नेविगेशन
AI BENCHY
Advertise here

AI BENCHY तुलना

Anthropic: Claude Opus 4.8 vs DeepSeek: DeepSeek V3.2

सारांश

Claude Opus 4.8 average score में आगे है: 7.3 vs 7.0. DeepSeek V3.2 (medium) की benchmark लागत कम है: $0.078 vs $1.166. Claude Opus 4.8 तेज है: 4.91s vs 68.62s, pass rates 63.6% vs 65.2%.

अनुशंसित मॉडलDeepSeek V3.2 (medium)Its score stays close to the best score here (7.0 vs 7.3), while costing about 15.1x less than Claude Opus 4.8.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-17

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 none रिलीज़: 2026-05-28 DeepSeek V3.2 DeepSeek V3.2 medium रिलीज़: 2025-12-01
स्कोर 7.3 7.0
रैंक #63 #73
विश्वसनीयता 10.0 10.0
संगति 9.2 7.4
सही परीक्षण
प्रति प्रयास पास दर 63.6% 65.2%
अस्थिर टेस्ट 2 7
कुल रन 66 66
प्रति परिणाम लागत 8.969 0.671
कुल लागत $1.166 $0.078
इनपुट कीमत $5.000 / 1M $0.269 / 1M
आउटपुट कीमत $25.000 / 1M $0.400 / 1M
कुल इनपुट टोकन 149,206 101,047
आउटपुट टोकन 16,797 11,834
रीजनिंग टोकन 0 117,014
प्रतिक्रिया समय (औसत) 4.91s 68.62s
प्रतिक्रिया समय (अधिकतम) 35.03s 376.10s
प्रतिक्रिया समय (कुल) 108.03s 1509.53s

जनरेशन शोकेस

Hamster playing table tennis

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

#63 Claude Opus 4.8

none
लागत
$0.053
समय
22.0s
टोकन
2,253 tok

#73 DeepSeek V3.2

medium
लागत
$0.001
समय
53.6s
टोकन
1,932 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
DeepSeek V3.2 6.0 7.2 55.6% 1 248.68s 5,717 649 52,014

त्वरित तुलना

तुलना जोड़ी बदलें