Claude Sonnet 5.5 (xhigh) vs DeepSeek V4.1 Flash (high)

DeepSeek V4.1 Flash (high) average score में आगे है: 8.7 vs 8.6. DeepSeek V4.1 Flash (high) की benchmark लागत कम है: $0.617 vs $1.516. Claude Sonnet 5.5 (xhigh) तेज है: 14.98s vs 33.27s, pass rates 79.7% vs 75.4%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-24

तुलना किए गए मॉडल

रैंक: #75
कुल आउटपुट टोकन: 83,041
प्रतिक्रिया समय (औसत): 14.98s
कुल लागत: $1.516

रैंक: #64
कुल आउटपुट टोकन: 464,156
प्रतिक्रिया समय (औसत): 33.27s
कुल लागत: $0.617

अनुशंसित मॉडल DeepSeek V4.1 Flash (high)

It has the best score here (8.7), while costing about 2.5x less than Claude Sonnet 5.5 (xhigh).

विस्तृत तुलना

मेट्रिक	Claude Sonnet 5.5 Claude Sonnet 5.5 xhigh रिलीज़: 2026-09-29	DeepSeek V4.1 Flash DeepSeek V4.1 Flash high रिलीज़: 2026-09-10

मेट्रिक	Claude Sonnet 5.5 Claude Sonnet 5.5 xhigh रिलीज़: 2026-09-29	DeepSeek V4.1 Flash DeepSeek V4.1 Flash high रिलीज़: 2026-09-10
स्कोर	8.6	8.7
रैंक	#75	#64
विश्वसनीयता	10.0	9.7
संगति	8.7	9.0
प्रयास	69/69	69/69
सही परीक्षण
प्रति प्रयास पास दर	79.7%	75.4%
अस्थिर टेस्ट	4	3
कुल रन	69	69
प्रति परिणाम लागत	9.473	1.843
कुल लागत	$1.516	$0.617
इनपुट कीमत	$2.000 / 1M	$0.013 / 1M
आउटपुट कीमत	$10.000 / 1M	$1.320 / 1M
कैश पढ़ने की कीमत	$0.200 / 1M	$0.013 / 1M
कैश लिखने की कीमत	$2.500 / 1M	लागू नहीं
कुल इनपुट टोकन	342,579	282,490
आउटपुट टोकन	12,848	8,621
रीजनिंग टोकन	70,193	455,535
प्रतिक्रिया समय (औसत)	14.98s	33.27s
प्रतिक्रिया समय (अधिकतम)	54.92s	205.53s
प्रतिक्रिया समय (कुल)	344.60s	765.12s
पैरामीटर	~1T कुल (~100B सक्रिय)	748B कुल (16B सक्रिय)
उपलब्धता	बंद स्रोत	मुक्त स्रोत

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#75 Claude Sonnet 5.5

xhigh

लागत: $0.319
समय: 258.6s
टोकन: 31,969 tok

#64 DeepSeek V4.1 Flash

high

लागत: $0.035
समय: 111.0s
टोकन: 29,201 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

श्रेणी:

स्वायत्त एजेंट कार्य	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Sonnet 5.5	10.0	10.0	100.0%	0		54.92s	193,936	3,148	2,788
DeepSeek V4.1 Flash	10.0	10.0	100.0%	0		43.97s	182,379	1,979	9,237

एंटी-एआई ट्रिक्स	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Sonnet 5.5	10.0	10.0	100.0%	0		4.21s	858	417	1,162
DeepSeek V4.1 Flash	8.3	10.0	75.0%	0		3.42s	852	170	5,348

कोडिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Sonnet 5.5	8.2	7.2	88.9%	1		11.90s	10,608	555	9,501
DeepSeek V4.1 Flash	10.0	10.0	100.0%	0		49.19s	7,509	376	108,285

संयुक्त	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Sonnet 5.5	8.7	6.9	83.3%	1		30.37s	111,104	6,732	10,690
DeepSeek V4.1 Flash	10.0	10.0	100.0%	0		27.63s	77,764	5,152	31,635

डेटा पार्सिंग और निष्कर्षण	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Sonnet 5.5	10.0	10.0	100.0%	0		4.96s	10,515	312	1,590
DeepSeek V4.1 Flash	6.5	10.0	50.0%	0		4.19s	2,397	120	1,584

डोमेन-विशिष्ट	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Sonnet 5.5	2.9	7.2	11.1%	1		35.33s	990	56	34,319
DeepSeek V4.1 Flash	5.3	7.2	44.4%	1		127.30s	909	28	249,623

Samanya Buddhimatta	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Sonnet 5.5	6.5	3.4	66.7%	1		9.10s	714	279	2,152
DeepSeek V4.1 Flash	10.0	10.0	100.0%	0		4.16s	549	120	1,130

निर्देश पालन	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Sonnet 5.5	10.0	10.0	100.0%	0		4.58s	921	98	661
DeepSeek V4.1 Flash	10.0	10.0	100.0%	0		7.06s	783	63	1,972

पहेली समाधान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Sonnet 5.5	10.0	10.0	100.0%	0		4.88s	912	716	1,402
DeepSeek V4.1 Flash	6.4	4.9	66.7%	2		14.27s	828	339	23,969

टूल कॉलिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Sonnet 5.5	10.0	10.0	100.0%	0		10.29s	11,757	354	1,112
DeepSeek V4.1 Flash	10.0	10.0	100.0%	0		15.28s	8,259	258	506

सामान्य ज्ञान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Sonnet 5.5	3.0	10.0	0.0%	0		17.31s	264	181	4,816
DeepSeek V4.1 Flash	3.0	10.0	0.0%	0		38.05s	261	16	22,246

तुलना जोड़ी बदलें