AI BENCHY Compare

DeepSeek: DeepSeek V4 Flash vs xAI: Grok 4.3

Ringkasan

Perbandingan benchmark DeepSeek V4 Flash vs Grok 4.3: 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 $0.614. DeepSeek V4 Flash lebih cepat di 45.85s vs 47.51s, dengan tingkat keberhasilan 74.6% vs 71.4%.

Model yang direkomendasikan: DeepSeek V4 Flash - It has the best score here (8.3), while costing about 21.6x less than Grok 4.3.

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

Metrik	DeepSeek V4 Flash DeepSeek V4 Flash high Rilis: 2026-04-24	Grok 4.3 Grok 4.3 medium Rilis: 2026-05-01

Metrik	DeepSeek V4 Flash DeepSeek V4 Flash high Rilis: 2026-04-24	Grok 4.3 Grok 4.3 medium Rilis: 2026-05-01
Skor	8.3	7.7
Peringkat	#26	#40
Keandalan	10.0	10.0
Konsistensi	8.5	8.5
Tes benar
Tingkat lulus per percobaan	74.6%	71.4%
Tes tidak stabil	4	4
Total Run	63	63
Biaya per hasil	0.299	4.724
Total Biaya	$0.029	$0.614
Harga input	$0.098 / 1M	$1.250 / 1M
Harga output	$0.196 / 1M	$2.500 / 1M
Total token input	39,745	44,472
Token output	10,310	1,981
Token penalaran	123,501	221,382
Waktu respons (rata-rata)	45.85s	47.51s
Waktu respons (maks)	218.13s	216.69s
Waktu respons (total)	962.79s	997.68s

Generation showcase

Hamster playing table tennis

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

#26 DeepSeek V4 Flash

high

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

#40 xAI: Grok 4.3

medium

Cost: $0.009
Time: 19.0s
Tokens: 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

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 V4 Flash	8.3	10.0	75.0%	0		28.51s	540	140	7,770
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 V4 Flash	7.8	10.0	66.7%	0		50.60s	7,279	395	34,862
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 V4 Flash	10.0	10.0	100.0%	0		76.57s	14,016	465	7,347
Grok 4.3	10.0	10.0	100.0%	0		63.99s	12,909	234	15,301

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 V4 Flash	10.0	10.0	100.0%	0		28.03s	7,290	201	1,179
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 V4 Flash	4.1	4.4	44.5%	2		100.31s	666	27	59,249
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 V4 Flash	6.1	3.1	66.7%	1		25.15s	471	79	632
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 V4 Flash	10.0	10.0	100.0%	0		15.36s	627	63	1,622
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 V4 Flash	8.2	7.2	88.9%	1		26.11s	594	196	1,767
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 V4 Flash	10.0	10.0	100.0%	0		74.73s	8,079	228	542
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 V4 Flash	3.0	10.0	0.0%	0		54.46s	183	8,516	8,531
Grok 4.3	3.0	10.0	0.0%	0		44.47s	549	14	12,986

Perbandingan Cepat

Ganti Pasangan Perbandingan