#20
DeepSeek
रिलीज़: 2026-04-24
परीक्षण किया गया: 2026-04-25 21:53
deepseek/deepseek-v4-pro::high
(high)
(none)
इनपुट कीमत
$1.740 / 1M
आउटपुट कीमत
$3.480 / 1M
अस्थिर टेस्ट
2
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-05-22 00:54 सूट बदला गया | 6.6 | 9.0 | $0.212 | तुलना करें | |
| 2026-04-29 14:47 दोबारा परीक्षण | 7.5 | 9.3 | $0.209 | तुलना करें | |
| 2026-04-26 10:50 दोबारा परीक्षण | 7.5 | 8.4 | $0.201 | तुलना करें | |
| 2026-04-25 21:53 पहला रन | 8.2 | लागू नहीं | $0.329 | वर्तमान रन |
रन तुलना
| रन | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|
| 2026-04-25 21:53 · पहला रन | 8.2 | 9.2 | लागू नहीं | 13/18 | 2 | 84,562 | $0.329 | 72.92s |
| 2026-05-22 00:54 · सूट बदला गया | 6.6 | 8.3 | 9.0 | 11/20 | 4 | 65,985 | $0.212 | 58.93s |
| अंतर | +1.6 | +0.9 | +2 | -2 | +18577 | +$0.117 | +13988ms |
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 vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
DeepSeek V4 ProhighvsQwen3.5-35B-A3BmediumDeepSeek V4 ProhighvsRing-2.6-1TnoneDeepSeek V4 ProhighvsDeepSeek V3.2mediumDeepSeek V4 ProhighvsClaude Opus 4.6mediumDeepSeek V4 ProhighvsGPT-5.4 NanomediumDeepSeek V4 ProhighvsGemini 3 Flash PreviewmediumDeepSeek V4 ProhighvsGemini 3.5 FlashhighDeepSeek V4 ProhighvsRing-2.6-1TmediumDeepSeek V4 ProhighvsGemini 3.5 Flashlow
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 8.3 | 10.0 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 6.1 | 3.1 | |
| निर्देश पालन | 10.0 | 10.0 | |
| पहेली समाधान | 7.6 | 7.4 | |
| टूल कॉलिंग | 10.0 | 10.0 |