Advertise here
#251

DeepSeek V3.2

DeepSeek रिलीज़: 2025-12-01 परीक्षण किया गया: 2026-10-01 02:45 deepseek/deepseek-v3.2::medium
671B कुल (37B सक्रिय)MoEमुक्त स्रोत
(medium) (none)

सारांश

DeepSeek V3.2 AI BENCHY पर 6.3 स्कोर करता है और #251 पर है। इसकी reliability 10.0, pass rate 62.3%, कुल लागत $0.152, और औसत response time 70.08s है।

DeepSeek V3.2 को अलग क्या बनाता है: यह संयुक्त में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि डोमेन-विशिष्ट इसकी सबसे कमजोर जगह है, जहाँ यह #14 पर है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

घोषित
पैरामीटर
671B कुल (37B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
मुक्त स्रोत
लाइसेंस
MIT
पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

6.3

संगति

7.5

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.152 ↑ +10.5%

परीक्षण के समय: $0.138

कुल आउटपुट टोकन

139,141

कुल इनपुट टोकन

306,662

इनपुट कीमत

$0.280 / 1M

आउटपुट कीमत

$0.420 / 1M

कैश पढ़ने की कीमत

$0.028 / 1M

कैश लिखने की कीमत

लागू नहीं

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।

सही परीक्षण

गलत टेस्ट: 12

प्रति प्रयास पास दर: 62.3%

अस्थिर टेस्ट

7

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

70.08s

प्रतिक्रिया समय (अधिकतम): 376.10s

प्रतिक्रिया समय (कुल): 1611.86s

गलत उत्तर: 6 API त्रुटि: 2 समय समाप्त: 2 निर्देशों का पालन नहीं किया: 1 अमान्य टूल कॉल: 1

Hamster playing table tennis

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

#251 DeepSeek V3.2

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

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-10-01 02:45 दोबारा परीक्षण 6.3 10.0 $0.152 ↑ वर्तमान रन
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 तुलना करें
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

रनबेंचमार्क कवरेजस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-10-01 02:45 · वर्तमान रन69/69 प्रयास6.37.510.011/237139,141306,662$0.15270.08s
2026-07-16 23:13 · नया टेस्ट जोड़ा गया66/66 प्रयास7.07.410.011/227128,848101,047$0.07868.62s
अंतर—-0.7+0.10.000+10293+205615+$0.075+1466ms

बेंचमार्क कवरेज अलग है: 69/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 66/66 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत कैश पढ़ने की कीमत कैश लिखने की कीमत
2026-06-04 15:40 $0.229 / 1M $0.344 / 1M लागू नहीं लागू नहीं
2026-07-10 11:30 $0.215 / 1M $0.322 / 1M लागू नहीं लागू नहीं
2026-08-14 12:51 $0.269 / 1M $0.400 / 1M लागू नहीं लागू नहीं
2026-10-01 18:33 $0.280 / 1M $0.420 / 1M $0.028 / 1M लागू नहीं

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

DeepSeek V3.2mediumvsSpace Bunny AlphamediumDeepSeek V3.2mediumvsTrinity Large ThinkinglowDeepSeek V3.2mediumvsLing 3.1 FlashlowDeepSeek V3.2mediumvsDeepSeek V4 Flash 0423noneDeepSeek V3.2mediumvsQwen3.5 Plus 2026-02-15noneDeepSeek V3.2mediumvsGrok 4.20mediumDeepSeek V3.2mediumvsSolar Pro 4highDeepSeek V3.2mediumvsSpace Bunny AlphaxhighDeepSeek V3.2mediumvsGemini 3.1 Flash LitelowDeepSeek V3.2mediumvsKAT-Coder-Pro V2.5medium

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
स्वायत्त एजेंट कार्य 3.0 10.0
एंटी-एआई ट्रिक्स 8.2 7.9
कोडिंग 6.0 7.2
संयुक्त 7.3 5.8
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 2.9 4.4
Samanya Buddhimatta 3.4 2.5
निर्देश पालन 10.0 10.0
पहेली समाधान 7.0 7.2
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल