#95 DeepSeek V4 Pro
none
Invalid SVG
- Cost
- $0.000
- Time
- 300.0s
- Tokens
- 0 tok
DeepSeek
रिलीज़: 2026-04-24
परीक्षण किया गया: 2026-05-22 00:38
deepseek/deepseek-v4-pro::none
(high)
(none)
सारांश
DeepSeek V4 Pro AI BENCHY पर 6.0 स्कोर करता है और #95 पर है। इसकी reliability 8.1, pass rate 48.3%, कुल लागत $0.046, और औसत response time 13.48s है।
DeepSeek V4 Pro को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #12 पर है।
6.0
संगति
8.9
8.1
$0.046
कुल आउटपुट टोकन
5,347
कुल इनपुट टोकन
0
इनपुट कीमत
$0.435 / 1M
आउटपुट कीमत
$0.870 / 1M
अस्थिर टेस्ट
3
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 नया टेस्ट जोड़ा गया | 5.7 | 8.5 | $0.025 ↓ | तुलना करें | |
| 2026-05-22 00:38 सूट बदला गया | 6.0 | 8.1 | $0.046 | वर्तमान रन | |
| 2026-04-29 14:46 दोबारा परीक्षण | 6.2 | 7.9 | $0.043 | तुलना करें | |
| 2026-04-24 09:19 पहला रन | 3.1 | लागू नहीं | $0.009 | 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 00:38 · सूट बदला गया | 6.0 | 8.9 | 8.1 | 8/20 | 3 | 5,347 | 0 | $0.046 | 13.48s |
| 2026-04-24 09:19 · पहला रन | 3.1 | 7.2 | लागू नहीं | 0/18 | 6 | 591 | 0 | $0.009 | 44.40s |
| अंतर | +2.9 | +1.7 | +8 | -3 | +4756 | 0 | +$0.037 | -30920ms |
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 PrononevsGPT-5.5noneDeepSeek V4 PrononevsGemini 3.1 Flash LitenoneDeepSeek V4 PrononevsGPT-5 NanomediumDeepSeek V4 PrononevsQwen3.5 Plus 2026-02-15noneDeepSeek V4 PrononevsGemini 3 Flash PreviewmediumDeepSeek V4 PrononevsGemini 3.5 FlashhighDeepSeek V4 PrononevsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धDeepSeek V4 PrononevsGemini 3.5 Flashlow
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 3.5 | 8.0 | |
| कोडिंग | 5.4 | 6.8 | |
| संयुक्त | 9.5 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 8.8 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 4.3 | 9.9 | |
| निर्देश पालन | 6.3 | 10.0 | |
| पहेली समाधान | 7.6 | 7.2 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |