Claude Opus 4.8 (medium) vs DeepSeek V4.1 Flash 1017 (max)

average score जवळपास समान आहे: 8.3 vs 8.2. DeepSeek V4.1 Flash 1017 (max) चा benchmark खर्च कमी आहे: $0.757 vs $3.490. Claude Opus 4.8 (medium) वेगवान आहे: 16.72s vs 78.20s, pass rates 82.6% vs 76.8%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-19

तुलना केलेली मॉडेल्स

क्रमांक: #96
एकूण आउटपुट टोकन्स: 67,522
प्रतिसाद वेळ (सरासरी): 16.72s
एकूण खर्च: $3.490

क्रमांक: #100
एकूण आउटपुट टोकन्स: 1,170,181
प्रतिसाद वेळ (सरासरी): 78.20s
एकूण खर्च: $0.757

शिफारस केलेले मॉडेल DeepSeek V4.1 Flash 1017 (max)

It has the best score here (8.2), while costing about 4.6x less than Claude Opus 4.8 (medium).

तपशीलवार तुलना

मेट्रिक	Claude Opus 4.8 Claude Opus 4.8 medium प्रकाशन: 2026-05-28	DeepSeek V4.1 Flash 1017 DeepSeek V4.1 Flash 1017 max प्रकाशन: 2026-10-18

मेट्रिक	Claude Opus 4.8 Claude Opus 4.8 medium प्रकाशन: 2026-05-28	DeepSeek V4.1 Flash 1017 DeepSeek V4.1 Flash 1017 max प्रकाशन: 2026-10-18
स्कोअर	8.3	8.2
क्रमांक	#96	#100
विश्वसनीयता	10.0	10.0
सुसंगतता	9.0	8.2
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	82.6%	76.8%
अस्थिर चाचण्या	3	5
एकूण रन	69	69
प्रति निकाल खर्च	20.527	5.041
एकूण खर्च	$3.490	$0.757
इनपुट किंमत	$5.000 / 1M	$0.150 / 1M
आउटपुट किंमत	$25.000 / 1M	$0.600 / 1M
कॅश वाचण्याची किंमत	$0.500 / 1M	$0.003 / 1M
कॅश लिहिण्याची किंमत	$6.250 / 1M	लागू नाही
एकूण इनपुट टोकन्स	360,294	360,065
आउटपुट टोकन्स	43,441	7,711
रिझनिंग टोकन्स	24,401	1,162,470
प्रतिसाद वेळ (सरासरी)	16.72s	78.20s
प्रतिसाद वेळ (कमाल)	99.37s	605.14s
प्रतिसाद वेळ (एकूण)	384.66s	1798.65s
पॅरामीटर्स	~5T एकूण (~500B सक्रिय)	~748B एकूण (~16B 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.

#96 Claude Opus 4.8

medium

खर्च: $0.057
वेळ: 23.1s
टोकन्स: 2,412 tok

#100 DeepSeek V4.1 Flash 1017

max

खर्च: $0.018
वेळ: 135.0s
टोकन्स: 35,163 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 4.8	6.1	3.1	66.7%	1		99.37s	221,846	2,676	13,239
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		45.58s	139,675	1,771	5,358

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	834	1,179	478
DeepSeek V4.1 Flash 1017	8.3	10.0	75.0%	0		4.16s	852	193	6,178

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
DeepSeek V4.1 Flash 1017	5.6	4.2	66.7%	2		199.23s	7,509	111	475,423

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	9.9	10.0	100.0%	0		54.29s	101,005	19,531	4,762
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		104.92s	192,579	4,716	125,203

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 4.8	7.1	5.6	83.3%	1		12.29s	10,503	481	312
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		1.99s	7,446	207	1,323

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	3.6	7.2	22.2%	1		18.11s	972	7,476	2,987
DeepSeek V4.1 Flash 1017	5.9	7.2	55.6%	1		260.29s	909	11	487,376

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	10.0	10.0	100.0%	0		2.46s	708	237	0
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		3.52s	549	128	1,020

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	10.0	10.0	100.0%	0		3.32s	909	373	320
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		1.73s	783	69	1,223

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	894	791	483
DeepSeek V4.1 Flash 1017	6.3	4.9	66.7%	2		12.29s	828	247	17,864

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	10.0	10.0	100.0%	0		8.96s	11,775	301	225
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		2.43s	8,674	237	349

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.8	3.0	10.0	0.0%	0		6.14s	258	451	214
DeepSeek V4.1 Flash 1017	3.0	10.0	0.0%	0		97.77s	261	21	41,153

तुलना जोडी बदला

DeepSeek V4.1 Flash 1017maxvsGemini 4 Argonlow DeepSeek V4.1 Flash 1017maxvsGrok 4.5high DeepSeek V4.1 Flash 1017maxvsGLM 5.2medium DeepSeek V4.1 Flash 1017maxvsQwen3.7 Plusmedium DeepSeek V4.1 Flash 1017maxvsLing 3.1 Flashmedium DeepSeek V4.1 Flash 1017maxvsGPT-5.6 Terramedium Claude Opus 4.8mediumvsGemini 4 Argonlow DeepSeek V4.1 Flash 1017maxvsGPT-6 Lunamedium Claude Opus 4.8mediumvsGrok 4.5high Claude Opus 4.8mediumvsKimi K3max Claude Opus 4.8mediumvsGemini 3.5 Flashhigh Claude Opus 4.8mediumvsGPT-5.6 Terrahigh