AI BENCHY Compare

DeepSeek: DeepSeek V4 Flash vs xAI: Grok 4.5

Ringkasan

Perbandingan benchmark DeepSeek V4 Flash (high) vs Grok 4.5 (medium): Grok 4.5 (medium) unggul dalam skor rata-rata dengan 8.3 vs 8.3. DeepSeek V4 Flash (high) memiliki biaya benchmark lebih rendah di $0.027 vs $1.696. DeepSeek V4 Flash (high) lebih cepat di 45.85s vs 62.63s, dengan tingkat keberhasilan 74.6% vs 77.8%.

Model yang direkomendasikan: DeepSeek V4 Flash (high) - Its score stays close to the best score here (8.3 vs 8.3), while costing about 64.9x less than Grok 4.5 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-08

Metrik	DeepSeek V4 Flash DeepSeek V4 Flash high Rilis: 2026-04-24	Grok 4.5 Grok 4.5 medium Rilis: 2026-07-08

Metrik	DeepSeek V4 Flash DeepSeek V4 Flash high Rilis: 2026-04-24	Grok 4.5 Grok 4.5 medium Rilis: 2026-07-08
Skor	8.3	8.3
Peringkat	#24	#23
Keandalan	10.0	9.9
Konsistensi	8.5	8.9
Tes benar
Tingkat lulus per percobaan	74.6%	77.8%
Tes tidak stabil	4	3
Total Run	63	63
Biaya per hasil	0.299	11.304
Total Biaya	$0.027	$1.696
Harga input	$0.090 / 1M	$2.000 / 1M
Harga output	$0.180 / 1M	$6.000 / 1M
Total token input	39,745	53,500
Token output	10,310	1,621
Token penalaran	123,501	263,127
Waktu respons (rata-rata)	45.85s	62.63s
Waktu respons (maks)	218.13s	436.38s
Waktu respons (total)	962.79s	1315.20s

Showcase generasi

Hamster playing table tennis

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

#24 DeepSeek V4 Flash

high

Biaya: $0.003
Waktu: 93.1s
Token: 7,926 tok

#23 xAI: Grok 4.5

medium

Biaya: $0.044
Waktu: 59.4s
Token: 7,512 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 4.5	10.0	10.0	100.0%	0		23.50s	2,991	147	4,018

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 4.5	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634

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 4.5	10.0	10.0	100.0%	0		15.65s	15,084	261	4,254

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 4.5	10.0	10.0	100.0%	0		6.29s	8,937	225	3,657

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 4.5	2.9	7.2	11.1%	1		198.89s	2,212	11	121,922

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 4.5	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384

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 4.5	9.8	10.0	100.0%	0		6.06s	1,857	57	2,728

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 4.5	10.0	10.0	100.0%	0		7.75s	2,430	254	3,641

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 4.5	10.0	10.0	100.0%	0		6.57s	8,544	192	968

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 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921

Perbandingan Cepat

Ganti Pasangan Perbandingan