#95 DeepSeek V4 Pro
none
Invalid SVG
- Cost
- $0.000
- Time
- 300.0s
- Tokens
- 0 tok
DeepSeek
प्रकाशन: 2026-04-24
चाचणी तारीख: 2026-05-22 00:38
deepseek/deepseek-v4-pro::none
(high)
(none)
सारांश
DeepSeek V4 Pro AI BENCHY वर 6.0 स्कोर करते आणि #95 वर आहे. याची reliability 8.1, pass rate 48.3%, एकूण खर्च $0.046, आणि सरासरी response time 13.48s आहे.
DeepSeek V4 Pro खास का आहे: हे डोमेन-विशिष्ट मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #2 आहे; तर अँटी-एआय युक्त्या हा सर्वात कमकुवत भाग आहे, rank #12.
6.0
सुसंगतता
8.9
8.1
$0.046
एकूण आउटपुट टोकन्स
5,347
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.435 / 1M
आउटपुट किंमत
$0.870 / 1M
अस्थिर चाचण्या
3
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
Generation showcase
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 |
|---|---|---|---|---|---|
| 2026-06-04 14:24 नवीन चाचणी जोडली | 5.7 | 8.5 | $0.025 ↓ | तुलना करा | |
| 2026-05-22 00:38 सूट बदलला | 6.0 | 8.1 | $0.046 | सध्याची रन | |
| 2026-04-29 14:46 पुन्हा चाचणी | 6.2 | 7.9 | $0.043 | तुलना करा | |
| 2026-04-24 09:19 पहिला रन | 3.1 | लागू नाही | $0.009 | 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 00:38 · सूट बदलला | 6.0 | 8.9 | 8.1 | 8/20 | 3 | 5,347 | 0 | $0.046 | 13.48s |
| 2026-04-24 09:19 · पहिला रन | 3.1 | 7.2 | लागू नाही | 0/18 | 6 | 591 | 0 | $0.009 | 44.40s |
| फरक | +2.9 | +1.7 | +8 | -3 | +4756 | 0 | +$0.037 | -30920ms |
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 PrononevsGPT-5.5noneDeepSeek V4 PrononevsGemini 3.1 Flash LitenoneDeepSeek V4 PrononevsGPT-5 NanomediumDeepSeek V4 PrononevsQwen3.5 Plus 2026-02-15noneDeepSeek V4 PrononevsGemini 3 Flash PreviewmediumDeepSeek V4 PrononevsGemini 3.5 FlashhighDeepSeek V4 PrononevsNemotron 3 Ultra 550b A55bmediumमोफत उपलब्धDeepSeek V4 PrononevsGemini 3.5 Flashlow
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 3.5 | 8.0 | |
| कोडिंग | 5.4 | 6.8 | |
| संयुक्त | 9.5 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 8.8 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 4.3 | 9.9 | |
| सूचनांचे पालन | 6.3 | 10.0 | |
| कोडी सोडवणे | 7.6 | 7.2 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |