AI BENCHY
Advertise here
#115

DeepSeek V3.2

DeepSeek Lanzamiento: 2025-12-01 Probado el: 2026-05-22 00:35 deepseek/deepseek-v3.2::none
671B en total (37B activos)MoECódigo abierto
(medium) (none)

Resumen

DeepSeek V3.2 obtiene 5.6 en AI BENCHY y ocupa el puesto #115. Tiene fiabilidad 10.0, una tasa de aciertos de 46.7%, coste total de $0.018 y tiempo medio de respuesta de 14.46s.

Qué hace único a DeepSeek V3.2: Destaca más en Inteligencia general, donde ocupa #4, mientras que Trucos anti-IA es su área más débil con #18. Su coste total de benchmark es inusualmente bajo para su nivel de puntuación.

Datos del modelo

Investigado el 2026-08-12

Declarado
Parámetros
671B en total (37B activos)
Arquitectura
MoE
Disponibilidad
Código abierto
Licencia
MIT
Fuente de los parámetros Fuente de disponibilidad

Puntuación

5.6

Consistencia

8.0

Fiabilidad

10.0

Costo total (precio actual)

$0.018

Total de tokens de salida

11,163

Total de tokens de entrada

0

Precio de entrada

$0.252 / 1M

Precio de salida

$0.378 / 1M

Pruebas correctas

Pruebas incorrectas: 13

Tasa de aciertos por intento: 46.7%

Pruebas inestables

5

Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).

Tiempo de respuesta (promedio)

14.46s

Tiempo de respuesta (máximo): 115.89s

Tiempo de respuesta (total): 289.21s

Respuesta incorrecta: 8 Formato extra: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1

Hamster playing table tennis

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

#115 DeepSeek V3.2

none
Coste
$0.002
Tiempo
7.0s
Tokens
1,046 tok

Historial de ejecuciones

Probado el Puntuación Fiabilidad Pruebas correctas Costo total Comparar
2026-08-14 02:58 Nueva prueba 5.0 10.0 $0.054 ↑ Comparar
2026-07-16 23:15 Prueba nueva añadida 5.0 10.0 $0.054 ↑ Comparar
2026-06-04 14:22 Prueba nueva añadida 5.2 10.0 $0.017 ↓ Comparar
2026-05-22 00:35 Suite modificada 5.6 10.0 $0.018 Ejecución actual
2026-05-08 15:31 Suite modificada 5.7 10.0 $0.016 Comparar
2026-04-20 17:48 Primera ejecución registrada 6.1 N/D $0.016 Comparar

Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.

Comparación de ejecuciones

EjecuciónCobertura del benchmarkPuntuaciónConsistenciaFiabilidadPruebas correctasPruebas inestablesTotal de tokens de salidaTotal de tokens de entradaCosto totalTiempo de respuesta (promedio)
2026-05-22 00:35 · Suite modificada60/60 intentos5.68.010.07/20511,1630$0.01814.46s
2026-07-16 23:15 · Prueba nueva añadida66/66 intentos5.07.710.06/22642,097135,780$0.05418.25s
Diferencia—+0.6+0.30.0+1-1-30934-135780-$0.036-3794ms

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.

Total de tokens de salida

Puntuación vs Total de tokens de salida

Comparación rápida

DeepSeek V3.2nonevsLaguna S 2.1lowDisponible gratisDeepSeek V3.2nonevsGPT-4o-mininoneDeepSeek V3.2nonevsMiniMax M2.7mediumDeepSeek V3.2nonevsLing-2.6-flashnoneDeepSeek V3.2nonevsNorth Mini CodenoneDisponible gratisDeepSeek V3.2nonevsNemotron 3 SupernoneDisponible gratisDeepSeek V3.2nonevsQwen3.5-9BnoneDeepSeek V3.2nonevsHy4 previewnoneDeepSeek V3.2nonevsMiMo-V2.5noneDeepSeek V3.2nonevsRing-2.6-1Tnone

Desglose por categoría

Categoría Puntuación Consistencia Pruebas correctas
Trucos anti-IA 3.3 8.2
Programación 3.1 5.4
Combinado 6.5 10.0
Análisis y extracción de datos 6.3 5.8
Específico del dominio 3.0 6.9
Inteligencia general 7.6 10.0
Seguimiento de instrucciones 10.0 10.0
Resolución de acertijos 7.5 7.7
Llamada de herramientas 10.0 10.0
Cultura general 3.0 10.0

Modelos comparados