#20 DeepSeek V4 Pro
high- Biaya
- $0.023
- Waktu
- 257.6s
- Token
- 14,870 tok
DeepSeek
Rilis: 2026-04-24
Diuji pada: 2026-04-25 21:53
deepseek/deepseek-v4-pro::high
1.6T total (49B aktif)MoESumber terbuka
(high)
(none)
Ringkasan
DeepSeek V4 Pro mendapat skor 8.2 di AI BENCHY dan berada di peringkat #20. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 77.8%, total biaya $0.329, dan waktu respons rata-rata 72.92s.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- 1.6T total (49B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Sumber terbuka
- Lisensi
- MIT
8.2
Konsistensi
9.2
T/A
$0.329
Total token output
84,562
Total token input
0
Harga input
$1.740 / 1M
Harga output
$3.480 / 1M
Tes tidak stabil
2
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 | 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 | Run saat ini |
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-25 21:53 · Run awal | 54/54 percobaan | 8.2 | 9.2 | T/A | 13/18 | 2 | 84,562 | 0 | $0.329 | 72.92s |
| 2026-08-14 03:17 · Uji ulang | 66/66 percobaan | 7.7 | 7.7 | 10.0 | 10/22 | 6 | 209,444 | 90,757 | $0.555 | 92.50s |
| Selisih | — | +0.5 | +1.5 | +3 | -4 | -124882 | -90757 | -$0.227 | -19579ms |
Cakupan benchmark berbeda: 54/54 percobaan (Target: 3 pengulangan per tes) dibanding 66/66 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 | 10.0 | 10.0 | |
| Gabungan | 10.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 5.3 | 10.0 | |
| Kecerdasan umum | 6.1 | 3.1 | |
| Kepatuhan instruksi | 10.0 | 10.0 | |
| Pemecahan teka-teki | 7.6 | 7.4 | |
| Pemanggilan alat | 10.0 | 10.0 |