AI BENCHY
Advertise here
#131

DeepSeek V3.2

DeepSeek रिलीज़: 2025-12-01 परीक्षण किया गया: 2026-06-04 14:22 deepseek/deepseek-v3.2::none
(medium) (none)

सारांश

DeepSeek V3.2 AI BENCHY पर 5.2 स्कोर करता है और #131 पर है। इसकी reliability 10.0, pass rate 39.7%, कुल लागत $0.017, और औसत response time 13.83s है।

DeepSeek V3.2 को अलग क्या बनाता है: यह निर्देश पालन में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि डेटा पार्सिंग और निष्कर्षण इसकी सबसे कमजोर जगह है, जहाँ यह #11 पर है।

स्कोर

5.2

संगति

7.6

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.017 ↓ -9.2%

परीक्षण के समय: $0.019

कुल आउटपुट टोकन

11,165

कुल इनपुट टोकन

55,997

इनपुट कीमत

$0.229 / 1M

आउटपुट कीमत

$0.344 / 1M

सही परीक्षण

गलत टेस्ट: 15

प्रति प्रयास पास दर: 39.7%

अस्थिर टेस्ट

6

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

प्रतिक्रिया समय (औसत)

13.83s

प्रतिक्रिया समय (अधिकतम): 115.89s

प्रतिक्रिया समय (कुल): 290.43s

गलत उत्तर: 7 API त्रुटि: 4 अतिरिक्त फॉर्मेटिंग: 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.

#131 DeepSeek V3.2

none
लागत
$0.002
समय
7.0s
टोकन
1,046 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-07-16 23:15 नया टेस्ट जोड़ा गया 5.0 10.0 $0.054 ↑ तुलना करें
2026-06-04 14:22 नया टेस्ट जोड़ा गया 5.2 10.0 $0.017 ↓ वर्तमान रन
2026-05-22 00:35 सूट बदला गया 5.6 10.0 $0.018 तुलना करें
2026-05-08 15:31 सूट बदला गया 5.7 10.0 $0.016 तुलना करें
2026-04-20 17:48 पहला दर्ज रन 6.1 लागू नहीं $0.016 तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

रन तुलना

रनस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-06-04 14:22 · नया टेस्ट जोड़ा गया5.27.610.06/21611,16555,997$0.01713.83s
2026-05-22 00:35 · सूट बदला गया5.68.010.07/20511,1630$0.01814.46s
अंतर-0.3-0.40.0-1+1+2+55997-$0.002-630ms

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
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 V3.2nonevsQwen3.6 27BnoneDeepSeek V3.2nonevsMiMo-V2.5-PrononeDeepSeek V3.2nonevsGLM 5.1noneDeepSeek V3.2nonevsKimi K2.5noneDeepSeek V3.2nonevsDeepSeek V4 FlashnoneDeepSeek V3.2nonevsGemma 4 26B A4Bnoneनिःशुल्क उपलब्धDeepSeek V3.2nonevsGemini 3 Flash PreviewmediumDeepSeek V3.2nonevsGemini 3.5 FlashhighDeepSeek V3.2nonevsNemotron 3 Ultramediumनिःशुल्क उपलब्धDeepSeek V3.2nonevsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 3.2 8.0
कोडिंग 3.1 6.9
संयुक्त 6.5 10.0
डेटा पार्सिंग और निष्कर्षण 6.3 5.8
डोमेन-विशिष्ट 2.9 7.2
Samanya Buddhimatta 4.7 1.6
निर्देश पालन 10.0 10.0
पहेली समाधान 7.6 7.2
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल