AI BENCHY
Advertise here
#88

DeepSeek V4 Pro

DeepSeek Rilis: 2026-04-24 Diuji pada: 2026-08-14 03:17 deepseek/deepseek-v4-pro::high
1.6T total (49B aktif)MoESumber terbuka
(high) (none)

Ringkasan

DeepSeek V4 Pro mendapat skor 7.7 di AI BENCHY dan berada di peringkat #88. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 63.6%, total biaya $0.476, dan waktu respons rata-rata 92.50s.

Fakta model

Ditelaah pada 2026-08-12

Dilaporkan
Parameter
1.6T total (49B aktif)
Arsitektur
MoE
Ketersediaan
Sumber terbuka
Lisensi
MIT
Sumber parameter Sumber ketersediaan

Skor

7.7

Konsistensi

7.7

Keandalan

10.0

Total biaya (harga saat ini)

$0.476 ↑ +111.5%

Diuji pada: $0.226

Total token output

209,444

Total token input

90,757

Harga input

$1.002 / 1M

Harga output

$2.004 / 1M

Tes benar

Tes Salah: 12

Tingkat lulus per percobaan: 63.6%

Tes tidak stabil

6

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

Waktu respons (rata-rata)

92.50s

Waktu respons (maks): 416.76s

Waktu respons (total): 2035.01s

Jawaban salah: 7 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1

Hamster playing table tennis

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

#88 DeepSeek V4 Pro

high
Biaya
$0.023
Waktu
257.6s
Token
14,870 tok

Riwayat run

Diuji pada Skor Keandalan Tes benar Total Biaya Bandingkan
2026-08-14 03:17 Uji ulang 7.7 10.0 $0.476 ↑ Run saat ini
2026-07-16 23:19 Tes baru ditambahkan 7.7 10.0 $0.200 Bandingkan
2026-06-16 15:31 Uji ulang 7.6 9.3 $0.157 Bandingkan
2026-06-16 14:47 Suite berubah 8.1 9.6 $0.098 Bandingkan
2026-06-04 14:38 Tes baru ditambahkan 6.0 8.9 $0.079 ↓ Bandingkan
2026-05-22 00:54 Suite berubah 6.6 9.0 $0.212 Bandingkan
2026-04-29 14:47 Uji ulang 7.5 9.3 $0.209 Bandingkan
2026-04-26 10:50 Uji ulang 7.5 8.4 $0.201 Bandingkan
2026-04-25 21:53 Run awal 8.2 T/A $0.329 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)
2026-08-14 03:17 · Run saat ini66/66 percobaan7.77.710.010/226209,44490,757$0.47692.50s
2026-06-16 14:47 · Suite berubah57/63 percobaan8.17.89.610/21699,52035,122$0.09872.22s
Selisih—-0.4-0.1+0.400+109924+55635+$0.379+20278ms

Cakupan benchmark berbeda: 66/66 percobaan (Target: 3 pengulangan per tes) dibanding 57/63 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.

Riwayat harga

Data harga historis untuk model ini dari OpenRouter.

Tanggal Harga input Harga output
2026-06-16 14:59 $0.435 / 1M $0.870 / 1M
2026-08-11 09:41 $0.632 / 1M $1.264 / 1M
2026-08-14 12:51 $1.169 / 1M $2.337 / 1M
2026-09-04 19:19 $1.002 / 1M $2.004 / 1M

Grafik

Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.

Total token output

Skor vs Total token output

Perbandingan Cepat

DeepSeek V4 ProhighvsClaude Opus 4.6mediumDeepSeek V4 ProhighvsDeepSeek V4 Flash 0423highDeepSeek V4 ProhighvsSeed-2.0-CodelowDeepSeek V4 ProhighvsGPT-5.6 LunahighDeepSeek V4 ProhighvsGLM 5mediumDeepSeek V4 ProhighvsSolar Pro 4xhighDeepSeek V4 ProhighvsQwen3.7 FlashhighDeepSeek V4 ProhighvsNemotron 3 UltramediumTersedia gratisDeepSeek V4 ProhighvsClaude Opus 4.8lowDeepSeek V4 ProhighvsClaude Opus 5none

Rincian Kategori

Kategori Skor Konsistensi Tes benar
Trik anti-AI 5.7 5.9
Pemrograman 6.3 8.7
Gabungan 10.0 10.0
Parsing dan ekstraksi data 10.0 10.0
Spesifik domain 3.6 7.2
Kecerdasan umum 10.0 10.0
Kepatuhan instruksi 7.8 6.6
Pemecahan teka-teki 6.9 4.9
Pemanggilan alat 9.8 10.0
Pengetahuan umum 3.0 10.0

Model yang Dibandingkan