Claude Opus 4.8 (medium) vs DeepSeek V4 Flash 0731 (high)

DeepSeek V4 Flash 0731 (high) average score मध्ये पुढे आहे: 8.4 vs 8.3. DeepSeek V4 Flash 0731 (high) चा benchmark खर्च कमी आहे: $0.578 vs $3.490. Claude Opus 4.8 (medium) वेगवान आहे: 16.72s vs 118.83s, pass rates 82.6% vs 76.8%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #80
एकूण आउटपुट टोकन्स: 67,842
प्रतिसाद वेळ (सरासरी): 16.72s
एकूण खर्च: $3.490

क्रमांक: #74
एकूण आउटपुट टोकन्स: 532,511
प्रतिसाद वेळ (सरासरी): 118.83s
एकूण खर्च: $0.578

शिफारस केलेले मॉडेल DeepSeek V4 Flash 0731 (high)

It has the best score here (8.4), while costing about 6.0x 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 Flash 0731 DeepSeek V4 Flash 0731 high प्रकाशन: 2026-08-01

मेट्रिक	Claude Opus 4.8 Claude Opus 4.8 medium प्रकाशन: 2026-05-28	DeepSeek V4 Flash 0731 DeepSeek V4 Flash 0731 high प्रकाशन: 2026-08-01
स्कोअर	8.3	8.4
क्रमांक	#80	#74
विश्वसनीयता	10.0	10.0
सुसंगतता	9.0	8.1
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	1.069
एकूण खर्च	$3.490	$0.578
इनपुट किंमत	$5.000 / 1M	$0.010 / 1M
आउटपुट किंमत	$25.000 / 1M	$1.280 / 1M
एकूण इनपुट टोकन्स	360,294	281,863
आउटपुट टोकन्स	43,441	24,535
रिझनिंग टोकन्स	24,401	507,976
प्रतिसाद वेळ (सरासरी)	16.72s	118.83s
प्रतिसाद वेळ (कमाल)	99.37s	600.61s
प्रतिसाद वेळ (एकूण)	384.66s	2733.01s
पॅरामीटर्स	~5T एकूण (~500B सक्रिय)	284B एकूण (13B सक्रिय)
उपलब्धता	बंद स्रोत	बंद स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#80 Claude Opus 4.8

medium

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

#74 DeepSeek V4 Flash 0731

high

No output was saved. The original provider response or failure reason is unavailable.

खर्च: $0.000
वेळ: 187.3s
टोकन्स: 19,048 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 Flash 0731	10.0	10.0	100.0%	0		204.36s	185,161	7,569	11,635

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 Flash 0731	8.7	7.9	91.7%	1		13.62s	1,488	542	10,576

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 Flash 0731	6.3	6.3	55.6%	1		252.67s	7,044	2,160	191,210

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 Flash 0731	10.0	10.0	100.0%	0		87.10s	67,283	11,903	41,397

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 Flash 0731	10.0	10.0	100.0%	0		3.65s	7,764	336	1,259

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 Flash 0731	3.5	4.4	33.3%	2		458.65s	700	104	215,629

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 Flash 0731	10.0	10.0	100.0%	0		5.64s	708	72	533

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 Flash 0731	9.8	10.0	100.0%	0		4.46s	1,101	119	939

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 Flash 0731	8.2	7.7	77.8%	1		9.36s	1,305	397	6,801

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 Flash 0731	10.0	10.0	100.0%	0		5.42s	8,889	357	451

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 Flash 0731	3.0	10.0	0.0%	0		110.63s	420	976	27,546

झटपट तुलना

तुलना जोडी बदला

Claude Opus 4.8mediumvsGrok 4.5high Claude Opus 4.8mediumvsKimi K3max DeepSeek V4 Flash 0731highvsGemini 3.1 Pro Previewmedium Claude Opus 4.8mediumvsGemini 3.5 Flashhigh DeepSeek V4 Flash 0731highvsMuse Glimmer 30Bxhigh DeepSeek V4 Flash 0731highvsGPT-5 Minimedium Claude Opus 4.8mediumvsGPT-5.6 Terrahigh DeepSeek V4 Flash 0731highvsQwen3.8 2.4T A95Blow DeepSeek V4 Flash 0731highvsKimi K3max Claude Opus 4.8mediumvsGLM 5.2high DeepSeek V4 Flash 0731highvsGPT-6 Lunamedium DeepSeek V4 Flash 0731highvsQwen3.7 Plusmedium