#80 DeepSeek V4 Pro
high- Cost
- $0.023
- Time
- 257.6s
- Tokens
- 14,870 tok
DeepSeek
Lanzamiento: 2026-04-24
Probado el: 2026-05-22 00:54
deepseek/deepseek-v4-pro::high
(high)
(none)
Resumen
DeepSeek V4 Pro obtiene 6.6 en AI BENCHY y ocupa el puesto #80. Tiene fiabilidad 9.0, una tasa de aciertos de 66.7%, coste total de $0.212 y tiempo medio de respuesta de 58.93s.
6.6
Consistencia
8.3
9.0
$0.212
Total de tokens de salida
65,985
Total de tokens de entrada
0
Precio de entrada
$0.435 / 1M
Precio de salida
$0.870 / 1M
Pruebas inestables
4
Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).
Tiempo de respuesta (promedio)
58.93s
Tiempo de respuesta (máximo): 358.35s
Tiempo de respuesta (total): 1119.75s
Generation showcase
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 |
|---|---|---|---|---|---|
| 2026-06-04 14:38 Prueba nueva añadida | 6.0 | 8.9 | $0.079 ↓ | Comparar | |
| 2026-05-22 00:54 Suite modificada | 6.6 | 9.0 | $0.212 | Ejecución actual | |
| 2026-04-29 14:47 Nueva prueba | 7.5 | 9.3 | $0.209 | Comparar | |
| 2026-04-26 10:50 Nueva prueba | 7.5 | 8.4 | $0.201 | Comparar | |
| 2026-04-25 21:53 Primera ejecución | 8.2 | N/D | $0.329 | 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 | 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 00:54 · Suite modificada | 6.6 | 8.3 | 9.0 | 11/20 | 4 | 65,985 | 0 | $0.212 | 58.93s |
| 2026-04-29 14:47 · Nueva prueba | 7.5 | 8.0 | 9.3 | 11/18 | 4 | 62,125 | 0 | $0.209 | 60.03s |
| Diferencia | -0.9 | +0.3 | -0.3 | 0 | 0 | +3860 | 0 | +$0.004 | -1100ms |
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
Desglose por categoría
| Categoría | Puntuación | Consistencia | Pruebas correctas |
|---|---|---|---|
| Trucos anti-IA | 7.4 | 10.0 | |
| Programación | 2.8 | 5.0 | |
| Combinado | 10.0 | 10.0 | |
| Análisis y extracción de datos | 8.8 | 10.0 | |
| Específico del dominio | 3.0 | 6.9 | |
| Inteligencia general | 6.1 | 3.1 | |
| Seguimiento de instrucciones | 10.0 | 10.0 | |
| Resolución de acertijos | 7.4 | 7.2 | |
| Llamada de herramientas | 10.0 | 10.0 | |
| Cultura general | 3.0 | 10.0 |