#71 DeepSeek V3.2
medium- Coste
- $0.001
- Tiempo
- 53.6s
- Tokens
- 1,932 tok
DeepSeek
Lanzamiento: 2025-12-01
Probado el: 2026-05-22 00:46
deepseek/deepseek-v3.2::medium
671B en total (37B activos)MoECódigo abierto
(medium)
(none)
Resumen
DeepSeek V3.2 obtiene 7.0 en AI BENCHY y ocupa el puesto #71. Tiene fiabilidad 9.1, una tasa de aciertos de 69.2%, coste total de $0.037 y tiempo medio de respuesta de 53.21s.
Qué hace único a DeepSeek V3.2: Su coste total de benchmark es inusualmente bajo para su nivel de puntuación.
Datos del modelo
Investigado el 2026-08-12
- Parámetros
- 671B en total (37B activos)
- Arquitectura
- MoE
- Disponibilidad
- Código abierto
- Licencia
- MIT
7.0
Consistencia
7.6
9.1
$0.037
Total de tokens de salida
75,252
Total de tokens de entrada
0
Precio de entrada
$0.252 / 1M
Precio de salida
$0.378 / 1M
Pruebas inestables
6
Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).
Tiempo de respuesta (promedio)
53.21s
Tiempo de respuesta (máximo): 189.03s
Tiempo de respuesta (total): 1064.26s
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Historial de ejecuciones
| Probado el | Puntuación | Fiabilidad | Pruebas correctas | Costo total | Comparar |
|---|---|---|---|---|---|
| 2026-08-14 03:00 Nueva prueba | 7.0 | 10.0 | $0.078 ↑ | Comparar | |
| 2026-07-16 23:13 Prueba nueva añadida | 7.0 | 10.0 | $0.078 ↑ | Comparar | |
| 2026-06-04 14:41 Prueba nueva añadida | 7.0 | 10.0 | $0.044 ↓ | Comparar | |
| 2026-05-22 00:46 Suite modificada | 7.0 | 9.1 | $0.037 | Ejecución actual | |
| 2026-05-08 15:27 Suite modificada | 7.2 | 10.0 | $0.031 | Comparar | |
| 2026-04-20 17:48 Primera ejecución registrada | 8.0 | N/D | $0.029 | Comparar |
Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.
Comparación de ejecuciones
| Ejecución | Cobertura del benchmark | Puntuación | Consistencia | Fiabilidad | Pruebas correctas | Pruebas inestables | Total de tokens de salida | Total de tokens de entrada | Costo total | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:46 · Suite modificada | 60/60 intentos | 7.0 | 7.6 | 9.1 | 11/20 | 6 | 75,252 | 0 | $0.037 | 53.21s |
| 2026-07-16 23:13 · Prueba nueva añadida | 66/66 intentos | 7.0 | 7.4 | 10.0 | 11/22 | 7 | 128,848 | 101,047 | $0.078 | 68.62s |
| Diferencia | — | 0.0 | +0.2 | -0.9 | 0 | -1 | -53596 | -101047 | -$0.041 | -15402ms |
La cobertura del benchmark difiere: 60/60 intentos (Objetivo: 3 repeticiones por prueba) frente a 66/66 intentos (Objetivo: 3 repeticiones por prueba). Los totales y las métricas sensibles a las repeticiones no son directamente comparables.
Estas dos ejecuciones usaron suites de benchmark distintas, así que las diferencias reflejan tanto cambios del modelo como de la suite.
Gráficos
Elige el primer modelo y luego haz clic en un segundo modelo para abrir una página lado a lado.
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
Comparación rápida
DeepSeek V3.2mediumvsGPT-5.6 SolnoneDeepSeek V3.2mediumvsGLM 5.1mediumDeepSeek V3.2mediumvsGrok 4.3mediumDeepSeek V3.2mediumvsGPT-5.5noneDeepSeek V3.2mediumvsSolar Pro 4highDeepSeek V3.2mediumvsMercury 2mediumDeepSeek V3.2mediumvsStep 3.7 FlashlowDeepSeek V3.2mediumvsGrok 4.20mediumDeepSeek V3.2mediumvsMuse Glimmer 30BlowDeepSeek V3.2mediumvsSeed-2.0-Minimedium
Desglose por categoría
| Categoría | Puntuación | Consistencia | Pruebas correctas |
|---|---|---|---|
| Trucos anti-IA | 9.2 | 10.0 | |
| Programación | 3.9 | 5.8 | |
| Combinado | 10.0 | 10.0 | |
| Análisis y extracción de datos | 10.0 | 10.0 | |
| Específico del dominio | 2.9 | 4.4 | |
| Inteligencia general | 3.8 | 2.5 | |
| Seguimiento de instrucciones | 10.0 | 10.0 | |
| Resolución de acertijos | 6.7 | 5.0 | |
| Llamada de herramientas | 10.0 | 10.0 | |
| Cultura general | 3.0 | 10.0 |