AI BENCHY
Advertise here
#69

DeepSeek V3.2

DeepSeek Lansare: 2025-12-01 Testat la: 2026-04-20 17:48 deepseek/deepseek-v3.2::none
(medium) (none)

Rezumat

DeepSeek V3.2 obține 6.1 pe AI BENCHY și este pe #69. Are fiabilitate N/D, rată de reușită 50.0%, cost total $0.016 și timp mediu de răspuns 12.09s.

Ce face DeepSeek V3.2 unic: Se remarcă cel mai mult la Rezolvare de puzzle-uri, unde este pe #3, iar Trucuri anti-AI este zona cea mai slabă, la #18. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.

Scor

6.1

Consistență

8.1

Fiabilitate

N/D

Cost total (preț curent)

$0.016

Total tokenuri de ieșire

8,384

Total tokenuri de intrare

0

Preț de intrare

$0.252 / 1M

Preț de ieșire

$0.378 / 1M

Teste corecte

Teste greșite: 11

Rată de trecere pe încercare: 50.0%

Teste instabile

4

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

12.09s

Timp de răspuns (maxim): 115.89s

Timp de răspuns (total): 217.56s

Răspuns greșit: 8 Formatare suplimentară: 2 Apel de instrument invalid: 1

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#69 DeepSeek V3.2

none
Cost
$0.002
Timp
7.0s
Tokenuri
1,046 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-07-16 23:15 Test nou adăugat 5.0 10.0 $0.054 ↑ Compară
2026-06-04 14:22 Test nou adăugat 5.2 10.0 $0.017 ↓ Compară
2026-05-22 00:35 Suită modificată 5.6 10.0 $0.018 Compară
2026-05-08 15:31 Suită modificată 5.7 10.0 $0.016 Compară
2026-04-20 17:48 Prima rulare înregistrată 6.1 N/D $0.016 Rularea curentă

Grafice

Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

DeepSeek V3.2nonevsQwen3.6 27BnoneDeepSeek V3.2nonevsMiMo-V2.5-PrononeDeepSeek V3.2nonevsGLM 5.1noneDeepSeek V3.2nonevsKimi K2.5noneDeepSeek V3.2nonevsDeepSeek V4 FlashnoneDeepSeek V3.2nonevsGemma 4 26B A4BnoneDisponibil gratuitDeepSeek V3.2nonevsGemini 3 Flash PreviewmediumDeepSeek V3.2nonevsGemini 3.5 FlashhighDeepSeek V3.2nonevsNemotron 3 UltramediumDisponibil gratuitDeepSeek V3.2nonevsGPT-5.5low

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 3.2 9.8
Programare 2.4 1.3
Combinat 6.5 10.0
Parsare și extragere de date 6.3 5.8
Specific domeniului 3.6 7.2
Inteligență generală 10.0 10.0
Respectarea instrucțiunilor 10.0 10.0
Rezolvare de puzzle-uri 8.5 7.5
Apelare instrumente 10.0 10.0

Modele comparate