AI BENCHY Compare

DeepSeek: DeepSeek V3.2 vs Mistral: Mistral Small 4

Ringkasan

DeepSeek V3.2 unggul dalam skor rata-rata dengan 5.3 vs 5.1. DeepSeek V3.2 memiliki biaya benchmark lebih rendah di $0.016 vs $0.068. Mistral Small 4 (medium) lebih cepat di 9.40s vs 13.83s, dengan tingkat keberhasilan 39.7% vs 44.4%.

Model yang direkomendasikanDeepSeek V3.2It has the best score here (5.3), while costing about 4.3x less than Mistral Small 4 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-14

Metrik	DeepSeek V3.2 DeepSeek V3.2 none Rilis: 2025-12-01	Mistral Small 4 Mistral Small 4 medium Rilis: 2026-03-16

Metrik	DeepSeek V3.2 DeepSeek V3.2 none Rilis: 2025-12-01	Mistral Small 4 Mistral Small 4 medium Rilis: 2026-03-16
Skor	5.3	5.1
Peringkat	#153	#160
Keandalan	10.0	10.0
Konsistensi	7.6	6.9
Tes benar
Tingkat lulus per percobaan	39.7%	44.4%
Tes tidak stabil	6	8
Total Run	63	63
Biaya per hasil	0.306	1.344
Total Biaya	$0.016	$0.068
Harga input	$0.215 / 1M	$0.150 / 1M
Harga output	$0.322 / 1M	$0.600 / 1M
Total token input	55,997	42,576
Token output	11,165	24,184
Token penalaran	0	84,678
Waktu respons (rata-rata)	13.83s	9.40s
Waktu respons (maks)	115.89s	59.15s
Waktu respons (total)	290.43s	197.39s

Showcase generasi

Hamster playing table tennis

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

#153 DeepSeek V3.2

none

Biaya: $0.002
Waktu: 7.0s
Token: 1,046 tok

#160 Mistral Small 4

medium

Biaya: $0.006
Waktu: 47.9s
Token: 9,857 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	3.2	8.0	8.3%	1		9.35s	494	1,073	0
Mistral Small 4	5.6	3.8	66.7%	3		2.67s	708	4,055	4,778

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	3.1	6.9	11.1%	1		14.54s	7,279	4,528	0
Mistral Small 4	4.4	5.1	33.3%	2		39.98s	7,636	11,635	54,715

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	6.5	10.0	0.0%	0		115.89s	29,843	2,887	0
Mistral Small 4	3.0	10.0	0.0%	0		25.25s	18,706	2,612	10,700

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	6.3	5.8	66.7%	1		9.42s	7,890	1,710	0
Mistral Small 4	7.3	5.9	83.3%	1		1.23s	6,171	335	723

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	7.2	11.1%	1		4.17s	624	21	0
Mistral Small 4	5.3	7.2	44.4%	1		6.11s	742	2,621	6,904

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	4.7	1.6	66.7%	1		9.32s	314	43	0
Mistral Small 4	4.8	10.0	0.0%	0		2.05s	519	821	828

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		1.52s	627	66	0
Mistral Small 4	7.3	5.8	83.3%	1		1.38s	729	540	1,031

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	7.6	7.2	77.8%	1		6.91s	424	298	0
Mistral Small 4	3.4	9.7	0.0%	0		2.17s	735	1,226	2,632

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		11.85s	8,319	522	0
Mistral Small 4	10.0	10.0	100.0%	0		3.50s	6,420	321	810

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		17.23s	183	17	0
Mistral Small 4	3.0	10.0	0.0%	0		5.92s	210	18	1,557

Perbandingan Cepat

Ganti Pasangan Perbandingan