DeepSeek V4 Flash 0731 (medium) vs Qwen3.8 2.4T A95B (high)

Qwen3.8 2.4T A95B (high) average score में आगे है: 7.9 vs 7.8. DeepSeek V4 Flash 0731 (medium) की benchmark लागत कम है: $0.462 vs $2.805. DeepSeek V4 Flash 0731 (medium) तेज है: 94.16s vs 120.88s, pass rates 72.5% vs 75.4%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-01

तुलना किए गए मॉडल

रैंक: #110
कुल आउटपुट टोकन: 577,214
प्रतिक्रिया समय (औसत): 94.16s
कुल लागत: $0.462

रैंक: #102
कुल आउटपुट टोकन: 468,439
प्रतिक्रिया समय (औसत): 120.88s
कुल लागत: $2.805

अनुशंसित मॉडल DeepSeek V4 Flash 0731 (medium)

Its score stays close to the best score here (7.8 vs 7.9), while costing about 6.1x less than Qwen3.8 2.4T A95B (high).

विस्तृत तुलना

मेट्रिक	DeepSeek V4 Flash 0731 DeepSeek V4 Flash 0731 medium रिलीज़: 2026-08-01	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high रिलीज़: 2026-08-12

मेट्रिक	DeepSeek V4 Flash 0731 DeepSeek V4 Flash 0731 medium रिलीज़: 2026-08-01	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high रिलीज़: 2026-08-12
स्कोर	7.8	7.9
रैंक	#110	#102
विश्वसनीयता	10.0	9.6
संगति	7.2	8.4
प्रयास	69/69	69/69
सही परीक्षण
प्रति प्रयास पास दर	72.5%	75.4%
अस्थिर टेस्ट	8	4
कुल रन	69	69
प्रति परिणाम लागत	1.176	18.696
कुल लागत	$0.462	$2.805
इनपुट कीमत	$0.010 / 1M	$2.000 / 1M
आउटपुट कीमत	$1.280 / 1M	$6.000 / 1M
कुल इनपुट टोकन	274,189	295,642
आउटपुट टोकन	66,689	115,041
रीजनिंग टोकन	510,525	353,398
प्रतिक्रिया समय (औसत)	94.16s	120.88s
प्रतिक्रिया समय (अधिकतम)	303.26s	532.28s
प्रतिक्रिया समय (कुल)	2165.72s	2780.16s
पैरामीटर	284B कुल (13B सक्रिय)	2.4T कुल (95B सक्रिय)
उपलब्धता	बंद स्रोत	वेट उपलब्ध

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#110 DeepSeek V4 Flash 0731

medium

लागत: $0.004
समय: 93.3s
टोकन: 13,252 tok

#102 Qwen3.8 2.4T A95B

high

Reached the allocated time limit (600 seconds) without receiving showcase output.

लागत: $0.000
समय: 600.0s
टोकन: 0 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
DeepSeek V4 Flash 0731	10.0	10.0	100.0%	0		303.26s	184,370	8,291	18,068
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		127.11s	186,711	2,240	10,171

एंटी-एआई ट्रिक्स	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
DeepSeek V4 Flash 0731	8.2	7.9	83.3%	1		17.95s	698	2,101	6,715
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		24.22s	1,128	305	4,864

कोडिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
DeepSeek V4 Flash 0731	6.4	4.4	77.8%	2		198.78s	6,032	4,109	160,154
Qwen3.8 2.4T A95B	5.9	6.3	55.6%	1		160.52s	6,399	3,310	48,078

संयुक्त	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
DeepSeek V4 Flash 0731	7.3	5.8	83.3%	1		150.58s	65,118	40,110	97,296
Qwen3.8 2.4T A95B	6.9	5.9	66.7%	1		266.12s	81,205	7,791	41,921

डेटा पार्सिंग और निष्कर्षण	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
DeepSeek V4 Flash 0731	10.0	10.0	100.0%	0		5.21s	7,290	287	1,519
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		13.67s	7,928	550	2,307

डोमेन-विशिष्ट	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
DeepSeek V4 Flash 0731	2.9	7.2	11.1%	1		203.11s	592	9,333	154,069
Qwen3.8 2.4T A95B	4.1	6.5	22.2%	1		301.08s	964	11,279	139,028

Samanya Buddhimatta	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
DeepSeek V4 Flash 0731	6.1	3.1	66.7%	1		12.16s	471	66	1,589
Qwen3.8 2.4T A95B	6.1	3.1	66.7%	1		11.38s	630	2,020	2,165

निर्देश पालन	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
DeepSeek V4 Flash 0731	8.5	6.8	83.3%	1		2.42s	706	109	580
Qwen3.8 2.4T A95B	9.8	10.0	100.0%	0		11.45s	927	245	1,727

पहेली समाधान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
DeepSeek V4 Flash 0731	8.2	7.3	88.9%	1		65.12s	594	1,530	66,970
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		65.54s	989	698	15,073

टूल कॉलिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
DeepSeek V4 Flash 0731	10.0	10.0	100.0%	0		4.41s	8,178	374	152
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		32.93s	8,481	302	656

सामान्य ज्ञान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
DeepSeek V4 Flash 0731	3.0	10.0	0.0%	0		56.64s	140	379	3,413
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	0		347.95s	280	86,301	87,408

त्वरित तुलना

तुलना जोड़ी बदलें

Gemini 3.5 FlashmediumvsQwen3.8 2.4T A95Bhigh DeepSeek V4 Flash 0731mediumvsGrok 4.5low Qwen3.8 2.4T A95BhighvsMiMo-V2.6-Flashmedium DeepSeek V4 Flash 0731mediumvsQwen3.7 Plusnone Qwen3.8 2.4T A95BhighvsGrok 4.5medium GPT-5.4 MinimediumvsQwen3.8 2.4T A95Bhigh DeepSeek V4 Flash 0731mediumvsGLM 5.3high Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium DeepSeek V4 Flash 0731mediumvsGPT-6 Lunahigh DeepSeek V4 Flash 0731mediumvsMuse Glimmer 30Bhigh Qwen3.8 2.4T A95BhighvsGrok 4.6medium Qwen3.8 2.4T A95BhighvsGLM 5.3 FlashXmax