#78 DeepSeek V4 Pro
none
SVG tidak valid
- Biaya
- $0.000
- Waktu
- 300.0s
- Token
- 0 tok
DeepSeek
Rilis: 2026-04-24
Diuji pada: 2026-04-29 14:46
deepseek/deepseek-v4-pro::none
(high)
(none)
Ringkasan
DeepSeek V4 Pro mendapat skor 6.2 di AI BENCHY dan berada di peringkat #78. Model ini memiliki reliabilitas 7.9, tingkat keberhasilan 48.2%, total biaya $0.043, dan waktu respons rata-rata 14.01s.
Yang membuat DeepSeek V4 Pro unik: Model ini paling menonjol di Spesifik domain, dengan peringkat #2, sementara Trik anti-AI adalah area terlemahnya di #17. Total biaya benchmark-nya sangat rendah untuk kisaran skornya.
6.2
Konsistensi
8.7
7.9
$0.043
Total token output
3,903
Total token input
0
Harga input
$0.435 / 1M
Harga output
$0.870 / 1M
Tes tidak stabil
3
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 |
|---|---|---|---|---|---|
| 2026-07-16 23:18 Tes baru ditambahkan | 6.9 | 10.0 | $0.096 | Bandingkan | |
| 2026-06-16 15:17 Uji ulang | 7.2 | 9.9 | $0.034 | Bandingkan | |
| 2026-06-16 14:39 Suite berubah | 7.2 | 9.9 | $0.030 | Bandingkan | |
| 2026-06-04 14:24 Tes baru ditambahkan | 5.7 | 8.5 | $0.025 ↓ | Bandingkan | |
| 2026-05-22 00:38 Suite berubah | 6.0 | 8.1 | $0.046 | Bandingkan | |
| 2026-04-29 14:46 Uji ulang | 6.2 | 7.9 | $0.043 | Run saat ini | |
| 2026-04-24 09:19 Run awal | 3.1 | T/A | $0.009 | Bandingkan |
Perbandingan run
| Run | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-29 14:46 · Uji ulang | 6.2 | 8.7 | 7.9 | 7/18 | 3 | 3,903 | 0 | $0.043 | 14.01s |
| 2026-07-16 23:18 · Tes baru ditambahkan | 6.9 | 8.6 | 10.0 | 10/22 | 4 | 35,551 | 148,069 | $0.096 | 11.55s |
| Selisih | -0.7 | +0.1 | -2.1 | -3 | -1 | -31648 | -148069 | -$0.054 | +2457ms |
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 PrononevsKAT-Coder-Pro V2.5mediumDeepSeek V4 PrononevsGPT-5.6 SolnoneDeepSeek V4 PrononevsSeed-2.0-MinimediumDeepSeek V4 PrononevsMiMo-V2.5-PromediumDeepSeek V4 PrononevsGemini 3.5 FlashnoneDeepSeek V4 PrononevsQwen3.6 FlashmediumDeepSeek V4 PrononevsMercury 2mediumDeepSeek V4 PrononevsStep 3.7 FlashhighDeepSeek V4 PrononevsKimi K2.5mediumDeepSeek V4 PrononevsGPT-5.5none
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 3.5 | 8.0 | |
| Pemrograman | 7.1 | 3.7 | |
| Gabungan | 9.5 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 5.3 | 10.0 | |
| Kecerdasan umum | 4.3 | 9.9 | |
| Kepatuhan instruksi | 6.3 | 10.0 | |
| Pemecahan teka-teki | 6.0 | 7.1 | |
| Pemanggilan alat | 10.0 | 10.0 |