#20 DeepSeek V4 Pro
high- लागत
- $0.023
- समय
- 257.6s
- टोकन
- 14,870 tok
DeepSeek
रिलीज़: 2026-04-24
परीक्षण किया गया: 2026-04-25 21:53
deepseek/deepseek-v4-pro::high
(high)
(none)
सारांश
DeepSeek V4 Pro AI BENCHY पर 8.2 स्कोर करता है और #20 पर है। इसकी reliability लागू नहीं, pass rate 77.8%, कुल लागत $0.329, और औसत response time 72.92s है।
DeepSeek V4 Pro को अलग क्या बनाता है: इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
8.2
संगति
9.2
लागू नहीं
$0.329
कुल आउटपुट टोकन
84,562
कुल इनपुट टोकन
0
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)।
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 23:19 नया टेस्ट जोड़ा गया | 7.7 | 10.0 | $0.200 | तुलना करें | |
| 2026-06-16 15:31 दोबारा परीक्षण | 7.6 | 9.3 | $0.157 | तुलना करें | |
| 2026-06-16 14:47 सूट बदला गया | 8.1 | 9.6 | $0.098 | तुलना करें | |
| 2026-06-04 14:38 नया टेस्ट जोड़ा गया | 6.0 | 8.9 | $0.079 ↓ | 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 इनपुट 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 | $0.329 | 72.92s |
| 2026-06-16 14:47 · सूट बदला गया | 8.1 | 7.8 | 9.6 | 10/21 | 6 | 99,520 | 35,122 | $0.098 | 72.22s |
| अंतर | +0.1 | +1.4 | +3 | -4 | -14958 | -35122 | +$0.231 | +699ms |
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 ProhighvsDeepSeek V4 FlashhighDeepSeek V4 ProhighvsMiniMax M3mediumDeepSeek V4 ProhighvsGPT-5.6 LunahighDeepSeek V4 ProhighvsGrok Build 0.1mediumDeepSeek V4 ProhighvsClaude Opus 4.6mediumDeepSeek V4 ProhighvsGPT-5.6 LunamediumDeepSeek V4 ProhighvsGLM 5mediumDeepSeek V4 ProhighvsNemotron 3 Ultramediumनिःशुल्क उपलब्धDeepSeek V4 ProhighvsClaude Opus 4.8lowDeepSeek V4 ProhighvsKimi K2.7 Codemedium
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 |