Claude Opus 5.5 (medium) vs DeepSeek V4.1 Flash 1017 (low)

average score जवळपास समान आहे: 9.2 vs 9.2. DeepSeek V4.1 Flash 1017 (low) चा benchmark खर्च कमी आहे: $0.355 vs $1.804. Claude Opus 5.5 (medium) वेगवान आहे: 25.85s vs 32.55s, pass rates 89.9% vs 78.3%.

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

तुलना केलेली मॉडेल्स

क्रमांक: #31
एकूण आउटपुट टोकन्स: 32,127
प्रतिसाद वेळ (सरासरी): 25.85s
एकूण खर्च: $1.804

क्रमांक: #36
एकूण आउटपुट टोकन्स: 523,482
प्रतिसाद वेळ (सरासरी): 32.55s
एकूण खर्च: $0.355

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

It has the best score here (9.2), while costing about 5.1x less than Claude Opus 5.5 (medium).

तपशीलवार तुलना

मेट्रिक	Claude Opus 5.5 Claude Opus 5.5 medium प्रकाशन: 2026-09-23	DeepSeek V4.1 Flash 1017 DeepSeek V4.1 Flash 1017 low प्रकाशन: 2026-10-18

मेट्रिक	Claude Opus 5.5 Claude Opus 5.5 medium प्रकाशन: 2026-09-23	DeepSeek V4.1 Flash 1017 DeepSeek V4.1 Flash 1017 low प्रकाशन: 2026-10-18
स्कोअर	9.2	9.2
क्रमांक	#31	#36
विश्वसनीयता	10.0	10.0
सुसंगतता	9.7	9.0
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	89.9%	78.3%
अस्थिर चाचण्या	1	3
एकूण रन	69	69
प्रति निकाल खर्च	9.016	2.214
एकूण खर्च	$1.804	$0.355
इनपुट किंमत	$4.000 / 1M	$0.150 / 1M
आउटपुट किंमत	$20.000 / 1M	$0.600 / 1M
कॅश वाचण्याची किंमत	$0.200 / 1M	$0.003 / 1M
कॅश लिहिण्याची किंमत	$5.000 / 1M	लागू नाही
एकूण इनपुट टोकन्स	290,117	267,122
आउटपुट टोकन्स	9,805	7,369
रिझनिंग टोकन्स	22,322	516,113
प्रतिसाद वेळ (सरासरी)	25.85s	32.55s
प्रतिसाद वेळ (कमाल)	90.20s	443.63s
प्रतिसाद वेळ (एकूण)	594.63s	748.62s
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.

#31 Claude Opus 5.5

medium

खर्च: $0.053
वेळ: 25.6s
टोकन्स: 2,781 tok

#36 DeepSeek V4.1 Flash 1017

low

खर्च: $0.006
वेळ: 63.8s
टोकन्स: 11,236 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 5.5	10.0	10.0	100.0%	0		62.59s	156,163	2,513	2,420
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		46.67s	156,869	2,102	5,290

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		12.42s	858	321	657
DeepSeek V4.1 Flash 1017	8.3	10.0	75.0%	0		2.02s	852	171	2,193

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	8.4	7.4	88.9%	1		13.50s	10,608	636	4,341
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		27.01s	7,509	323	45,628

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		55.69s	96,679	4,639	4,527
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		18.73s	82,444	3,880	15,379

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 5.5	10.0	10.0	100.0%	0		12.65s	10,515	312	277
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		1.71s	7,446	207	1,344

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	7.7	10.0	66.7%	0		21.35s	990	61	8,360
DeepSeek V4.1 Flash 1017	3.6	7.2	22.2%	1		174.63s	909	9	428,331

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		6.17s	714	273	326
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		2.25s	549	116	553

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		21.33s	921	96	336
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		1.25s	783	69	898

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		30.12s	912	513	491
DeepSeek V4.1 Flash 1017	6.9	4.9	77.8%	2		2.54s	828	236	3,620

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		74.20s	11,757	441	587
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		1.92s	8,672	237	338

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	3.0	10.0	0.0%	0		27.75s	0	0	0
DeepSeek V4.1 Flash 1017	3.0	10.0	0.0%	0		33.79s	261	19	12,539

तुलना जोडी बदला