नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Anthropic: Claude Opus 4.8 vs DeepSeek: DeepSeek V4 Flash

Claude Opus 4.8 (low) average score मध्ये पुढे आहे: 7.8 vs 7.7. DeepSeek V4 Flash (high) चा benchmark खर्च कमी आहे: $0.042 vs $2.077. Claude Opus 4.8 (low) वेगवान आहे: 12.74s vs 49.75s, pass rates 80.3% vs 72.7%.

शिफारस केलेले मॉडेलDeepSeek V4 Flash (high)Its score stays close to the best score here (7.7 vs 7.8), while costing about 49.5x less than Claude Opus 4.8 (low).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-17

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 low प्रकाशन: 2026-05-28 DeepSeek V4 Flash DeepSeek V4 Flash high प्रकाशन: 2026-04-24
स्कोअर 7.8 7.7
क्रमांक #39 #43
विश्वसनीयता 10.0 10.0
सुसंगतता 8.9 8.2
बरोबर चाचण्या
प्रति प्रयत्न पास दर 80.3% 72.7%
अस्थिर चाचण्या 3 5
एकूण रन 66 66
प्रति निकाल खर्च 12.979 0.402
एकूण खर्च $2.077 $0.042
इनपुट किंमत $5.000 / 1M $0.098 / 1M
आउटपुट किंमत $25.000 / 1M $0.196 / 1M
एकूण इनपुट टोकन्स 156,525 108,392
आउटपुट टोकन्स 43,141 14,478
रिझनिंग टोकन्स 8,617 153,687
प्रतिसाद वेळ (सरासरी) 12.74s 49.75s
प्रतिसाद वेळ (कमाल) 127.97s 218.13s
प्रतिसाद वेळ (एकूण) 280.29s 1094.41s

Hamster playing table tennis

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

#39 Claude Opus 4.8

low
खर्च
$0.031
वेळ
14.1s
टोकन्स
1,345 tok

#43 DeepSeek V4 Flash

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

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
DeepSeek V4 Flash 7.8 10.0 66.7% 0 50.60s 7,279 395 34,862

झटपट तुलना

तुलना जोडी बदला