#78 DeepSeek V4 Pro
none
अमान्य SVG
- लागत
- $0.000
- समय
- 300.0s
- टोकन
- 0 tok
DeepSeek
रिलीज़: 2026-04-24
परीक्षण किया गया: 2026-04-29 14:46
deepseek/deepseek-v4-pro::none
(high)
(none)
सारांश
DeepSeek V4 Pro AI BENCHY पर 6.2 स्कोर करता है और #78 पर है। इसकी reliability 7.9, pass rate 48.2%, कुल लागत $0.043, और औसत response time 14.01s 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 #17 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
6.2
संगति
8.7
7.9
$0.043
कुल आउटपुट टोकन
3,903
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)।
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 23:18 नया टेस्ट जोड़ा गया | 6.9 | 10.0 | $0.096 | तुलना करें | |
| 2026-06-16 15:17 दोबारा परीक्षण | 7.2 | 9.9 | $0.034 | तुलना करें | |
| 2026-06-16 14:39 सूट बदला गया | 7.2 | 9.9 | $0.030 | 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 | तुलना करें | |
| 2026-04-29 14:46 दोबारा परीक्षण | 6.2 | 7.9 | $0.043 | वर्तमान रन | |
| 2026-04-24 09:19 पहला रन | 3.1 | लागू नहीं | $0.009 | तुलना करें |
रन तुलना
| रन | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-29 14:46 · दोबारा परीक्षण | 6.2 | 8.7 | 7.9 | 7/18 | 3 | 3,903 | 0 | $0.043 | 14.01s |
| 2026-06-16 15:17 · दोबारा परीक्षण | 7.2 | 8.8 | 9.9 | 10/21 | 3 | 11,424 | 53,558 | $0.034 | 6.41s |
| अंतर | -1.0 | -0.1 | -2.0 | -3 | 0 | -7521 | -53558 | +$0.009 | +7594ms |
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 PrononevsKAT-Coder-Pro V2.5mediumDeepSeek V4 PrononevsGPT-5.6 SolnoneDeepSeek V4 PrononevsSeed-2.0-MinimediumDeepSeek V4 PrononevsMiMo-V2.5-PromediumDeepSeek V4 PrononevsGemini 3.5 FlashnoneDeepSeek V4 PrononevsQwen3.6 FlashmediumDeepSeek V4 PrononevsMercury 2mediumDeepSeek V4 PrononevsStep 3.7 FlashhighDeepSeek V4 PrononevsKimi K2.5mediumDeepSeek V4 PrononevsGPT-5.5none
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 3.5 | 8.0 | |
| कोडिंग | 7.1 | 3.7 | |
| संयुक्त | 9.5 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 4.3 | 9.9 | |
| निर्देश पालन | 6.3 | 10.0 | |
| पहेली समाधान | 6.0 | 7.1 | |
| टूल कॉलिंग | 10.0 | 10.0 |