AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#61

DeepSeek V4 Pro

DeepSeek रिलीज़: 2026-04-24 परीक्षण किया गया: 2026-06-16 15:17 deepseek/deepseek-v4-pro::none
(high) (none)

सारांश

DeepSeek V4 Pro AI BENCHY पर 7.2 स्कोर करता है और #61 पर है। इसकी reliability 9.9, pass rate 52.4%, कुल लागत $0.034, और औसत response time 6.41s है।

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

संगति

8.8

कुल आउटपुट टोकन

11,424

कुल इनपुट टोकन

53,558

इनपुट कीमत

$0.435 / 1M

आउटपुट कीमत

$0.870 / 1M

सही परीक्षण

गलत टेस्ट: 11

प्रति प्रयास पास दर: 52.4%

अस्थिर टेस्ट

3

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

प्रतिक्रिया समय (औसत)

6.41s

प्रतिक्रिया समय (अधिकतम): 30.09s

प्रतिक्रिया समय (कुल): 134.66s

Hamster playing table tennis

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

#61 DeepSeek V4 Pro

none
अमान्य SVG
लागत
$0.000
समय
300.0s
टोकन
0 tok

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 वर्तमान रन
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 तुलना करें

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-06-17 09:56 $0.435 / 1M $0.870 / 1M

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 सही परीक्षण
एंटी-एआई ट्रिक्स 3.2 6.1
कोडिंग 5.6 10.0
संयुक्त 9.5 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 10.0
Samanya Buddhimatta 5.0 10.0
निर्देश पालन 6.3 5.8
पहेली समाधान 10.0 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल