AI BENCHY
Advertise here
#55

DeepSeek V4 Flash 0423

DeepSeek Rilis: 2026-04-24 Diuji pada: 2026-05-22 00:39 deepseek/deepseek-v4-flash::high
284B total (13B aktif)MoESumber terbuka
(high) (none)

Ringkasan

DeepSeek V4 Flash 0423 mendapat skor 7.4 di AI BENCHY dan berada di peringkat #55. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 71.7%, total biaya $0.038, dan waktu respons rata-rata 46.28s.

Yang membuat DeepSeek V4 Flash 0423 unik: Model ini paling menonjol di Parsing dan ekstraksi data, dengan peringkat #1, sementara Pemrograman adalah area terlemahnya di #18. Total biaya benchmark-nya sangat rendah untuk kisaran skornya.

Fakta model

Ditelaah pada 2026-08-12

Dilaporkan
Parameter
284B total (13B aktif)
Arsitektur
MoE
Ketersediaan
Sumber terbuka
Lisensi
MIT
Sumber parameter Sumber ketersediaan

Skor

7.4

Konsistensi

8.0

Keandalan

10.0

Total biaya (harga saat ini)

$0.038

Total token output

126,869

Total token input

0

Harga input

$0.112 / 1M

Harga output

$0.224 / 1M

Tes benar

Tes Salah: 9

Tingkat lulus per percobaan: 71.7%

Tes tidak stabil

5

Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).

Waktu respons (rata-rata)

46.28s

Waktu respons (maks): 218.13s

Waktu respons (total): 925.55s

Jawaban salah: 7 Tidak mengikuti instruksi: 2

Hamster playing table tennis

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

#55 DeepSeek V4 Flash

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

Riwayat run

Diuji pada Skor Keandalan Tes benar Total Biaya Bandingkan
2026-08-14 03:03 Uji ulang 7.6 10.0 $0.066 ↑ Bandingkan
2026-07-16 23:17 Tes baru ditambahkan 7.7 10.0 $0.042 ↓ Bandingkan
2026-06-04 14:24 Uji ulang 7.7 10.0 $0.029 ↓ Bandingkan
2026-06-04 13:02 Tes baru ditambahkan 7.7 10.0 $0.028 ↓ Bandingkan
2026-05-22 00:39 Suite berubah 7.4 10.0 $0.038 Run saat ini
2026-04-25 21:41 Uji ulang 7.8 T/A $0.031 Bandingkan
2026-04-24 09:19 Run awal 7.8 T/A $0.019 Bandingkan

Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.

Perbandingan run

RunCakupan benchmarkSkorKonsistensiKeandalanTes benarTes tidak stabilTotal token outputTotal token inputTotal BiayaWaktu respons (rata-rata)
2026-05-22 00:39 · Suite berubah60/60 percobaan7.48.010.011/205126,8690$0.03846.28s
2026-06-04 13:02 · Tes baru ditambahkan61/63 percobaan7.78.510.013/214128,04538,019$0.02844.95s
Selisih—-0.3-0.50.0-2+1-1176-38019+$0.010+1324ms

Cakupan benchmark berbeda: 60/60 percobaan (Target: 3 pengulangan per tes) dibanding 61/63 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.

Total token output

Skor vs Total token output

Perbandingan Cepat

DeepSeek V4 Flash 0423highTersedia gratisvsDeepSeek V4 ProhighDeepSeek V4 Flash 0423highTersedia gratisvsGPT-5.6 LunahighDeepSeek V4 Flash 0423highTersedia gratisvsClaude Opus 4.6mediumDeepSeek V4 Flash 0423highTersedia gratisvsSolar Pro 4xhighDeepSeek V4 Flash 0423highTersedia gratisvsSeed-2.0-CodelowDeepSeek V4 Flash 0423highTersedia gratisvsNemotron 3 UltramediumTersedia gratisDeepSeek V4 Flash 0423highTersedia gratisvsGLM 5mediumDeepSeek V4 Flash 0423highTersedia gratisvsClaude Opus 5noneDeepSeek V4 Flash 0423highTersedia gratisvsQwen3.7 FlashhighDeepSeek V4 Flash 0423highTersedia gratisvsGPT-5.4 Nanomedium

Rincian Kategori

Kategori Skor Konsistensi Tes benar
Trik anti-AI 8.3 10.0
Pemrograman 6.8 10.0
Gabungan 10.0 10.0
Parsing dan ekstraksi data 10.0 10.0
Spesifik domain 4.1 4.4
Kecerdasan umum 6.1 3.1
Kepatuhan instruksi 10.0 10.0
Pemecahan teka-teki 6.4 4.4
Pemanggilan alat 10.0 10.0
Pengetahuan umum 3.0 10.0

Model yang Dibandingkan