#71 DeepSeek V3.2
medium- Biaya
- $0.001
- Waktu
- 53.6s
- Token
- 1,932 tok
DeepSeek
Rilis: 2025-12-01
Diuji pada: 2026-05-22 00:46
deepseek/deepseek-v3.2::medium
671B total (37B aktif)MoESumber terbuka
(medium)
(none)
Ringkasan
DeepSeek V3.2 mendapat skor 7.0 di AI BENCHY dan berada di peringkat #71. Model ini memiliki reliabilitas 9.1, tingkat keberhasilan 69.2%, total biaya $0.037, dan waktu respons rata-rata 53.21s.
Yang membuat DeepSeek V3.2 unik: Total biaya benchmark-nya sangat rendah untuk kisaran skornya.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- 671B total (37B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Sumber terbuka
- Lisensi
- MIT
7.0
Konsistensi
7.6
9.1
$0.037
Total token output
75,252
Total token input
0
Harga input
$0.252 / 1M
Harga output
$0.378 / 1M
Tes tidak stabil
6
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-08-14 03:00 Uji ulang | 7.0 | 10.0 | $0.078 ↑ | Bandingkan | |
| 2026-07-16 23:13 Tes baru ditambahkan | 7.0 | 10.0 | $0.078 ↑ | Bandingkan | |
| 2026-06-04 14:41 Tes baru ditambahkan | 7.0 | 10.0 | $0.044 ↓ | Bandingkan | |
| 2026-05-22 00:46 Suite berubah | 7.0 | 9.1 | $0.037 | Run saat ini | |
| 2026-05-08 15:27 Suite berubah | 7.2 | 10.0 | $0.031 | Bandingkan | |
| 2026-04-20 17:48 Run pertama yang tercatat | 8.0 | T/A | $0.029 | Bandingkan |
Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:46 · Suite berubah | 60/60 percobaan | 7.0 | 7.6 | 9.1 | 11/20 | 6 | 75,252 | 0 | $0.037 | 53.21s |
| 2026-06-04 14:41 · Tes baru ditambahkan | 63/63 percobaan | 7.0 | 7.6 | 10.0 | 11/21 | 6 | 106,267 | 38,333 | $0.044 | 68.71s |
| Selisih | — | 0.0 | 0.0 | -0.9 | 0 | 0 | -31015 | -38333 | -$0.008 | -15493ms |
Cakupan benchmark berbeda: 60/60 percobaan (Target: 3 pengulangan per tes) dibanding 63/63 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
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
Perbandingan Cepat
DeepSeek V3.2mediumvsGPT-5.6 SolnoneDeepSeek V3.2mediumvsGLM 5.1mediumDeepSeek V3.2mediumvsGrok 4.3mediumDeepSeek V3.2mediumvsGPT-5.5noneDeepSeek V3.2mediumvsSolar Pro 4highDeepSeek V3.2mediumvsMercury 2mediumDeepSeek V3.2mediumvsStep 3.7 FlashlowDeepSeek V3.2mediumvsGrok 4.20mediumDeepSeek V3.2mediumvsMuse Glimmer 30BlowDeepSeek V3.2mediumvsSeed-2.0-Minimedium
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 9.2 | 10.0 | |
| Pemrograman | 3.9 | 5.8 | |
| Gabungan | 10.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 2.9 | 4.4 | |
| Kecerdasan umum | 3.8 | 2.5 | |
| Kepatuhan instruksi | 10.0 | 10.0 | |
| Pemecahan teka-teki | 6.7 | 5.0 | |
| Pemanggilan alat | 10.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |