#112 DeepSeek V4 Pro
none
Reached the allocated time limit (300 seconds) without receiving showcase output.
- Biaya
- $0.000
- Waktu
- 300.0s
- Token
- 0 tok
DeepSeek
Rilis: 2026-04-24
Diuji pada: 2026-04-24 09:19
deepseek/deepseek-v4-pro::none
1.6T total (49B aktif)MoESumber terbuka
(high)
(none)
Ringkasan
DeepSeek V4 Pro mendapat skor 3.1 di AI BENCHY dan berada di peringkat #112. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 11.1%, total biaya $0.009, dan waktu respons rata-rata 44.40s.
Yang membuat DeepSeek V4 Pro unik: 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
3.1
Konsistensi
7.2
T/A
$0.009
Total token output
591
Total token input
0
Harga input
$1.740 / 1M
Harga output
$3.480 / 1M
Tes tidak stabil
6
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 03:00 Uji ulang | 6.8 | 10.0 | $0.256 ↑ | 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 | Bandingkan | |
| 2026-04-24 09:19 Run awal | 3.1 | T/A | $0.009 | 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-24 09:19 · Run awal | 54/54 percobaan | 3.1 | 7.2 | T/A | 0/18 | 6 | 591 | 0 | $0.009 | 44.40s |
| 2026-08-14 03:00 · Uji ulang | 66/66 percobaan | 6.8 | 8.6 | 10.0 | 9/22 | 4 | 35,547 | 148,078 | $0.256 | 11.71s |
| Selisih | — | -3.7 | -1.4 | -9 | +2 | -34956 | -148078 | -$0.248 | +32686ms |
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 PrononevsSolar Pro 4mediumDeepSeek V4 PrononevsGLM 5.3lowDeepSeek V4 PrononevsSolar Pro 4lowDeepSeek V4 PrononevsMiMo-V2.5-PromediumDeepSeek V4 PrononevsSeed-2.0-CodemediumDeepSeek V4 PrononevsGemini 3 Flash PreviewnoneDeepSeek V4 PrononevsStep 3.7 FlashhighDeepSeek V4 PrononevsGemma 4 26B A4BmediumTersedia gratisDeepSeek V4 PrononevsQwen3.6 FlashmediumDeepSeek V4 PrononevsGLM 5.2none
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 3.1 | 10.0 | |
| Pemrograman | 2.8 | 1.6 | |
| Gabungan | 3.0 | 10.0 | |
| Parsing dan ekstraksi data | 2.8 | 1.6 | |
| Spesifik domain | 3.0 | 10.0 | |
| Kecerdasan umum | 3.4 | 9.6 | |
| Kepatuhan instruksi | 3.3 | 6.1 | |
| Pemecahan teka-teki | 3.6 | 4.3 | |
| Pemanggilan alat | 3.0 | 10.0 |