 3 Flash PreviewnoneDeepSeek V4 PrononevsStep 3.7 FlashhighDeepSeek V4 PrononevsGemma 4 26B A4Bmediumবিনামূল্যে উপলভ্যDeepSeek V4 PrononevsQwen3.6 FlashmediumDeepSeek V4 PrononevsGLM 5.2none
বিভাগভিত্তিক বিশ্লেষণ
| বিভাগ | স্কোর | ধারাবাহিকতা | সঠিক টেস্ট |
|---|---|---|---|
| অ্যান্টি-এআই কৌশল | 3.5 | 8.0 | |
| কোডিং | 5.4 | 6.8 | |
| সমন্বিত | 9.5 | 10.0 | |
| ডেটা পার্সিং ও নিষ্কাশন | 8.8 | 10.0 | |
| ডোমেইন-নির্দিষ্ট | 5.3 | 10.0 | |
| Sadharon Buddhimotta | 4.3 | 9.9 | |
| নির্দেশনা অনুসরণ | 6.3 | 10.0 | |
| ধাঁধা সমাধান | 7.6 | 7.2 | |
| টুল কলিং | 10.0 | 10.0 | |
| সাধারণ জ্ঞান | 3.0 | 10.0 |