#51 DeepSeek V4 Pro
high- Biaya
- $0.023
- Waktu
- 257.6s
- Token
- 14,870 tok
DeepSeek
Rilis: 2026-04-24
Diuji pada: 2026-04-29 14:47
deepseek/deepseek-v4-pro::high
1.6T total (49B aktif)MoESumber terbuka
(high)
(none)
Ringkasan
DeepSeek V4 Pro mendapat skor 7.5 di AI BENCHY dan berada di peringkat #51. Model ini memiliki reliabilitas 9.3, tingkat keberhasilan 73.2%, total biaya $0.209, dan waktu respons rata-rata 60.03s.
Yang membuat DeepSeek V4 Pro unik: Model ini paling menonjol di Kepatuhan instruksi, 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
- Parameter
- 1.6T total (49B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Sumber terbuka
- Lisensi
- MIT
7.5
Konsistensi
8.0
9.3
$0.209
Total token output
62,125
Total token input
0
Harga input
$0.435 / 1M
Harga output
$0.870 / 1M
Tes tidak stabil
4
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 03:17 Uji ulang | 7.7 | 10.0 | $0.555 ↑ | Bandingkan | |
| 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 | Run saat ini | |
| 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 |
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-29 14:47 · Uji ulang | 54/54 percobaan | 7.5 | 8.0 | 9.3 | 11/18 | 4 | 62,125 | 0 | $0.209 | 60.03s |
| 2026-06-16 14:47 · Suite berubah | 57/63 percobaan | 8.1 | 7.8 | 9.6 | 10/21 | 6 | 99,520 | 35,122 | $0.098 | 72.22s |
| Selisih | — | -0.5 | +0.2 | -0.3 | +1 | -2 | -37395 | -35122 | +$0.111 | -12189ms |
Cakupan benchmark berbeda: 54/54 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.
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 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 | 8.3 | 10.0 | |
| Pemrograman | 3.0 | 0.0 | |
| Gabungan | 10.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 3.2 | 6.9 | |
| Kecerdasan umum | 6.1 | 3.1 | |
| Kepatuhan instruksi | 10.0 | 10.0 | |
| Pemecahan teka-teki | 8.0 | 7.0 | |
| Pemanggilan alat | 10.0 | 10.0 |