AI BENCHY
Advertise here
#37

DeepSeek V4 Flash 0423

DeepSeek प्रकाशन: 2026-04-24 चाचणी तारीख: 2026-04-25 21:41 deepseek/deepseek-v4-flash::high
284B एकूण (13B सक्रिय)MoEमुक्त स्रोत
(high) (none)

सारांश

DeepSeek V4 Flash 0423 AI BENCHY वर 7.8 स्कोर करते आणि #37 वर आहे. याची reliability लागू नाही, pass rate 79.6%, एकूण खर्च $0.031, आणि सरासरी response time 45.41s आहे.

DeepSeek V4 Flash 0423 खास का आहे: हे डेटा पार्सिंग आणि निष्कर्षण मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर कोडी सोडवणे हा सर्वात कमकुवत भाग आहे, rank #18. या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

जाहीर केलेले
पॅरामीटर्स
284B एकूण (13B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
मुक्त स्रोत
परवाना
MIT
पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

7.8

सुसंगतता

7.8

विश्वसनीयता

लागू नाही

एकूण खर्च (सध्याची किंमत)

$0.031

एकूण आउटपुट टोकन्स

92,064

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$0.140 / 1M

आउटपुट किंमत

$0.280 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 7

प्रति प्रयत्न पास दर: 79.6%

अस्थिर चाचण्या

5

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

प्रतिसाद वेळ (सरासरी)

45.41s

प्रतिसाद वेळ (कमाल): 218.13s

प्रतिसाद वेळ (एकूण): 817.30s

चुकीचे उत्तर: 4 सूचनांचे पालन केले नाही: 3

Hamster playing table tennis

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

#37 DeepSeek V4 Flash

high
खर्च
$0.003
वेळ
93.1s
टोकन्स
7,926 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-08-14 03:03 पुन्हा चाचणी 7.6 10.0 $0.066 ↑ तुलना करा
2026-07-16 23:17 नवीन चाचणी जोडली 7.7 10.0 $0.042 ↓ तुलना करा
2026-06-04 14:24 पुन्हा चाचणी 7.7 10.0 $0.029 ↓ तुलना करा
2026-06-04 13:02 नवीन चाचणी जोडली 7.7 10.0 $0.028 ↓ तुलना करा
2026-05-22 00:39 सूट बदलला 7.4 10.0 $0.038 तुलना करा
2026-04-25 21:41 पुन्हा चाचणी 7.8 लागू नाही $0.031 सध्याची रन
2026-04-24 09:19 पहिला रन 7.8 लागू नाही $0.019 तुलना करा

रन तुलना

रनबेंचमार्क कव्हरेजस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-04-25 21:41 · पुन्हा चाचणी54/54 प्रयत्न7.87.8लागू नाही11/18592,0640$0.03145.41s
2026-06-04 14:24 · पुन्हा चाचणी63/63 प्रयत्न7.78.510.013/214133,81139,745$0.02945.85s
फरक—+0.1-0.7-2+1-41747-39745+$0.002-441ms

बेंचमार्क कव्हरेज वेगळे आहे: 54/54 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 63/63 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती). एकूण मूल्ये आणि पुनरावृत्तीवर अवलंबून मेट्रिक्स थेट तुलना करता येत नाहीत.

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.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

DeepSeek V4 Flash 0423highvsDeepSeek V4 ProhighDeepSeek V4 Flash 0423highvsGPT-5.6 LunahighDeepSeek V4 Flash 0423highvsClaude Opus 4.6mediumDeepSeek V4 Flash 0423highvsSolar Pro 4xhighDeepSeek V4 Flash 0423highvsSeed-2.0-CodelowDeepSeek V4 Flash 0423highvsNemotron 3 Ultramediumमोफत उपलब्धDeepSeek V4 Flash 0423highvsGLM 5mediumDeepSeek V4 Flash 0423highvsClaude Opus 5noneDeepSeek V4 Flash 0423highvsQwen3.7 FlashhighDeepSeek V4 Flash 0423highvsGPT-5.4 Nanomedium

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 8.3 10.0
कोडिंग 10.0 10.0
संयुक्त 10.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 4.1 4.4
Samanya Buddhimatta 6.1 3.1
सूचनांचे पालन 10.0 10.0
कोडी सोडवणे 6.4 4.5
टूल कॉलिंग 10.0 10.0

तुलना केलेली मॉडेल्स