#55 DeepSeek V4 Flash
high- Cost
- $0.003
- Time
- 93.1s
- Tokens
- 7,926 tok
DeepSeek
Lansare: 2026-04-24
Testat la: 2026-05-22 00:39
deepseek/deepseek-v4-flash::high
(high)
(none)
Rezumat
DeepSeek V4 Flash obține 7.4 pe AI BENCHY și este pe #55. Are fiabilitate 10.0, rată de reușită 71.7%, cost total $0.038 și timp mediu de răspuns 46.28s.
Ce face DeepSeek V4 Flash unic: Se remarcă cel mai mult la Parsare și extragere de date, unde este pe #1, iar Specific domeniului este zona cea mai slabă, la #13.
7.4
Consistență
8.0
10.0
$0.038
Total tokenuri de ieșire
126,869
Total tokenuri de intrare
0
Preț de intrare
$0.112 / 1M
Preț de ieșire
$0.224 / 1M
Teste instabile
5
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Generation showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-06-04 14:24 Retestare | 7.7 | 10.0 | $0.029 ↓ | Compară | |
| 2026-06-04 13:02 Test nou adăugat | 7.7 | 10.0 | $0.028 ↓ | Compară | |
| 2026-05-22 00:39 Suită modificată | 7.4 | 10.0 | $0.038 | Rularea curentă | |
| 2026-04-25 21:41 Retestare | 7.8 | N/D | $0.031 | Compară | |
| 2026-04-24 09:19 Prima rulare | 7.8 | N/D | $0.019 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Comparație între rulări
| Rulare | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:39 · Suită modificată | 7.4 | 8.0 | 10.0 | 11/20 | 5 | 126,869 | 0 | $0.038 | 46.28s |
| 2026-04-24 09:19 · Prima rulare | 7.8 | 7.8 | N/D | 11/18 | 5 | 48,916 | 0 | $0.019 | 39.75s |
| Diferență | -0.4 | +0.2 | 0 | 0 | +77953 | 0 | +$0.019 | +6531ms |
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
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
Comparație rapidă
DeepSeek V4 FlashhighDisponibil gratuitvsGemma 4 31BmediumDisponibil gratuitDeepSeek V4 FlashhighDisponibil gratuitvsQwen3.5-122B-A10BmediumDeepSeek V4 FlashhighDisponibil gratuitvsQwen3.6 PlusmediumDeepSeek V4 FlashhighDisponibil gratuitvsQwen3.5-27BmediumDeepSeek V4 FlashhighDisponibil gratuitvsQwen3.5 Plus 2026-02-15mediumDeepSeek V4 FlashhighDisponibil gratuitvsGemini 3 Flash PreviewmediumDeepSeek V4 FlashhighDisponibil gratuitvsGemini 3.5 FlashhighDeepSeek V4 FlashhighDisponibil gratuitvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitDeepSeek V4 FlashhighDisponibil gratuitvsGemini 3.5 Flashlow
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 8.3 | 10.0 | |
| Programare | 6.8 | 10.0 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 4.1 | 4.4 | |
| Inteligență generală | 6.1 | 3.1 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 6.4 | 4.4 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |