AI BENCHY
Advertise here
#71

DeepSeek V3.2

DeepSeek रिलीज़: 2025-12-01 परीक्षण किया गया: 2026-06-04 14:41 deepseek/deepseek-v3.2::medium
(medium) (none)

सारांश

DeepSeek V3.2 AI BENCHY पर 7.0 स्कोर करता है और #71 पर है। इसकी reliability 10.0, pass rate 65.1%, कुल लागत $0.044, और औसत response time 68.71s है।

DeepSeek V3.2 को अलग क्या बनाता है: यह संयुक्त में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि Samanya Buddhimatta इसकी सबसे कमजोर जगह है, जहाँ यह #17 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।

स्कोर

7.0

संगति

7.6

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.044 ↓ -8.4%

परीक्षण के समय: $0.048

कुल आउटपुट टोकन

106,267

कुल इनपुट टोकन

38,333

इनपुट कीमत

$0.229 / 1M

आउटपुट कीमत

$0.344 / 1M

सही परीक्षण

गलत टेस्ट: 10

प्रति प्रयास पास दर: 65.1%

अस्थिर टेस्ट

6

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

प्रतिक्रिया समय (औसत)

68.71s

प्रतिक्रिया समय (अधिकतम): 376.10s

प्रतिक्रिया समय (कुल): 1442.81s

गलत उत्तर: 5 API त्रुटि: 2 समय समाप्त: 2 निर्देशों का पालन नहीं किया: 1

Hamster playing table tennis

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

#71 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
2026-07-16 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 ↓ वर्तमान रन
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।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-06-04 14:42 $0.229 / 1M $0.344 / 1M

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 V3.2mediumvsGLM 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 8.2 7.9
कोडिंग 6.0 7.2
संयुक्त 10.0 10.0
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