#55 DeepSeek V4 Flash
high- Cost
- $0.003
- Time
- 93.1s
- Tokens
- 7,926 tok
DeepSeek
रिलीज़: 2026-04-24
परीक्षण किया गया: 2026-05-22 00:39
deepseek/deepseek-v4-flash::high
(high)
(none)
सारांश
DeepSeek V4 Flash AI BENCHY पर 7.4 स्कोर करता है और #55 पर है। इसकी reliability 10.0, pass rate 71.7%, कुल लागत $0.038, और औसत response time 46.28s है।
DeepSeek V4 Flash को अलग क्या बनाता है: यह डेटा पार्सिंग और निष्कर्षण में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि डोमेन-विशिष्ट इसकी सबसे कमजोर जगह है, जहाँ यह #13 पर है।
7.4
संगति
8.0
10.0
$0.038
कुल आउटपुट टोकन
126,869
कुल इनपुट टोकन
0
इनपुट कीमत
$0.112 / 1M
आउटपुट कीमत
$0.224 / 1M
अस्थिर टेस्ट
5
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Generation showcase
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 |
|---|---|---|---|---|---|
| 2026-06-04 14:24 दोबारा परीक्षण | 7.7 | 10.0 | $0.029 ↓ | तुलना करें | |
| 2026-06-04 13:02 नया टेस्ट जोड़ा गया | 7.7 | 10.0 | $0.028 ↓ | तुलना करें | |
| 2026-05-22 00:39 सूट बदला गया | 7.4 | 10.0 | $0.038 | वर्तमान रन | |
| 2026-04-25 21:41 दोबारा परीक्षण | 7.8 | लागू नहीं | $0.031 | तुलना करें | |
| 2026-04-24 09:19 पहला रन | 7.8 | लागू नहीं | $0.019 | 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) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:39 · सूट बदला गया | 7.4 | 8.0 | 10.0 | 11/20 | 5 | 126,869 | 0 | $0.038 | 46.28s |
| 2026-06-04 13:02 · नया टेस्ट जोड़ा गया | 7.7 | 8.5 | 10.0 | 13/21 | 4 | 128,045 | 38,019 | $0.028 | 44.95s |
| अंतर | -0.3 | -0.5 | 0.0 | -2 | +1 | -1176 | -38019 | +$0.010 | +1324ms |
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 V4 Flashhighनिःशुल्क उपलब्धvsGemma 4 31Bmediumनिःशुल्क उपलब्धDeepSeek V4 Flashhighनिःशुल्क उपलब्धvsQwen3.5-122B-A10BmediumDeepSeek V4 Flashhighनिःशुल्क उपलब्धvsQwen3.6 PlusmediumDeepSeek V4 Flashhighनिःशुल्क उपलब्धvsQwen3.5-27BmediumDeepSeek V4 Flashhighनिःशुल्क उपलब्धvsQwen3.5 Plus 2026-02-15mediumDeepSeek V4 Flashhighनिःशुल्क उपलब्धvsGemini 3 Flash PreviewmediumDeepSeek V4 Flashhighनिःशुल्क उपलब्धvsGemini 3.5 FlashhighDeepSeek V4 Flashhighनिःशुल्क उपलब्धvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धDeepSeek V4 Flashhighनिःशुल्क उपलब्धvsGemini 3.5 Flashlow
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 8.3 | 10.0 | |
| कोडिंग | 6.8 | 10.0 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 4.1 | 4.4 | |
| Samanya Buddhimatta | 6.1 | 3.1 | |
| निर्देश पालन | 10.0 | 10.0 | |
| पहेली समाधान | 6.4 | 4.4 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |