#59 DeepSeek V3.2
medium- लागत
- $0.001
- समय
- 53.6s
- टोकन
- 1,932 tok
DeepSeek
रिलीज़: 2025-12-01
परीक्षण किया गया: 2026-05-08 15:27
deepseek/deepseek-v3.2::medium
(medium)
(none)
सारांश
DeepSeek V3.2 AI BENCHY पर 7.2 स्कोर करता है और #59 पर है। इसकी reliability 10.0, pass rate 72.8%, कुल लागत $0.031, और औसत response time 46.06s है।
DeepSeek V3.2 को अलग क्या बनाता है: यह संयुक्त में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
7.2
संगति
7.5
10.0
$0.031
कुल आउटपुट टोकन
60,800
कुल इनपुट टोकन
0
इनपुट कीमत
$0.252 / 1M
आउटपुट कीमत
$0.378 / 1M
अस्थिर टेस्ट
6
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-07-16 23:13 नया टेस्ट जोड़ा गया | 7.0 | 10.0 | $0.078 ↑ | तुलना करें | |
| 2026-06-04 14:41 नया टेस्ट जोड़ा गया | 7.0 | 10.0 | $0.044 ↓ | तुलना करें | |
| 2026-05-22 00:46 सूट बदला गया | 7.0 | 9.1 | $0.037 | तुलना करें | |
| 2026-05-08 15:27 सूट बदला गया | 7.2 | 10.0 | $0.031 | वर्तमान रन | |
| 2026-04-20 17:48 पहला दर्ज रन | 8.0 | लागू नहीं | $0.029 | तुलना करें |
इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।
रन तुलना
| रन | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:27 · सूट बदला गया | 7.2 | 7.5 | 10.0 | 11/19 | 6 | 60,800 | 0 | $0.031 | 46.06s |
| 2026-06-04 14:41 · नया टेस्ट जोड़ा गया | 7.0 | 7.6 | 10.0 | 11/21 | 6 | 106,267 | 38,333 | $0.044 | 68.71s |
| अंतर | +0.2 | -0.1 | 0.0 | 0 | 0 | -45467 | -38333 | -$0.014 | -22641ms |
इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
DeepSeek V3.2mediumvsGLM 5.1mediumDeepSeek V3.2mediumvsGrok 4.3mediumDeepSeek V3.2mediumvsKimi K2.5mediumDeepSeek V3.2mediumvsQwen3.5-122B-A10BmediumDeepSeek V3.2mediumvsMercury 2mediumDeepSeek V3.2mediumvsGemini 3 Flash PreviewmediumDeepSeek V3.2mediumvsGemini 3.5 FlashhighDeepSeek V3.2mediumvsNemotron 3 Ultramediumनिःशुल्क उपलब्धDeepSeek V3.2mediumvsGPT-5.5low
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 9.2 | 10.0 | |
| कोडिंग | 4.7 | 1.6 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 2.9 | 4.4 | |
| Samanya Buddhimatta | 3.8 | 2.5 | |
| निर्देश पालन | 10.0 | 10.0 | |
| पहेली समाधान | 6.7 | 5.0 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |