#238

DeepSeek V4 Flash 0423

DeepSeek रिलीज़: 2026-04-24 परीक्षण किया गया: 2026-08-14 02:59 deepseek/deepseek-v4-flash::none

284B कुल (13B सक्रिय)MoEमुक्त स्रोत

(high) (none)

सारांश

DeepSeek V4 Flash 0423 AI BENCHY पर 5.4 स्कोर करता है और #238 पर है। इसकी reliability 10.0, pass rate 27.3%, कुल लागत $0.039, और औसत response time 36.17s है।

DeepSeek V4 Flash 0423 को अलग क्या बनाता है: यह डेटा पार्सिंग और निष्कर्षण में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #14 पर है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

घोषित

पैरामीटर: 284B कुल (13B सक्रिय)
आर्किटेक्चर: MoE
उपलब्धता: मुक्त स्रोत
लाइसेंस: MIT

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

5.4

संगति

8.5

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.039 ↓ -15.4%

परीक्षण के समय: $0.046

कुल आउटपुट टोकन

100,726

कुल इनपुट टोकन

240,230

इनपुट कीमत

$0.088 / 1M

आउटपुट कीमत

$0.176 / 1M

सही परीक्षण

गलत टेस्ट: 18

प्रति प्रयास पास दर: 27.3%

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

36.17s

प्रतिक्रिया समय (अधिकतम): 247.27s

प्रतिक्रिया समय (कुल): 795.83s

गलत उत्तर: 13 अतिरिक्त फॉर्मेटिंग: 2 अमान्य टूल कॉल: 2 निर्देशों का पालन नहीं किया: 1

Hamster playing table tennis

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

#238 DeepSeek V4 Flash 0423

none

लागत: $0.004
समय: 157.6s
टोकन: 11,297 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	कुल लागत	तुलना करें
2026-08-14 02:59 दोबारा परीक्षण	5.4	10.0	$0.039 ↓	वर्तमान रन
2026-07-16 23:22 नया टेस्ट जोड़ा गया	5.6	10.0	$0.044 ↓	तुलना करें
2026-06-04 14:22 दोबारा परीक्षण	5.0	10.0	$0.008 ↓	तुलना करें
2026-06-04 13:02 नया टेस्ट जोड़ा गया	5.0	10.0	$0.008 ↓	तुलना करें
2026-05-22 00:37 सूट बदला गया	5.1	10.0	$0.010	तुलना करें
2026-04-24 09:19 पहला रन	5.3	लागू नहीं	$0.008	तुलना करें

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

रन तुलना

रन	बेंचमार्क कवरेज	स्कोर	संगति	विश्वसनीयता	सही परीक्षण	अस्थिर टेस्ट	कुल आउटपुट टोकन	कुल इनपुट टोकन	कुल लागत	प्रतिक्रिया समय (औसत)
2026-08-14 02:59 · वर्तमान रन	66/66 प्रयास	5.4	8.5	10.0	4/22	4	100,726	240,230	$0.039	36.17s
2026-04-24 09:19 · पहला रन	54/54 प्रयास	5.3	9.1	लागू नहीं	5/18	2	4,444	0	$0.008	29.39s
अंतर	—	+0.1	-0.6		-1	+2	+96282	+240230	+$0.032	+6779ms

बेंचमार्क कवरेज अलग है: 66/66 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 54/54 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
2026-06-04 15:40	$0.099 / 1M	$0.197 / 1M
2026-06-12 18:42	$0.098 / 1M	$0.196 / 1M
2026-06-17 10:07	$0.090 / 1M	$0.180 / 1M
2026-07-02 16:22	$0.090 / 1M	$0.180 / 1M
2026-07-21 16:10	$0.094 / 1M	$0.188 / 1M
2026-08-14 12:51	$0.140 / 1M	$0.280 / 1M
2026-09-04 19:19	$0.088 / 1M	$0.176 / 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

श्रेणी विवरण

श्रेणी	स्कोर	संगति
एंटी-एआई ट्रिक्स	3.0	10.0
कोडिंग	4.2	7.4
संयुक्त	4.6	1.8
डेटा पार्सिंग और निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	3.0	10.0
Samanya Buddhimatta	4.2	9.9
निर्देश पालन	6.5	10.0
पहेली समाधान	3.1	7.3
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

DeepSeek V4 Flash 0423

मॉडल विवरण

Hamster playing table tennis

#238 DeepSeek V4 Flash 0423

चार्ट

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

श्रेणी विवरण

तुलना किए गए मॉडल