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

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs DeepSeek: DeepSeek V3.2

सारांश

Claude Opus 4.8 average score मध्ये पुढे आहे: 7.3 vs 7.0. DeepSeek V3.2 (medium) चा benchmark खर्च कमी आहे: $0.078 vs $1.166. Claude Opus 4.8 वेगवान आहे: 4.91s vs 68.62s, pass rates 63.6% vs 65.2%.

शिफारस केलेले मॉडेलDeepSeek V3.2 (medium)Its score stays close to the best score here (7.0 vs 7.3), while costing about 15.1x less than Claude Opus 4.8.

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

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 none प्रकाशन: 2026-05-28 DeepSeek V3.2 DeepSeek V3.2 medium प्रकाशन: 2025-12-01
स्कोअर 7.3 7.0
क्रमांक #63 #73
विश्वसनीयता 10.0 10.0
सुसंगतता 9.2 7.4
बरोबर चाचण्या
प्रति प्रयत्न पास दर 63.6% 65.2%
अस्थिर चाचण्या 2 7
एकूण रन 66 66
प्रति निकाल खर्च 8.969 0.671
एकूण खर्च $1.166 $0.078
इनपुट किंमत $5.000 / 1M $0.269 / 1M
आउटपुट किंमत $25.000 / 1M $0.400 / 1M
एकूण इनपुट टोकन्स 149,206 101,047
आउटपुट टोकन्स 16,797 11,834
रिझनिंग टोकन्स 0 117,014
प्रतिसाद वेळ (सरासरी) 4.91s 68.62s
प्रतिसाद वेळ (कमाल) 35.03s 376.10s
प्रतिसाद वेळ (एकूण) 108.03s 1509.53s

जनरेशन शोकेस

Hamster playing table tennis

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

#63 Claude Opus 4.8

none
खर्च
$0.053
वेळ
22.0s
टोकन्स
2,253 tok

#73 DeepSeek V3.2

medium
खर्च
$0.001
वेळ
53.6s
टोकन्स
1,932 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 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
DeepSeek V3.2 6.0 7.2 55.6% 1 248.68s 5,717 649 52,014

झटपट तुलना

तुलना जोडी बदला