नेव्हिगेशन
AI BENCHY
Advertise here

Claude Opus 4.8 vs DeepSeek V4 Flash 0731 (medium)

average score जवळपास समान आहे: 7.3 vs 7.3. DeepSeek V4 Flash 0731 (medium) चा benchmark खर्च कमी आहे: $0.106 vs $1.166. Claude Opus 4.8 वेगवान आहे: 4.91s vs 85.80s, pass rates 63.6% vs 72.7%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-08-01

क्रमांक
#79
एकूण आउटपुट टोकन्स
16,797
प्रतिसाद वेळ (सरासरी)
4.91s
एकूण खर्च
$1.166
क्रमांक
#76
एकूण आउटपुट टोकन्स
618,417
प्रतिसाद वेळ (सरासरी)
85.80s
एकूण खर्च
$0.106
शिफारस केलेले मॉडेल DeepSeek V4 Flash 0731 (medium)

It has the best score here (7.3), while costing about 11.1x less than Claude Opus 4.8.

तपशीलवार तुलना

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 none प्रकाशन: 2026-05-28 DeepSeek V4 Flash 0731 DeepSeek V4 Flash 0731 medium प्रकाशन: 2026-08-01
स्कोअर 7.3 7.3
क्रमांक #79 #76
विश्वसनीयता 10.0 9.8
सुसंगतता 9.2 7.1
बरोबर चाचण्या
प्रति प्रयत्न पास दर 63.6% 72.7%
अस्थिर चाचण्या 2 8
एकूण रन 66 66
प्रति निकाल खर्च 8.969 0.956
एकूण खर्च $1.166 $0.106
इनपुट किंमत $5.000 / 1M $0.140 / 1M
आउटपुट किंमत $25.000 / 1M $0.280 / 1M
एकूण इनपुट टोकन्स 149,206 89,768
आउटपुट टोकन्स 16,797 66,624
रिझनिंग टोकन्स 0 551,793
प्रतिसाद वेळ (सरासरी) 4.91s 85.80s
प्रतिसाद वेळ (कमाल) 35.03s 288.78s
प्रतिसाद वेळ (एकूण) 108.03s 1887.69s

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#79 Claude Opus 4.8

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

#76 DeepSeek V4 Flash 0731

medium
खर्च
$0.004
वेळ
93.3s
टोकन्स
13,252 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 V4 Flash 0731 6.4 4.4 77.8% 2 198.78s 6,032 4,109 160,154

झटपट तुलना

तुलना जोडी बदला