#51 DeepSeek V4 Pro
high- खर्च
- $0.023
- वेळ
- 257.6s
- टोकन्स
- 14,870 tok
DeepSeek
प्रकाशन: 2026-04-24
चाचणी तारीख: 2026-04-29 14:47
deepseek/deepseek-v4-pro::high
(high)
(none)
सारांश
DeepSeek V4 Pro AI BENCHY वर 7.5 स्कोर करते आणि #51 वर आहे. याची reliability 9.3, pass rate 73.2%, एकूण खर्च $0.209, आणि सरासरी response time 60.03s आहे.
7.5
सुसंगतता
8.0
9.3
$0.209
एकूण आउटपुट टोकन्स
62,125
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.435 / 1M
आउटपुट किंमत
$0.870 / 1M
अस्थिर चाचण्या
4
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 23:19 नवीन चाचणी जोडली | 7.7 | 10.0 | $0.200 | तुलना करा | |
| 2026-06-16 15:31 पुन्हा चाचणी | 7.6 | 9.3 | $0.157 | तुलना करा | |
| 2026-06-16 14:47 सूट बदलला | 8.1 | 9.6 | $0.098 | तुलना करा | |
| 2026-06-04 14:38 नवीन चाचणी जोडली | 6.0 | 8.9 | $0.079 ↓ | तुलना करा | |
| 2026-05-22 00:54 सूट बदलला | 6.6 | 9.0 | $0.212 | तुलना करा | |
| 2026-04-29 14:47 पुन्हा चाचणी | 7.5 | 9.3 | $0.209 | सध्याची रन | |
| 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 |
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-29 14:47 · पुन्हा चाचणी | 7.5 | 8.0 | 9.3 | 11/18 | 4 | 62,125 | 0 | $0.209 | 60.03s |
| 2026-05-22 00:54 · सूट बदलला | 6.6 | 8.3 | 9.0 | 11/20 | 4 | 65,985 | 0 | $0.212 | 58.93s |
| फरक | +0.9 | -0.3 | +0.3 | 0 | 0 | -3860 | 0 | -$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.
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 V4 ProhighvsDeepSeek V4 FlashhighDeepSeek V4 ProhighvsMiniMax M3mediumDeepSeek V4 ProhighvsGPT-5.6 LunahighDeepSeek V4 ProhighvsGrok Build 0.1mediumDeepSeek V4 ProhighvsClaude Opus 4.6mediumDeepSeek V4 ProhighvsGPT-5.6 LunamediumDeepSeek V4 ProhighvsGLM 5mediumDeepSeek V4 ProhighvsNemotron 3 Ultramediumमोफत उपलब्धDeepSeek V4 ProhighvsClaude Opus 4.8lowDeepSeek V4 ProhighvsKimi K2.7 Codemedium
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 8.3 | 10.0 | |
| कोडिंग | 3.0 | 0.0 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 3.2 | 6.9 | |
| Samanya Buddhimatta | 6.1 | 3.1 | |
| सूचनांचे पालन | 10.0 | 10.0 | |
| कोडी सोडवणे | 8.0 | 7.0 | |
| टूल कॉलिंग | 10.0 | 10.0 |