Navegación
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Modelos comparados

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-05-01

Métrica DeepSeek V4 Pro DeepSeek V4 Pro high Lanzamiento: 2026-04-24 DeepSeek V4 Flash DeepSeek V4 Flash high Lanzamiento: 2026-04-24 DeepSeek V3.2 DeepSeek V3.2 medium Lanzamiento: 2025-12-01
Puntuación 7.0 7.8 8.0
Rango #62 #43 #38
Fiabilidad 9.3 10.0 N/D
Consistencia 8.0 7.8 8.2
Pruebas correctas
Tasa de aciertos por intento 73.2% 79.6% 79.6%
Pruebas inestables 4 5 4
Ejecuciones totales 54 54 52
Costo por resultado 1.896 0.277 0.231
Costo total $0.209 $0.031 $0.028
Precio de entrada $0.435 / 1M $0.140 / 1M $0.252 / 1M
Precio de salida $0.870 / 1M $0.280 / 1M $0.378 / 1M
Tokens de salida 12,158 1,765 7,554
Tokens de razonamiento 49,967 90,299 45,588
Tiempo de respuesta (promedio) 60.03s 45.41s 43.49s
Tiempo de respuesta (máximo) 358.35s 218.13s 180.92s
Tiempo de respuesta (total) 1080.60s 817.30s 782.73s

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
DeepSeek V4 Pro 7.4 10.0 75.0% 0 16.53s 71 3,617
DeepSeek V4 Flash 8.3 10.0 75.0% 0 28.51s 140 7,770
DeepSeek V3.2 8.4 9.9 75.0% 0 30.72s 3,773 7,523
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
DeepSeek V4 Pro 2.6 0.0 50.0% 1 51.77s 105 2,641
DeepSeek V4 Flash 10.0 10.0 100.0% 0 62.48s 369 9,361
DeepSeek V3.2 4.7 1.6 66.7% 1 180.92s 626 6,792
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
DeepSeek V4 Pro 10.0 10.0 100.0% 0 65.02s 465 5,914
DeepSeek V4 Flash 10.0 10.0 100.0% 0 76.57s 465 7,347
DeepSeek V3.2 10.0 10.0 100.0% 0 93.11s 571 6,296
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
DeepSeek V4 Pro 8.8 10.0 100.0% 0 23.62s 229 1,710
DeepSeek V4 Flash 10.0 10.0 100.0% 0 28.03s 201 1,179
DeepSeek V3.2 10.0 10.0 100.0% 0 36.09s 207 7,693
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
DeepSeek V4 Pro 3.0 6.9 16.7% 1 205.66s 10,529 28,089
DeepSeek V4 Flash 4.1 4.4 44.5% 2 100.31s 27 59,249
DeepSeek V3.2 5.3 7.2 44.4% 1 21.78s 15 4,933
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
DeepSeek V4 Pro 6.1 3.1 66.7% 1 25.09s 76 1,152
DeepSeek V4 Flash 6.1 3.1 66.7% 1 25.15s 79 632
DeepSeek V3.2 5.4 2.5 66.7% 1 31.30s 68 2,366
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
DeepSeek V4 Pro 10.0 10.0 100.0% 0 41.16s 205 2,416
DeepSeek V4 Flash 10.0 10.0 100.0% 0 15.36s 63 1,622
DeepSeek V3.2 10.0 10.0 100.0% 0 35.78s 1,397 2,845
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
DeepSeek V4 Pro 6.9 7.0 83.3% 1 34.92s 106 3,835
DeepSeek V4 Flash 6.4 4.5 77.8% 2 25.53s 193 2,597
DeepSeek V3.2 8.2 7.2 88.9% 1 36.87s 390 6,281
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
DeepSeek V4 Pro 10.0 10.0 100.0% 0 21.33s 372 593
DeepSeek V4 Flash 10.0 10.0 100.0% 0 74.73s 228 542
DeepSeek V3.2 10.0 10.0 100.0% 0 34.81s 507 859

Comparación rápida

Cambiar par de comparación

DeepSeek V4 FlashhighvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsGrok 4.20mediumDeepSeek V4 ProhighvsQwen3.6 27BmediumDeepSeek V4 FlashhighvsGLM 5V TurbomediumDeepSeek V4 ProhighvsKimi K2.5mediumDeepSeek V4 FlashhighvsQwen3.5-FlashmediumDeepSeek V4 FlashhighvsGLM 5.1mediumDeepSeek V4 ProhighvsGPT-5 MinimediumDeepSeek V4 FlashhighvsStep 3.5 FlashmediumDeepSeek V3.2mediumvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsGemini 3.1 Flash Lite PreviewnoneDeepSeek V3.2mediumvsGemini 3.1 Flash Lite Previewnone