#95 DeepSeek V4 Pro
none
Invalid SVG
- Cost
- $0.000
- Time
- 300.0s
- Tokens
- 0 tok
DeepSeek
Lansare: 2026-04-24
Testat la: 2026-05-22 00:38
deepseek/deepseek-v4-pro::none
(high)
(none)
Rezumat
DeepSeek V4 Pro obține 6.0 pe AI BENCHY și este pe #95. Are fiabilitate 8.1, rată de reușită 48.3%, cost total $0.046 și timp mediu de răspuns 13.48s.
Ce face DeepSeek V4 Pro unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #2, iar Trucuri anti-AI este zona cea mai slabă, la #12.
6.0
Consistență
8.9
8.1
$0.046
Total tokenuri de ieșire
5,347
Total tokenuri de intrare
0
Preț de intrare
$0.435 / 1M
Preț de ieșire
$0.870 / 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 14:24 Test nou adăugat | 5.7 | 8.5 | $0.025 ↓ | Compară | |
| 2026-05-22 00:38 Suită modificată | 6.0 | 8.1 | $0.046 | Rularea curentă | |
| 2026-04-29 14:46 Retestare | 6.2 | 7.9 | $0.043 | Compară | |
| 2026-04-24 09:19 Prima rulare | 3.1 | N/D | $0.009 | 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 00:38 · Suită modificată | 6.0 | 8.9 | 8.1 | 8/20 | 3 | 5,347 | 0 | $0.046 | 13.48s |
| 2026-04-29 14:46 · Retestare | 6.2 | 8.7 | 7.9 | 7/18 | 3 | 3,903 | 0 | $0.043 | 14.01s |
| Diferență | -0.1 | +0.2 | +0.2 | +1 | 0 | +1444 | 0 | +$0.004 | -529ms |
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 PrononevsGPT-5.5noneDeepSeek V4 PrononevsGemini 3.1 Flash LitenoneDeepSeek V4 PrononevsGPT-5 NanomediumDeepSeek V4 PrononevsQwen3.5 Plus 2026-02-15noneDeepSeek V4 PrononevsGemini 3 Flash PreviewmediumDeepSeek V4 PrononevsGemini 3.5 FlashhighDeepSeek V4 PrononevsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitDeepSeek V4 PrononevsGemini 3.5 Flashlow
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 3.5 | 8.0 | |
| Programare | 5.4 | 6.8 | |
| Combinat | 9.5 | 10.0 | |
| Parsare și extragere de date | 8.8 | 10.0 | |
| Specific domeniului | 5.3 | 10.0 | |
| Inteligență generală | 4.3 | 9.9 | |
| Respectarea instrucțiunilor | 6.3 | 10.0 | |
| Rezolvare de puzzle-uri | 7.6 | 7.2 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |