AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#69

DeepSeek V3.2

DeepSeek प्रकाशन: 2025-12-01 चाचणी तारीख: 2026-04-20 17:48 deepseek/deepseek-v3.2::none
(medium) (none)

सारांश

DeepSeek V3.2 AI BENCHY वर 6.1 स्कोर करते आणि #69 वर आहे. याची reliability लागू नाही, pass rate 50.0%, एकूण खर्च $0.016, आणि सरासरी response time 12.09s आहे.

DeepSeek V3.2 खास का आहे: हे कोडी सोडवणे मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #3 आहे; तर अँटी-एआय युक्त्या हा सर्वात कमकुवत भाग आहे, rank #18. या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे.

सुसंगतता

8.1

विश्वसनीयता

लागू नाही

एकूण आउटपुट टोकन्स

8,384

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$0.252 / 1M

आउटपुट किंमत

$0.378 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 11

प्रति प्रयत्न पास दर: 50.0%

अस्थिर चाचण्या

4

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

12.09s

प्रतिसाद वेळ (कमाल): 115.89s

प्रतिसाद वेळ (एकूण): 217.56s

Hamster playing table tennis

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

#69 DeepSeek V3.2

none
खर्च
$0.002
वेळ
7.0s
टोकन्स
1,046 tok

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 तुलना करा
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 सध्याची रन

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 3.2 9.8
कोडिंग 2.4 1.3
संयुक्त 6.5 10.0
डेटा पार्सिंग आणि निष्कर्षण 6.3 5.8
डोमेन-विशिष्ट 3.6 7.2
Samanya Buddhimatta 10.0 10.0
सूचनांचे पालन 10.0 10.0
कोडी सोडवणे 8.5 7.5
टूल कॉलिंग 10.0 10.0

तुलना केलेली मॉडेल्स