#115 DeepSeek V3.2
none- खर्च
- $0.002
- वेळ
- 7.0s
- टोकन्स
- 1,046 tok
DeepSeek
प्रकाशन: 2025-12-01
चाचणी तारीख: 2026-05-22 00:35
deepseek/deepseek-v3.2::none
(medium)
(none)
सारांश
DeepSeek V3.2 AI BENCHY वर 5.6 स्कोर करते आणि #115 वर आहे. याची reliability 10.0, pass rate 46.7%, एकूण खर्च $0.018, आणि सरासरी response time 14.46s आहे.
DeepSeek V3.2 खास का आहे: हे संयुक्त मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर कोडिंग हा सर्वात कमकुवत भाग आहे, rank #16.
5.6
सुसंगतता
8.0
10.0
$0.018
एकूण आउटपुट टोकन्स
11,163
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.252 / 1M
आउटपुट किंमत
$0.378 / 1M
अस्थिर चाचण्या
5
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-07-16 23:15 नवीन चाचणी जोडली | 5.0 | 10.0 | $0.054 ↑ | तुलना करा | |
| 2026-06-04 14:22 नवीन चाचणी जोडली | 5.2 | 10.0 | $0.017 ↓ | तुलना करा | |
| 2026-05-22 00:35 सूट बदलला | 5.6 | 10.0 | $0.018 | सध्याची रन | |
| 2026-05-08 15:31 सूट बदलला | 5.7 | 10.0 | $0.016 | तुलना करा | |
| 2026-04-20 17:48 पहिली नोंदलेली रन | 6.1 | लागू नाही | $0.016 | तुलना करा |
या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:35 · सूट बदलला | 5.6 | 8.0 | 10.0 | 7/20 | 5 | 11,163 | 0 | $0.018 | 14.46s |
| 2026-06-04 14:22 · नवीन चाचणी जोडली | 5.2 | 7.6 | 10.0 | 6/21 | 6 | 11,165 | 55,997 | $0.017 | 13.83s |
| फरक | +0.3 | +0.4 | 0.0 | +1 | -1 | -2 | -55997 | +$0.002 | +630ms |
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
DeepSeek V3.2nonevsQwen3.6 27BnoneDeepSeek V3.2nonevsMiMo-V2.5-PrononeDeepSeek V3.2nonevsGLM 5.1noneDeepSeek V3.2nonevsKimi K2.5noneDeepSeek V3.2nonevsDeepSeek V4 FlashnoneDeepSeek V3.2nonevsGemma 4 26B A4Bnoneमोफत उपलब्धDeepSeek V3.2nonevsGemini 3 Flash PreviewmediumDeepSeek V3.2nonevsGemini 3.5 FlashhighDeepSeek V3.2nonevsNemotron 3 Ultramediumमोफत उपलब्धDeepSeek V3.2nonevsGPT-5.5low
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 3.3 | 8.2 | |
| कोडिंग | 3.1 | 5.4 | |
| संयुक्त | 6.5 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 6.3 | 5.8 | |
| डोमेन-विशिष्ट | 3.0 | 6.9 | |
| Samanya Buddhimatta | 7.6 | 10.0 | |
| सूचनांचे पालन | 10.0 | 10.0 | |
| कोडी सोडवणे | 7.5 | 7.7 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |