#131 DeepSeek V4 Flash
none- Cost
- $0.004
- Time
- 157.6s
- Tokens
- 11,297 tok
DeepSeek
Lansare: 2026-04-24
Testat la: 2026-05-22 00:37
deepseek/deepseek-v4-flash::none
(high)
(none)
Rezumat
DeepSeek V4 Flash obține 5.1 pe AI BENCHY și este pe #131. Are fiabilitate 10.0, rată de reușită 31.7%, cost total $0.010 și timp mediu de răspuns 27.85s.
Ce face DeepSeek V4 Flash unic: Se remarcă cel mai mult la Parsare și extragere de date, unde este pe #1, iar Trucuri anti-AI este zona cea mai slabă, la #14. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.
5.1
Consistență
8.8
10.0
$0.010
Total tokenuri de ieșire
13,700
Total tokenuri de intrare
0
Preț de intrare
$0.112 / 1M
Preț de ieșire
$0.224 / 1M
Teste instabile
3
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 14:22 Retestare | 5.0 | 10.0 | $0.008 ↓ | Compară | |
| 2026-06-04 13:02 Test nou adăugat | 5.0 | 10.0 | $0.008 ↓ | Compară | |
| 2026-05-22 00:37 Suită modificată | 5.1 | 10.0 | $0.010 | Rularea curentă | |
| 2026-04-24 09:19 Prima rulare | 5.3 | N/D | $0.008 | 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 00:37 · Suită modificată | 5.1 | 8.8 | 10.0 | 5/20 | 3 | 13,700 | 0 | $0.010 | 27.85s |
| 2026-06-04 13:02 · Test nou adăugat | 5.0 | 8.9 | 10.0 | 5/21 | 3 | 13,708 | 48,401 | $0.008 | 26.72s |
| Diferență | +0.1 | -0.1 | 0.0 | 0 | 0 | -8 | -48401 | +$0.003 | +1130ms |
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 FlashnoneDisponibil gratuitvsGLM 5.1noneDeepSeek V4 FlashnoneDisponibil gratuitvsQwen3.5 Plus 2026-04-20noneDeepSeek V4 FlashnoneDisponibil gratuitvsQwen3.5-27BnoneDeepSeek V4 FlashnoneDisponibil gratuitvsSeed-2.0-LitenoneDeepSeek V4 FlashnoneDisponibil gratuitvsGemini 3 Flash PreviewmediumDeepSeek V4 FlashnoneDisponibil gratuitvsGemini 3.5 FlashhighDeepSeek V4 FlashnoneDisponibil gratuitvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitDeepSeek V4 FlashnoneDisponibil gratuitvsGemini 3.5 Flashlow
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 3.0 | 10.0 | |
| Programare | 4.8 | 6.0 | |
| Combinat | 4.5 | 2.1 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 5.3 | 10.0 | |
| Inteligență generală | 4.2 | 9.9 | |
| Respectarea instrucțiunilor | 6.5 | 10.0 | |
| Rezolvare de puzzle-uri | 3.1 | 7.3 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |