Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs DeepSeek: DeepSeek V4 Flash

Ringkasan

Perbandingan benchmark Claude Opus 4.6 vs DeepSeek V4 Flash: DeepSeek V4 Flash unggul dalam skor rata-rata dengan 8.3 vs 7.7. DeepSeek V4 Flash memiliki biaya benchmark lebih rendah di $0.029 vs $2.053. Claude Opus 4.6 lebih cepat di 25.89s vs 45.85s, dengan tingkat keberhasilan 61.9% vs 74.6%.

Model yang direkomendasikan: DeepSeek V4 Flash - It has the best score here (8.3), while costing about 72.1x less than Claude Opus 4.6.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-12

Metrik Claude Opus 4.6 Claude Opus 4.6 medium Rilis: 2026-02-05 DeepSeek V4 Flash DeepSeek V4 Flash high Rilis: 2026-04-24
Skor 7.7 8.3
Peringkat #41 #26
Keandalan 10.0 10.0
Konsistensi 8.8 8.5
Tes benar
Tingkat lulus per percobaan 61.9% 74.6%
Tes tidak stabil 3 4
Total Run 63 63
Biaya per hasil 17.103 0.299
Total Biaya $2.053 $0.029
Harga input $5.000 / 1M $0.098 / 1M
Harga output $25.000 / 1M $0.196 / 1M
Total token input 53,227 39,745
Token output 47,446 10,310
Token penalaran 24,000 123,501
Waktu respons (rata-rata) 25.89s 45.85s
Waktu respons (maks) 83.40s 218.13s
Waktu respons (total) 362.49s 962.79s

Generation showcase

Hamster playing table tennis

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

#41 Claude Opus 4.6

medium
Invalid SVG
Cost
$0.000
Time
300.0s
Tokens
0 tok

#26 DeepSeek V4 Flash

high
Cost
$0.003
Time
93.1s
Tokens
7,926 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
DeepSeek V4 Flash 8.3 10.0 75.0% 0 28.51s 540 140 7,770
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
DeepSeek V4 Flash 7.8 10.0 66.7% 0 50.60s 7,279 395 34,862
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
DeepSeek V4 Flash 10.0 10.0 100.0% 0 76.57s 14,016 465 7,347
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
DeepSeek V4 Flash 10.0 10.0 100.0% 0 28.03s 7,290 201 1,179
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
DeepSeek V4 Flash 4.1 4.4 44.5% 2 100.31s 666 27 59,249
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
DeepSeek V4 Flash 6.1 3.1 66.7% 1 25.15s 471 79 632
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
DeepSeek V4 Flash 10.0 10.0 100.0% 0 15.36s 627 63 1,622
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
DeepSeek V4 Flash 8.2 7.2 88.9% 1 26.11s 594 196 1,767
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
DeepSeek V4 Flash 10.0 10.0 100.0% 0 74.73s 8,079 228 542
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
DeepSeek V4 Flash 3.0 10.0 0.0% 0 54.46s 183 8,516 8,531

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.6mediumvsStep 3.7 FlashlowDeepSeek V4 FlashhighvsGemini 2.5 FlashmediumDeepSeek V4 FlashhighvsQwen3.7 PlusmediumDeepSeek V4 FlashhighvsGPT-5.2mediumDeepSeek V4 FlashhighvsNemotron 3 Ultra 550b A55bmediumTersedia gratisDeepSeek V4 FlashhighvsGLM 5 TurbomediumClaude Opus 4.6mediumvsGPT-5.3 ChatnoneDeepSeek V4 FlashhighvsStep 3.7 FlashmediumDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneSeed-2.0-LitemediumvsDeepSeek V4 FlashhighDeepSeek V4 FlashhighvsGPT-5.4mediumDeepSeek V4 FlashhighvsGPT-5.4 Minimedium