#131 DeepSeek V4 Flash
none- लागत
- $0.004
- समय
- 157.6s
- टोकन
- 11,297 tok
DeepSeek
रिलीज़: 2026-04-24
परीक्षण किया गया: 2026-05-22 00:37
deepseek/deepseek-v4-flash::none
(high)
(none)
सारांश
DeepSeek V4 Flash AI BENCHY पर 5.1 स्कोर करता है और #131 पर है। इसकी reliability 10.0, pass rate 31.7%, कुल लागत $0.010, और औसत response time 27.85s 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 पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #17 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
5.1
संगति
8.8
10.0
$0.010
कुल आउटपुट टोकन
13,700
कुल इनपुट टोकन
0
इनपुट कीमत
$0.112 / 1M
आउटपुट कीमत
$0.224 / 1M
अस्थिर टेस्ट
3
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
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 |
|---|---|---|---|---|---|
| 2026-07-16 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 | वर्तमान रन | |
| 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 | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:37 · सूट बदला गया | 5.1 | 8.8 | 10.0 | 5/20 | 3 | 13,700 | 0 | $0.010 | 27.85s |
| 2026-06-04 13:02 · नया टेस्ट जोड़ा गया | 5.0 | 8.9 | 10.0 | 5/21 | 3 | 13,708 | 48,401 | $0.008 | 26.72s |
| अंतर | +0.1 | -0.1 | 0.0 | 0 | 0 | -8 | -48401 | +$0.003 | +1130ms |
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 Flashnoneनिःशुल्क उपलब्धvsKAT-Coder-Air V2.5mediumDeepSeek V4 Flashnoneनिःशुल्क उपलब्धvsGLM 5.1noneDeepSeek V4 Flashnoneनिःशुल्क उपलब्धvsKAT-Coder-Air V2.5highDeepSeek V4 Flashnoneनिःशुल्क उपलब्धvsQwen3.6 27BnoneDeepSeek V4 Flashnoneनिःशुल्क उपलब्धvsQwen3.5-122B-A10BnoneDeepSeek V4 Flashnoneनिःशुल्क उपलब्धvsMiMo-V2.5-PrononeDeepSeek V4 Flashnoneनिःशुल्क उपलब्धvsLing 3.0 Flashnoneनिःशुल्क उपलब्धDeepSeek V4 Flashnoneनिःशुल्क उपलब्धvsKimi K2.5noneDeepSeek V4 Flashnoneनिःशुल्क उपलब्धvsGLM 5noneDeepSeek V4 Flashnoneनिःशुल्क उपलब्धvsGemma 4 26B A4Bnoneनिःशुल्क उपलब्ध
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 3.0 | 10.0 | |
| कोडिंग | 4.8 | 6.0 | |
| संयुक्त | 4.5 | 2.1 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 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 |