AI BENCHY Compare

DeepSeek: DeepSeek V3.2 vs xAI: Grok 4.3

Ringkasan

Grok 4.3 (medium) unggul dalam skor rata-rata dengan 7.1 vs 7.0. DeepSeek V3.2 (medium) memiliki biaya benchmark lebih rendah di $0.078 vs $0.779. Grok 4.3 (medium) lebih cepat di 47.45s vs 68.62s, dengan tingkat keberhasilan 65.2% vs 68.2%.

Model yang direkomendasikanDeepSeek V3.2 (medium)Its score stays close to the best score here (7.0 vs 7.1), while costing about 10.1x less than Grok 4.3 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-17

Metrik	DeepSeek V3.2 DeepSeek V3.2 medium Rilis: 2025-12-01	Grok 4.3 Grok 4.3 medium Rilis: 2026-05-01

Metrik	DeepSeek V3.2 DeepSeek V3.2 medium Rilis: 2025-12-01	Grok 4.3 Grok 4.3 medium Rilis: 2026-05-01
Skor	7.0	7.1
Peringkat	#73	#70
Keandalan	10.0	10.0
Konsistensi	7.4	8.6
Tes benar
Tingkat lulus per percobaan	65.2%	68.2%
Tes tidak stabil	7	4
Total Run	66	66
Biaya per hasil	0.671	5.990
Total Biaya	$0.078	$0.779
Harga input	$0.269 / 1M	$1.250 / 1M
Harga output	$0.400 / 1M	$2.500 / 1M
Total token input	101,047	140,031
Token output	11,834	13,739
Token penalaran	117,014	227,682
Waktu respons (rata-rata)	68.62s	47.45s
Waktu respons (maks)	376.10s	216.69s
Waktu respons (total)	1509.53s	1043.83s

Showcase generasi

Hamster playing table tennis

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

#73 DeepSeek V3.2

medium

Biaya: $0.001
Waktu: 53.6s
Token: 1,932 tok

#70 xAI: Grok 4.3

medium

Biaya: $0.009
Waktu: 19.0s
Token: 3,661 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

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
DeepSeek V3.2	8.2	7.9	83.3%	1		24.23s	448	3,247	6,953
Grok 4.3	10.0	10.0	100.0%	0		8.83s	2,010	88	8,207

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	6.0	7.2	55.6%	1		248.68s	5,717	649	52,014
Grok 4.3	5.9	7.7	44.4%	1		41.23s	8,340	1,028	31,226

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	7.3	5.8	83.3%	1		79.92s	76,997	5,219	24,229
Grok 4.3	6.5	10.0	50.0%	0		55.07s	108,468	11,992	21,601

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
DeepSeek V3.2	10.0	10.0	100.0%	0		36.09s	7,388	207	7,693
Grok 4.3	10.0	10.0	100.0%	0		18.97s	7,761	180	9,546

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	2.9	4.4	22.2%	2		24.27s	472	21	6,838
Grok 4.3	5.3	7.2	44.4%	1		181.74s	1,764	14	111,300

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	3.4	2.5	33.3%	1		58.29s	314	49	2,189
Grok 4.3	5.4	2.5	66.7%	1		24.70s	825	70	5,020

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	10.0	10.0	100.0%	0		35.78s	627	1,397	2,845
Grok 4.3	9.8	10.0	100.0%	0		18.58s	1,362	57	8,713

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	7.0	7.2	55.6%	1		37.69s	594	518	6,375
Grok 4.3	5.9	7.2	55.6%	1		22.52s	1,689	128	14,468

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	10.0	10.0	100.0%	0		34.81s	8,307	507	859
Grok 4.3	10.0	10.0	100.0%	0		17.66s	7,263	168	4,615

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	3.0	10.0	0.0%	0		83.99s	183	20	7,019
Grok 4.3	3.0	10.0	0.0%	0		44.47s	549	14	12,986

Perbandingan Cepat

Ganti Pasangan Perbandingan

DeepSeek V3.2mediumvsGemini 3.5 Flashnone Qwen3.7 PlusnonevsGrok 4.3medium KAT-Coder-Pro V2.5highvsGrok 4.3medium DeepSeek V3.2mediumvsGPT-5.6 Solnone Step 3.7 FlashlowvsGrok 4.3medium Claude Opus 4.8nonevsGrok 4.3medium Gemini 3.5 FlashnonevsGrok 4.3medium DeepSeek V3.2mediumvsQwen3.7 Plusnone DeepSeek V3.2mediumvsStep 3.7 Flashhigh DeepSeek V3.2mediumvsGPT-5.5none DeepSeek V3.2mediumvsGemini 3.5 Flashminimal Claude Sonnet 4.6nonevsGrok 4.3medium