DeepSeek V4 Flash 0731 (medium) vs Qwen3.8 2.4T A95B (high)

Qwen3.8 2.4T A95B (high) average score मध्ये पुढे आहे: 7.9 vs 7.8. DeepSeek V4 Flash 0731 (medium) चा benchmark खर्च कमी आहे: $0.462 vs $2.805. DeepSeek V4 Flash 0731 (medium) वेगवान आहे: 94.16s vs 120.88s, pass rates 72.5% vs 75.4%.

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

तुलना केलेली मॉडेल्स

क्रमांक: #110
एकूण आउटपुट टोकन्स: 577,214
प्रतिसाद वेळ (सरासरी): 94.16s
एकूण खर्च: $0.462

क्रमांक: #102
एकूण आउटपुट टोकन्स: 468,439
प्रतिसाद वेळ (सरासरी): 120.88s
एकूण खर्च: $2.805

शिफारस केलेले मॉडेल DeepSeek V4 Flash 0731 (medium)

Its score stays close to the best score here (7.8 vs 7.9), while costing about 6.1x less than Qwen3.8 2.4T A95B (high).

तपशीलवार तुलना

मेट्रिक	DeepSeek V4 Flash 0731 DeepSeek V4 Flash 0731 medium प्रकाशन: 2026-08-01	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high प्रकाशन: 2026-08-12

मेट्रिक	DeepSeek V4 Flash 0731 DeepSeek V4 Flash 0731 medium प्रकाशन: 2026-08-01	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high प्रकाशन: 2026-08-12
स्कोअर	7.8	7.9
क्रमांक	#110	#102
विश्वसनीयता	10.0	9.6
सुसंगतता	7.2	8.4
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	72.5%	75.4%
अस्थिर चाचण्या	8	4
एकूण रन	69	69
प्रति निकाल खर्च	1.176	18.696
एकूण खर्च	$0.462	$2.805
इनपुट किंमत	$0.010 / 1M	$2.000 / 1M
आउटपुट किंमत	$1.280 / 1M	$6.000 / 1M
एकूण इनपुट टोकन्स	274,189	295,642
आउटपुट टोकन्स	66,689	115,041
रिझनिंग टोकन्स	510,525	353,398
प्रतिसाद वेळ (सरासरी)	94.16s	120.88s
प्रतिसाद वेळ (कमाल)	303.26s	532.28s
प्रतिसाद वेळ (एकूण)	2165.72s	2780.16s
पॅरामीटर्स	284B एकूण (13B सक्रिय)	2.4T एकूण (95B सक्रिय)
उपलब्धता	बंद स्रोत	वेट्स उपलब्ध

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#110 DeepSeek V4 Flash 0731

medium

खर्च: $0.004
वेळ: 93.3s
टोकन्स: 13,252 tok

#102 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 Flash 0731	10.0	10.0	100.0%	0		303.26s	184,370	8,291	18,068
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 Flash 0731	8.2	7.9	83.3%	1		17.95s	698	2,101	6,715
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 Flash 0731	6.4	4.4	77.8%	2		198.78s	6,032	4,109	160,154
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 Flash 0731	7.3	5.8	83.3%	1		150.58s	65,118	40,110	97,296
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 Flash 0731	10.0	10.0	100.0%	0		5.21s	7,290	287	1,519
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 Flash 0731	2.9	7.2	11.1%	1		203.11s	592	9,333	154,069
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 Flash 0731	6.1	3.1	66.7%	1		12.16s	471	66	1,589
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 Flash 0731	8.5	6.8	83.3%	1		2.42s	706	109	580
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 Flash 0731	8.2	7.3	88.9%	1		65.12s	594	1,530	66,970
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 Flash 0731	10.0	10.0	100.0%	0		4.41s	8,178	374	152
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 Flash 0731	3.0	10.0	0.0%	0		56.64s	140	379	3,413
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	0		347.95s	280	86,301	87,408

झटपट तुलना

तुलना जोडी बदला

Gemini 3.5 FlashmediumvsQwen3.8 2.4T A95Bhigh DeepSeek V4 Flash 0731mediumvsGrok 4.5low Qwen3.8 2.4T A95BhighvsMiMo-V2.6-Flashmedium DeepSeek V4 Flash 0731mediumvsQwen3.7 Plusnone Qwen3.8 2.4T A95BhighvsGrok 4.5medium GPT-5.4 MinimediumvsQwen3.8 2.4T A95Bhigh DeepSeek V4 Flash 0731mediumvsGLM 5.3high Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium DeepSeek V4 Flash 0731mediumvsGPT-6 Lunahigh DeepSeek V4 Flash 0731mediumvsMuse Glimmer 30Bhigh Qwen3.8 2.4T A95BhighvsGrok 4.6medium Qwen3.8 2.4T A95BhighvsGLM 5.3 FlashXmax