#111

DeepSeek V4 Pro 0423

DeepSeek रिलीज़: 2026-04-24 परीक्षण किया गया: 2026-06-04 14:24 deepseek/deepseek-v4-pro::none

1.6T कुल (49B सक्रिय)MoEमुक्त स्रोत

(high) (none)

सारांश

DeepSeek V4 Pro 0423 AI BENCHY पर 5.7 स्कोर करता है और #111 पर है। इसकी reliability 8.5, pass rate 42.9%, कुल लागत $0.025, और औसत response time 12.38s है।

DeepSeek V4 Pro 0423 को अलग क्या बनाता है: इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

घोषित

पैरामीटर: 1.6T कुल (49B सक्रिय)
आर्किटेक्चर: MoE
उपलब्धता: मुक्त स्रोत
लाइसेंस: MIT

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

5.7

संगति

8.5

विश्वसनीयता

8.5

कुल लागत (वर्तमान कीमत)

$0.025 ↓ -47.7%

परीक्षण के समय: $0.047

कुल आउटपुट टोकन

5,349

कुल इनपुट टोकन

44,845

इनपुट कीमत

$0.435 / 1M

आउटपुट कीमत

$0.870 / 1M

कैश पढ़ने की कीमत

लागू नहीं

कैश लिखने की कीमत

लागू नहीं

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

सही परीक्षण

गलत टेस्ट: 14

प्रति प्रयास पास दर: 42.9%

अस्थिर टेस्ट

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

12.38s

प्रतिक्रिया समय (अधिकतम): 58.65s

प्रतिक्रिया समय (कुल): 260.06s

गलत उत्तर: 10 निर्देशों का पालन नहीं किया: 2 API त्रुटि: 1 अतिरिक्त फॉर्मेटिंग: 1

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#111 DeepSeek V4 Pro

none

Reached the allocated time limit (300 seconds) without receiving showcase output.

लागत: $0.000
समय: 300.0s
टोकन: 0 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	कुल लागत	तुलना करें
2026-08-14 03:00 दोबारा परीक्षण	6.8	10.0	$0.256 ↑	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 ↓	वर्तमान रन
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	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	बेंचमार्क कवरेज	स्कोर	संगति	विश्वसनीयता	सही परीक्षण	अस्थिर टेस्ट	कुल आउटपुट टोकन	कुल इनपुट टोकन	कुल लागत	प्रतिक्रिया समय (औसत)
2026-06-04 14:24 · नया टेस्ट जोड़ा गया	63/63 प्रयास	5.7	8.5	8.5	7/21	4	5,349	44,845	$0.025	12.38s
2026-07-16 23:18 · नया टेस्ट जोड़ा गया	66/66 प्रयास	6.9	8.6	10.0	10/22	4	35,551	148,069	$0.096	11.55s
अंतर	—	-1.2	-0.1	-1.5	-3	0	-30202	-103224	-$0.072	+833ms

बेंचमार्क कवरेज अलग है: 63/63 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 66/66 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख	इनपुट कीमत	आउटपुट कीमत	कैश पढ़ने की कीमत	कैश लिखने की कीमत
2026-06-04 14:42	$0.435 / 1M	$0.870 / 1M	लागू नहीं	लागू नहीं

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी	स्कोर	संगति
एंटी-एआई ट्रिक्स	3.5	8.0
कोडिंग	4.6	7.9
संयुक्त	9.5	10.0
डेटा पार्सिंग और निष्कर्षण	6.9	5.8
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

DeepSeek V4 Pro 0423

मॉडल विवरण

Hamster playing table tennis

#111 DeepSeek V4 Pro

चार्ट

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

श्रेणी विवरण

तुलना किए गए मॉडल