#80
DeepSeek
प्रकाशन: 2026-04-24
चाचणी तारीख: 2026-05-22 00:54
deepseek/deepseek-v4-pro::high
(high)
(none)
???? ???
$0.435 / 1M
????? ???
$0.870 / 1M
अस्थिर चाचण्या
4
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-05-22 00:54 सूट बदलला | 6.6 | 9.0 | $0.212 | सध्याची रन | |
| 2026-04-29 14:47 पुन्हा चाचणी | 7.5 | 9.3 | $0.209 | तुलना करा | |
| 2026-04-26 10:50 पुन्हा चाचणी | 7.5 | 8.4 | $0.201 | तुलना करा | |
| 2026-04-25 21:53 पहिला रन | 8.2 | लागू नाही | $0.329 | 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 खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:54 · सध्याची रन | 6.6 | 8.3 | 9.0 | 11/20 | 4 | 65,985 | $0.212 | 58.93s |
| 2026-04-29 14:47 · पुन्हा चाचणी | 7.5 | 8.0 | 9.3 | 11/18 | 4 | 62,125 | $0.209 | 60.03s |
| फरक | -0.9 | +0.3 | -0.3 | 0 | 0 | +3860 | +$0.004 | -1100ms |
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.
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
DeepSeek V4 ProhighvsSeed-2.0-MinimediumDeepSeek V4 ProhighvsQwen3.5-35B-A3BmediumDeepSeek V4 ProhighvsMiMo-V2-FlashmediumDeepSeek V4 ProhighvsDeepSeek V3.2mediumDeepSeek V4 ProhighvsQwen3.6 Max PreviewnoneDeepSeek V4 ProhighvsMiMo-V2-OmnimediumDeepSeek V4 ProhighvsGemini 3 Flash PreviewmediumDeepSeek V4 ProhighvsGemini 3.5 FlashhighDeepSeek V4 ProhighvsRing-2.6-1TmediumDeepSeek V4 ProhighvsGemini 3.5 Flashlow
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 7.4 | 10.0 | |
| कोडिंग | 2.8 | 5.0 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 8.8 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 6.9 | |
| Samanya Buddhimatta | 6.1 | 3.1 | |
| सूचनांचे पालन | 10.0 | 10.0 | |
| कोडी सोडवणे | 7.4 | 7.2 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |