DeepSeek V4.1 Flash 1017 (high) vs Qwen3.8 2.4T A95B (high)

average score जवळपास समान आहे: 7.8 vs 7.9. DeepSeek V4.1 Flash 1017 (high) चा benchmark खर्च कमी आहे: $0.589 vs $2.949. DeepSeek V4.1 Flash 1017 (high) वेगवान आहे: 58.56s vs 120.88s, pass rates 71.0% vs 75.4%.

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

तुलना केलेली मॉडेल्स

क्रमांक: #126
एकूण आउटपुट टोकन्स: 911,334
प्रतिसाद वेळ (सरासरी): 58.56s
एकूण खर्च: $0.589

क्रमांक: #122
एकूण आउटपुट टोकन्स: 368,836
प्रतिसाद वेळ (सरासरी): 120.88s
एकूण खर्च: $2.949

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

It has the best score here (7.8), while costing about 5.0x less than Qwen3.8 2.4T A95B (high).

तपशीलवार तुलना

मेट्रिक	DeepSeek V4.1 Flash 1017 DeepSeek V4.1 Flash 1017 high प्रकाशन: 2026-10-18	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high प्रकाशन: 2026-08-12

मेट्रिक	DeepSeek V4.1 Flash 1017 DeepSeek V4.1 Flash 1017 high प्रकाशन: 2026-10-18	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high प्रकाशन: 2026-08-12
स्कोअर	7.8	7.9
क्रमांक	#126	#122
विश्वसनीयता	10.0	9.6
सुसंगतता	7.8	8.4
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	71.0%	75.4%
अस्थिर चाचण्या	6	4
एकूण रन	69	69
प्रति निकाल खर्च	4.530	18.696
एकूण खर्च	$0.589	$2.949
इनपुट किंमत	$0.150 / 1M	$2.000 / 1M
आउटपुट किंमत	$0.600 / 1M	$6.000 / 1M
कॅश वाचण्याची किंमत	$0.003 / 1M	$0.250 / 1M
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	279,873	295,642
आउटपुट टोकन्स	7,049	115,041
रिझनिंग टोकन्स	904,285	353,398
प्रतिसाद वेळ (सरासरी)	58.56s	120.88s
प्रतिसाद वेळ (कमाल)	440.77s	532.28s
प्रतिसाद वेळ (एकूण)	1346.87s	2780.16s
पॅरामीटर्स	~748B एकूण (~16B सक्रिय)	2.4T एकूण (95B सक्रिय)
उपलब्धता	मुक्त स्रोत	वेट्स उपलब्ध

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.

#126 DeepSeek V4.1 Flash 1017

high

खर्च: $0.004
वेळ: 27.2s
टोकन्स: 7,593 tok

#122 Qwen3.8 2.4T A95B

high

Reached the allocated time limit (600 seconds) without receiving showcase output.

खर्च: $0.000
वेळ: 600.0s
टोकन्स: 0 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
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		43.53s	144,680	1,907	4,293
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		127.11s	186,711	2,240	10,171

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
DeepSeek V4.1 Flash 1017	8.3	10.0	75.0%	0		2.10s	627	137	2,440
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		24.22s	1,128	305	4,864

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
DeepSeek V4.1 Flash 1017	4.5	1.4	66.7%	3		196.67s	7,434	217	446,179
Qwen3.8 2.4T A95B	5.9	6.3	55.6%	1		160.52s	6,399	3,310	48,078

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		37.28s	107,806	3,862	41,936
Qwen3.8 2.4T A95B	6.9	5.9	66.7%	1		266.12s	81,205	7,791	41,921

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		2.20s	7,446	207	1,450
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		13.67s	7,928	550	2,307

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
DeepSeek V4.1 Flash 1017	3.5	4.4	33.3%	2		186.02s	909	11	382,250
Qwen3.8 2.4T A95B	4.1	6.5	22.2%	1		301.08s	964	11,279	139,028

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		2.02s	549	120	570
Qwen3.8 2.4T A95B	6.1	3.1	66.7%	1		11.38s	630	2,020	2,165

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		1.12s	708	69	866
Qwen3.8 2.4T A95B	9.8	10.0	100.0%	0		11.45s	927	245	1,727

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
DeepSeek V4.1 Flash 1017	5.5	7.4	44.4%	1		5.70s	828	235	7,784
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		65.54s	989	698	15,073

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0		2.28s	8,625	267	305
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		32.93s	8,481	302	656

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
DeepSeek V4.1 Flash 1017	3.0	10.0	0.0%	0		44.26s	261	17	16,212
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	0		347.95s	280	86,301	87,408

तुलना जोडी बदला

DeepSeek V4.1 Flash 1017highvsMuse Wondermax Gemini 3.5 FlashmediumvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsMiMo-V2.6-Flashmedium DeepSeek V4.1 Flash 1017highvsMiMo-V2.6-Flashmedium Muse WondermaxvsQwen3.8 2.4T A95Bhigh DeepSeek V4.1 Flash 1017highvsGrok 4.5medium DeepSeek V4.1 Flash 1017highvsGemini 3.5 Flashmedium DeepSeek V4.1 Flash 1017highvsStep 3.7 Flashmedium Qwen3.8 2.4T A95BhighvsGrok 4.5medium DeepSeek V4.1 Flash 1017highvsGrok 4.6medium GPT-5.4 MinimediumvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium