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

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs DeepSeek: DeepSeek V4 Flash

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-28

Metrică Claude Opus 4.8 Claude Opus 4.8 medium Lansare: 2026-05-28 DeepSeek V4 Flash DeepSeek V4 Flash high Lansare: 2026-04-24 Disponibil gratuit
Scor 8.7 7.6
Rang #12 #45
Fiabilitate 10.0 10.0
Consistență 9.6 8.4
Teste corecte
Rată de trecere pe încercare 83.3% 73.3%
Teste instabile 1 4
Rulări totale 60 60
Cost per rezultat 6.285 0.309
Cost total $1.006 $0.028
Preț de intrare $5.000 / 1M $0.100 / 1M
Preț de ieșire $25.000 / 1M $0.200 / 1M
Tokenuri de ieșire 23,201 10,302
Tokenuri de raționament 5,901 115,740
Timp de răspuns (mediu) 9.34s 46.36s
Timp de răspuns (maxim) 38.03s 218.13s
Timp de răspuns (total) 186.84s 927.27s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 3.95s 1,179 478
DeepSeek V4 Flash 8.3 10.0 75.0% 0 28.51s 140 7,770
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 14.97s 6,651 1,381
DeepSeek V4 Flash 6.8 10.0 50.0% 0 58.13s 387 27,101
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 9.8 10.0 100.0% 0 38.03s 5,260 1,588
DeepSeek V4 Flash 10.0 10.0 100.0% 0 76.57s 465 7,347
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 7.1 5.6 83.3% 1 12.29s 481 312
DeepSeek V4 Flash 10.0 10.0 100.0% 0 28.03s 201 1,179
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 5.3 10.0 33.3% 0 14.15s 7,477 900
DeepSeek V4 Flash 4.1 4.4 44.5% 2 100.31s 27 59,249
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 2.46s 237 0
DeepSeek V4 Flash 6.1 3.1 66.7% 1 25.15s 79 632
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 3.32s 373 320
DeepSeek V4 Flash 10.0 10.0 100.0% 0 15.36s 63 1,622
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 3.95s 791 483
DeepSeek V4 Flash 8.2 7.2 88.9% 1 26.11s 196 1,767
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 8.96s 301 225
DeepSeek V4 Flash 10.0 10.0 100.0% 0 74.73s 228 542
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 3.0 10.0 0.0% 0 6.14s 451 214
DeepSeek V4 Flash 3.0 10.0 0.0% 0 54.46s 8,516 8,531

Comparație rapidă

Schimbă perechea de comparație

DeepSeek V4 FlashhighDisponibil gratuitvsMiMo-V2.5-PromediumDeepSeek V4 FlashhighDisponibil gratuitvsGemini 3.1 Flash Lite PreviewlowDeepSeek V4 FlashhighDisponibil gratuitvsQwen3.5-FlashmediumDeepSeek V4 FlashhighDisponibil gratuitvsQwen3.6 FlashmediumDeepSeek V4 FlashhighDisponibil gratuitvsQwen3.5 Plus 2026-04-20mediumDeepSeek V4 FlashhighDisponibil gratuitvsGrok Build 0.1mediumDeepSeek V4 FlashhighDisponibil gratuitvsGemini 3 Flash PreviewnoneDeepSeek V4 FlashhighDisponibil gratuitvsMiMo-V2-PromediumClaude Opus 4.8mediumvsGemini 3 Flash PreviewlowDeepSeek V4 FlashhighDisponibil gratuitvsQwen3.5-122B-A10BmediumDeepSeek V4 FlashhighDisponibil gratuitvsGemini 2.5 FlashmediumClaude Sonnet 4.6mediumvsDeepSeek V4 FlashhighDisponibil gratuit