Claude Opus 4.6 (medium) vs DeepSeek V4 Flash 0423 (high)

DeepSeek V4 Flash 0423 (high) average score मध्ये पुढे आहे: 8.1 vs 6.3. DeepSeek V4 Flash 0423 (high) चा benchmark खर्च कमी आहे: $0.261 vs $2.961. Claude Opus 4.6 (medium) वेगवान आहे: 32.23s vs 55.99s, pass rates 60.9% vs 71.0%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-07

तुलना केलेली मॉडेल्स

क्रमांक: #232
एकूण आउटपुट टोकन्स: 96,722
प्रतिसाद वेळ (सरासरी): 32.23s
एकूण खर्च: $2.961

क्रमांक: #94
एकूण आउटपुट टोकन्स: 203,134
प्रतिसाद वेळ (सरासरी): 55.99s
एकूण खर्च: $0.261

शिफारस केलेले मॉडेल DeepSeek V4 Flash 0423 (high)

It has the best score here (8.1), while costing about 11.4x less than Claude Opus 4.6 (medium).

तपशीलवार तुलना

मेट्रिक	Claude Opus 4.6 Claude Opus 4.6 medium प्रकाशन: 2026-02-05	DeepSeek V4 Flash 0423 DeepSeek V4 Flash 0423 high प्रकाशन: 2026-04-24

मेट्रिक	Claude Opus 4.6 Claude Opus 4.6 medium प्रकाशन: 2026-02-05	DeepSeek V4 Flash 0423 DeepSeek V4 Flash 0423 high प्रकाशन: 2026-04-24
स्कोअर	6.3	8.1
क्रमांक	#232	#94
विश्वसनीयता	10.0	10.0
सुसंगतता	8.5	8.6
प्रयत्न	66/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	60.9%	71.0%
अस्थिर चाचण्या	3	4
एकूण रन	66	69
प्रति निकाल खर्च	22.777	0.547
एकूण खर्च	$2.961	$0.261
इनपुट किंमत	$5.000 / 1M	$0.002 / 1M
आउटपुट किंमत	$25.000 / 1M	$1.280 / 1M
कॅश वाचण्याची किंमत	$0.500 / 1M	$0.002 / 1M
कॅश लिहिण्याची किंमत	$6.250 / 1M	लागू नाही
एकूण इनपुट टोकन्स	108,573	298,794
आउटपुट टोकन्स	69,994	45,873
रिझनिंग टोकन्स	26,728	188,721
प्रतिसाद वेळ (सरासरी)	32.23s	55.99s
प्रतिसाद वेळ (कमाल)	151.51s	218.13s
प्रतिसाद वेळ (एकूण)	515.65s	1287.87s
पॅरामीटर्स	~5T एकूण (~500B सक्रिय)	284B एकूण (13B सक्रिय)
उपलब्धता	बंद स्रोत	मुक्त स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#232 Claude Opus 4.6

medium

Reached the allocated time limit (300 seconds) without receiving showcase output.

खर्च: $0.000
वेळ: 300.0s
टोकन्स: 0 tok

#94 DeepSeek V4 Flash 0423

high

खर्च: $0.003
वेळ: 93.1s
टोकन्स: 7,926 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	0.0	0.0	0.0%	0		0ms	0	0	0
DeepSeek V4 Flash 0423	10.0	10.0	100.0%	0		148.13s	190,314	8,644	14,640

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	6.4	5.8	66.7%	2		7.45s	840	986	1,071
DeepSeek V4 Flash 0423	8.3	10.0	75.0%	0		28.51s	540	140	7,770

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	5.7	7.1	44.4%	1		30.10s	8,522	13,057	4,121
DeepSeek V4 Flash 0423	7.8	10.0	66.7%	0		50.60s	7,279	395	34,862

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	10.0	10.0	100.0%	0		114.08s	76,073	33,018	9,509
DeepSeek V4 Flash 0423	6.4	5.8	66.7%	1		104.10s	82,663	4,633	37,533

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	10.0	10.0	100.0%	0		7.37s	8,676	691	757
DeepSeek V4 Flash 0423	10.0	10.0	100.0%	0		28.03s	7,290	201	1,179

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	3.0	10.0	0.0%	0		42.53s	632	12,350	7,100
DeepSeek V4 Flash 0423	3.6	7.2	22.2%	1		115.42s	754	22,778	79,643

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	10.0	10.0	100.0%	0		5.04s	564	188	292
DeepSeek V4 Flash 0423	6.1	3.1	66.7%	1		25.15s	471	79	632

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	10.0	10.0	100.0%	0		2.43s	792	266	467
DeepSeek V4 Flash 0423	10.0	10.0	100.0%	0		15.36s	627	63	1,622

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	7.7	10.0	66.7%	0		4.71s	816	532	630
DeepSeek V4 Flash 0423	8.2	7.2	88.9%	1		26.11s	594	196	1,767

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	10.0	10.0	100.0%	0		9.73s	11,454	861	329
DeepSeek V4 Flash 0423	10.0	10.0	100.0%	0		74.73s	8,079	228	542

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	3.0	10.0	0.0%	0		63.24s	204	8,045	2,452
DeepSeek V4 Flash 0423	3.0	10.0	0.0%	0		54.46s	183	8,516	8,531

तुलना जोडी बदला