AI BENCHY
Advertise here
#111

DeepSeek V4 Pro

DeepSeek Rilis: 2026-04-24 Diuji pada: 2026-06-04 14:24 deepseek/deepseek-v4-pro::none
1.6T total (49B aktif)MoESumber terbuka
(high) (none)

Ringkasan

DeepSeek V4 Pro mendapat skor 5.7 di AI BENCHY dan berada di peringkat #111. Model ini memiliki reliabilitas 8.5, tingkat keberhasilan 42.9%, total biaya $0.025, dan waktu respons rata-rata 12.38s.

Yang membuat DeepSeek V4 Pro unik: Model ini paling menonjol di Spesifik domain, dengan peringkat #4, sementara Trik anti-AI adalah area terlemahnya di #18. Total biaya benchmark-nya sangat rendah untuk kisaran skornya.

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

5.7

Konsistensi

8.5

Keandalan

8.5

Total biaya (harga saat ini)

$0.025 ↓ -47.7%

Diuji pada: $0.047

Total token output

5,349

Total token input

44,845

Harga input

$0.435 / 1M

Harga output

$0.870 / 1M

Tes benar

Tes Salah: 14

Tingkat lulus per percobaan: 42.9%

Tes tidak stabil

4

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

Waktu respons (rata-rata)

12.38s

Waktu respons (maks): 58.65s

Waktu respons (total): 260.06s

Jawaban salah: 10 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Format tambahan: 1

Hamster playing table tennis

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

#111 DeepSeek V4 Pro

none
Reached the allocated time limit (300 seconds) without receiving showcase output.
Biaya
$0.000
Waktu
300.0s
Token
0 tok

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 ↓ Run saat ini
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 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)
2026-06-04 14:24 · Tes baru ditambahkan63/63 percobaan5.78.58.57/2145,34944,845$0.02512.38s
2026-08-14 03:00 · Uji ulang66/66 percobaan6.88.610.09/22435,547148,078$0.25611.71s
Selisih—-1.1-0.1-1.5-20-30198-103233-$0.232+672ms

Cakupan benchmark berbeda: 63/63 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.

Riwayat harga

Data harga historis untuk model ini dari OpenRouter.

Tanggal Harga input Harga output
2026-06-04 14:42 $0.435 / 1M $0.870 / 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 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 3.5 8.0
Pemrograman 4.6 7.9
Gabungan 9.5 10.0
Parsing dan ekstraksi data 6.9 5.8
Spesifik domain 5.3 10.0
Kecerdasan umum 4.3 9.9
Kepatuhan instruksi 6.3 10.0
Pemecahan teka-teki 7.6 7.2
Pemanggilan alat 10.0 10.0
Pengetahuan umum 3.0 10.0

Model yang Dibandingkan