#80 DeepSeek V4 Pro
high- Cost
- $0.023
- Time
- 257.6s
- Tokens
- 14,870 tok
DeepSeek
Veröffentlichung: 2026-04-24
Getestet am: 2026-05-22 00:54
deepseek/deepseek-v4-pro::high
(high)
(none)
Zusammenfassung
DeepSeek V4 Pro erreicht 6.6 bei AI BENCHY und liegt auf #80. Das Modell hat 9.0 Zuverlässigkeit, 66.7% Erfolgsrate, $0.212 Gesamtkosten und 58.93s durchschnittliche Antwortzeit.
6.6
Konsistenz
8.3
Gesamte Ausgabe-Token
65,985
Gesamte Eingabe-Token
0
Eingabepreis
$0.435 / 1M
Ausgabepreis
$0.870 / 1M
Instabile Tests
4
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Generation showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-06-04 14:38 Neuer Test hinzugefügt | 6.0 | 8.9 | $0.079 ↓ | Vergleichen | |
| 2026-05-22 00:54 Suite geändert | 6.6 | 9.0 | $0.212 | Aktueller Lauf | |
| 2026-04-29 14:47 Erneuter Test | 7.5 | 9.3 | $0.209 | Vergleichen | |
| 2026-04-26 10:50 Erneuter Test | 7.5 | 8.4 | $0.201 | Vergleichen | |
| 2026-04-25 21:53 Erster Lauf | 8.2 | k. A. | $0.329 | Vergleichen |
Dieser Lauf nutzte eine andere Benchmark-Suite. Berücksichtige Suite-Änderungen bei der historischen Einordnung.
Laufvergleich
| Lauf | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:54 · Suite geändert | 6.6 | 8.3 | 9.0 | 11/20 | 4 | 65,985 | 0 | $0.212 | 58.93s |
| 2026-04-29 14:47 · Erneuter Test | 7.5 | 8.0 | 9.3 | 11/18 | 4 | 62,125 | 0 | $0.209 | 60.03s |
| Differenz | -0.9 | +0.3 | -0.3 | 0 | 0 | +3860 | 0 | +$0.004 | -1100ms |
Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.
Diagramme
Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.
Top-Modelle nach Score
Punktzahl vs Gesamtkosten
Antwortzeit (Durchschnitt)
Punktzahl vs Antwortzeit (Durchschnitt)
Gesamte Ausgabe-Token
Punktzahl vs Gesamte Ausgabe-Token
Schnellvergleich
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Anti-KI-Tricks | 7.4 | 10.0 | |
| Programmierung | 2.8 | 5.0 | |
| Kombiniert | 10.0 | 10.0 | |
| Datenanalyse und -extraktion | 8.8 | 10.0 | |
| Domänenspezifisch | 3.0 | 6.9 | |
| Allgemeine Intelligenz | 6.1 | 3.1 | |
| Befolgung von Anweisungen | 10.0 | 10.0 | |
| Rätsellösen | 7.4 | 7.2 | |
| Werkzeugaufrufe | 10.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |