#112 DeepSeek V4 Pro
none
Reached the allocated time limit (300 seconds) without receiving showcase output.
- लागत
- $0.000
- समय
- 300.0s
- टोकन
- 0 tok
DeepSeek
रिलीज़: 2026-04-24
परीक्षण किया गया: 2026-04-24 09:19
deepseek/deepseek-v4-pro::none
1.6T कुल (49B सक्रिय)MoEमुक्त स्रोत
(high)
(none)
सारांश
DeepSeek V4 Pro 0423 AI BENCHY पर 3.1 स्कोर करता है और #112 पर है। इसकी reliability लागू नहीं, pass rate 11.1%, कुल लागत $0.009, और औसत response time 44.40s 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
- पैरामीटर
- 1.6T कुल (49B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- मुक्त स्रोत
- लाइसेंस
- MIT
3.1
संगति
7.2
लागू नहीं
$0.009
कुल आउटपुट टोकन
591
कुल इनपुट टोकन
0
इनपुट कीमत
$1.740 / 1M
आउटपुट कीमत
$3.480 / 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।
अस्थिर टेस्ट
6
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 |
|---|---|---|---|---|---|
| 2026-08-14 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 ↓ | 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 | तुलना करें | |
| 2026-04-24 09:19 पहला रन | 3.1 | लागू नहीं | $0.009 | वर्तमान रन |
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-24 09:19 · पहला रन | 54/54 प्रयास | 3.1 | 7.2 | लागू नहीं | 0/18 | 6 | 591 | 0 | $0.009 | 44.40s |
| 2026-08-14 03:00 · दोबारा परीक्षण | 66/66 प्रयास | 6.8 | 8.6 | 10.0 | 9/22 | 4 | 35,547 | 148,078 | $0.256 | 11.71s |
| अंतर | — | -3.7 | -1.4 | -9 | +2 | -34956 | -148078 | -$0.248 | +32686ms |
बेंचमार्क कवरेज अलग है: 54/54 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।
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 Pro 0423nonevsInkling Smallhighनिःशुल्क उपलब्धDeepSeek V4 Pro 0423nonevsInklingmediumनिःशुल्क उपलब्धDeepSeek V4 Pro 0423nonevsGrok 4.7lowDeepSeek V4 Pro 0423nonevsGemma 4 26B A4Bmediumनिःशुल्क उपलब्धDeepSeek V4 Pro 0423nonevsGLM 5.3 FlashXhighDeepSeek V4 Pro 0423nonevsGLM 5.3 FlashhighDeepSeek V4 Pro 0423nonevsSeed-2.0-CodemediumDeepSeek V4 Pro 0423nonevsClaude Fable 5.1mediumDeepSeek V4 Pro 0423nonevsDeepSeek V4 Flash 0731lowDeepSeek V4 Pro 0423nonevsGrok 4.7medium
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 3.1 | 10.0 | |
| कोडिंग | 2.8 | 1.6 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 2.8 | 1.6 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 3.4 | 9.6 | |
| निर्देश पालन | 3.3 | 6.1 | |
| पहेली समाधान | 3.6 | 4.3 | |
| टूल कॉलिंग | 3.0 | 10.0 |