#80 DeepSeek V4 Pro
high- Cost
- $0.023
- Timp
- 257.6s
- Tokenuri
- 14,870 tok
DeepSeek
Lansare: 2026-04-24
Testat la: 2026-05-22 00:54
deepseek/deepseek-v4-pro::high
1.6T în total (49B activi)MoESursă deschisă
(high)
(none)
Rezumat
DeepSeek V4 Pro 0423 obține 6.6 pe AI BENCHY și este pe #80. Are fiabilitate 9.0, rată de reușită 66.7%, cost total $0.212 și timp mediu de răspuns 58.93s.
Ce face DeepSeek V4 Pro 0423 unic: Se remarcă cel mai mult la Combinat, unde este pe #1, iar Programare este zona cea mai slabă, la #17. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.
Date despre model
Documentat la 2026-08-12
- Parametri
- 1.6T în total (49B activi)
- Arhitectură
- MoE
- Disponibilitate
- Sursă deschisă
- Licență
- MIT
6.6
Consistență
8.3
9.0
$0.212
Total tokenuri de ieșire
65,985
Total tokenuri de intrare
0
Preț de intrare
$0.435 / 1M
Preț de ieșire
$0.870 / 1M
Preț citire cache
N/D
Preț scriere cache
N/D
Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.
Teste instabile
4
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
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 |
|---|---|---|---|---|---|
| 2026-08-14 03:17 Retestare | 7.7 | 10.0 | $0.555 ↑ | Compară | |
| 2026-07-16 23:19 Test nou adăugat | 7.7 | 10.0 | $0.200 | Compară | |
| 2026-06-16 15:31 Retestare | 7.6 | 9.3 | $0.157 | Compară | |
| 2026-06-16 14:47 Suită modificată | 8.1 | 9.6 | $0.098 | Compară | |
| 2026-06-04 14:38 Test nou adăugat | 6.0 | 8.9 | $0.079 ↓ | Compară | |
| 2026-05-22 00:54 Suită modificată | 6.6 | 9.0 | $0.212 | Rularea curentă | |
| 2026-04-29 14:47 Retestare | 7.5 | 9.3 | $0.209 | Compară | |
| 2026-04-26 10:50 Retestare | 7.5 | 8.4 | $0.201 | Compară | |
| 2026-04-25 21:53 Prima rulare | 8.2 | N/D | $0.329 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Comparație între rulări
| Rulare | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:54 · Suită modificată | 60/60 încercări | 6.6 | 8.3 | 9.0 | 11/20 | 4 | 65,985 | 0 | $0.212 | 58.93s |
| 2026-06-16 14:47 · Suită modificată | 57/63 încercări | 8.1 | 7.8 | 9.6 | 10/21 | 6 | 99,520 | 35,122 | $0.098 | 72.22s |
| Diferență | — | -1.4 | +0.5 | -0.6 | +1 | -2 | -33535 | -35122 | +$0.115 | -13288ms |
Acoperirea benchmark diferă: 60/60 încercări (Țintă: 3 repetări per test) față de 57/63 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
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 Pro 0423highvsSeed-2.0-CodelowDeepSeek V4 Pro 0423highvsClaude Opus 4.7mediumDeepSeek V4 Pro 0423highvsSeed-2.0-LitemediumDeepSeek V4 Pro 0423highvsDeepSeek V4 Flash 0423highDeepSeek V4 Pro 0423highvsGPT-5.6 TerramediumDeepSeek V4 Pro 0423highvsDeepSeek V4.1 FlashlowDeepSeek V4 Pro 0423highvsGLM 5.2mediumDeepSeek V4 Pro 0423highvsGPT-5.6 LunahighDeepSeek V4 Pro 0423highvsGrok 4.5highDeepSeek V4 Pro 0423highvsNemotron 3 UltramediumDisponibil gratuit
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 7.4 | 10.0 | |
| Programare | 2.8 | 5.0 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 8.8 | 10.0 | |
| Specific domeniului | 3.0 | 6.9 | |
| Inteligență generală | 6.1 | 3.1 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 7.4 | 7.2 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |