AI BENCHY Compare
Anthropic: Claude Sonnet 4.6 vs DeepSeek: DeepSeek V3.2
Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-03
| Metrică | Anthropic: Claude Sonnet 4.6 none Lansare: 2026-02-17 | DeepSeek: DeepSeek V3.2 medium Lansare: 2025-12-01 |
|---|---|---|
| Rang | #15 | #12 |
| Scor mediu | 6.36 | 6.98 |
| Consistență | 9.50 | 8.75 |
| Cost per rezultat | 1.325 | 0.193 |
| Cost total | $0.106 | $0.018 |
| Teste corecte | 8/14 | 9/14 |
| Rată de trecere pe încercare | 59.5% | 71.4% |
| Teste instabile | 1 | 2 |
| Tokenuri de ieșire | 2,637 | 6,753 |
| Tokenuri de raționament | 0 | 30,427 |
Defalcare pe categorii
| Trucuri anti-AI | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 4.00 | 10.00 | 33.3% | 0 | 1,199 | 0 | |
| DeepSeek: DeepSeek V3.2 | 7.00 | 9.86 | 66.7% | 0 | 1,171 | 4,893 |
| Parsare și extragere de date | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 10.00 | 10.00 | 100.0% | 0 | 252 | 0 | |
| DeepSeek: DeepSeek V3.2 | 9.88 | 10.00 | 100.0% | 0 | 207 | 7,693 |
| Specific domeniului | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 7.00 | 10.00 | 66.7% | 0 | 54 | 0 | |
| DeepSeek: DeepSeek V3.2 | 4.00 | 7.21 | 44.4% | 1 | 3,081 | 7,856 |
| Respectarea instrucțiunilor | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 5.50 | 10.00 | 50.0% | 0 | 90 | 0 | |
| DeepSeek: DeepSeek V3.2 | 7.00 | 9.84 | 50.0% | 0 | 1,397 | 2,845 |
| Puzzle Solving | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 5.00 | 7.68 | 44.4% | 1 | 595 | 0 | |
| DeepSeek: DeepSeek V3.2 | 7.00 | 7.21 | 88.9% | 1 | 390 | 6,281 |
| Apelare instrumente | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 10.00 | 10.00 | 100.0% | 0 | 447 | 0 | |
| DeepSeek: DeepSeek V3.2 | 10.00 | 10.00 | 100.0% | 0 | 507 | 859 |
Comparație rapidă
Schimbă perechea de comparație
Claude Sonnet 4.6nonevsGrok 4.1 FastmediumClaude Sonnet 4.6nonevsKimi K2.5mediumDeepSeek V3.2mediumvsGemini 3 Flash PreviewnoneClaude Sonnet 4.6nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumClaude Sonnet 4.6nonevsQwen3.5-122B-A10BmediumClaude Sonnet 4.6nonevsQwen3.5-35B-A3BmediumClaude Sonnet 4.6nonevsGPT-5 NanomediumClaude Sonnet 4.6nonevsQwen3.5-FlashmediumClaude Sonnet 4.6nonevsGPT-5.2mediumClaude Sonnet 4.6nonevsStep 3.5 FlashmediumDisponibil gratuitDeepSeek V3.2mediumvsQwen3.5 Plus 2026-02-15none