#20 DeepSeek V4 Pro
high- Cost
- $0.023
- Timp
- 257.6s
- Tokenuri
- 14,870 tok
DeepSeek
Lansare: 2026-04-24
Testat la: 2026-04-25 21:53
deepseek/deepseek-v4-pro::high
(high)
(none)
Rezumat
DeepSeek V4 Pro obține 8.2 pe AI BENCHY și este pe #20. Are fiabilitate N/D, rată de reușită 77.8%, cost total $0.329 și timp mediu de răspuns 72.92s.
Ce face DeepSeek V4 Pro unic: Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.
8.2
Consistență
9.2
N/D
$0.329
Total tokenuri de ieșire
84,562
Total tokenuri de intrare
0
Preț de intrare
$1.740 / 1M
Preț de ieșire
$3.480 / 1M
Teste instabile
2
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 |
|---|---|---|---|---|---|
| 2026-07-16 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 | Compară | |
| 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 | Rularea curentă |
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) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-25 21:53 · Prima rulare | 8.2 | 9.2 | N/D | 13/18 | 2 | 84,562 | 0 | $0.329 | 72.92s |
| 2026-06-16 15:31 · Retestare | 7.6 | 7.0 | 9.3 | 9/21 | 8 | 165,485 | 38,726 | $0.157 | 77.20s |
| Diferență | +0.6 | +2.2 | +4 | -6 | -80923 | -38726 | +$0.172 | -4277ms |
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 ProhighvsDeepSeek V4 FlashhighDeepSeek V4 ProhighvsMiniMax M3mediumDeepSeek V4 ProhighvsGPT-5.6 LunahighDeepSeek V4 ProhighvsGrok Build 0.1mediumDeepSeek V4 ProhighvsClaude Opus 4.6mediumDeepSeek V4 ProhighvsGPT-5.6 LunamediumDeepSeek V4 ProhighvsGLM 5mediumDeepSeek V4 ProhighvsNemotron 3 UltramediumDisponibil gratuitDeepSeek V4 ProhighvsClaude Opus 4.8lowDeepSeek V4 ProhighvsKimi K2.7 Codemedium
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 8.3 | 10.0 | |
| Programare | 10.0 | 10.0 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 5.3 | 10.0 | |
| Inteligență generală | 6.1 | 3.1 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 7.6 | 7.4 | |
| Apelare instrumente | 10.0 | 10.0 |