AI BENCHY
Advertise here
#61

DeepSeek V4 Pro

DeepSeek Lansare: 2026-04-24 Testat la: 2026-06-16 15:17 deepseek/deepseek-v4-pro::none
1.6T în total (49B activi)MoESursă deschisă
(high) (none)

Rezumat

DeepSeek V4 Pro obține 7.2 pe AI BENCHY și este pe #61. Are fiabilitate 9.9, rată de reușită 52.4%, cost total $0.034 și timp mediu de răspuns 6.41s.

Ce face DeepSeek V4 Pro unic: Se remarcă cel mai mult la Rezolvare de puzzle-uri, unde este pe #1, iar Trucuri anti-AI este zona cea mai slabă, la #18. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor. Este vizibil rapid față de modele similare.

Date despre model

Documentat la 2026-08-12

Raportat
Parametri
1.6T în total (49B activi)
Arhitectură
MoE
Disponibilitate
Sursă deschisă
Licență
MIT
Sursa parametrilor Sursa disponibilității

Scor

7.2

Consistență

8.8

Fiabilitate

9.9

Cost total (preț curent)

$0.034

Total tokenuri de ieșire

11,424

Total tokenuri de intrare

53,558

Preț de intrare

$0.435 / 1M

Preț de ieșire

$0.870 / 1M

Teste corecte

Teste greșite: 11

Rată de trecere pe încercare: 52.4%

Teste instabile

3

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

6.41s

Timp de răspuns (maxim): 30.09s

Timp de răspuns (total): 134.66s

Răspuns greșit: 8 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#61 DeepSeek V4 Pro

none
Reached the allocated time limit (300 seconds) without receiving showcase output.
Cost
$0.000
Timp
300.0s
Tokenuri
0 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-08-14 03:00 Retestare 6.8 10.0 $0.256 ↑ Compară
2026-07-16 23:18 Test nou adăugat 6.9 10.0 $0.096 Compară
2026-06-16 15:17 Retestare 7.2 9.9 $0.034 Rularea curentă
2026-06-16 14:39 Suită modificată 7.2 9.9 $0.030 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 Compară
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

Comparație între rulări

RulareAcoperire benchmarkScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-06-16 15:17 · Retestare63/63 încercări7.28.89.910/21311,42453,558$0.0346.41s
2026-07-16 23:18 · Test nou adăugat66/66 încercări6.98.610.010/22435,551148,069$0.09611.55s
Diferență—+0.3+0.2-0.10-1-24127-94511-$0.063-5138ms

Acoperirea benchmark diferă: 63/63 încercări (Țintă: 3 repetări per test) față de 66/66 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.

Istoric prețuri

Date istorice de preț pentru acest model de la OpenRouter.

Dată Preț de intrare Preț de ieșire
2026-06-17 09:56 $0.435 / 1M $0.870 / 1M

Grafice

Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

DeepSeek V4 PrononevsSolar Pro 4mediumDeepSeek V4 PrononevsGLM 5.3lowDeepSeek V4 PrononevsSolar Pro 4lowDeepSeek V4 PrononevsMiMo-V2.5-PromediumDeepSeek V4 PrononevsSeed-2.0-CodemediumDeepSeek V4 PrononevsGemini 3 Flash PreviewnoneDeepSeek V4 PrononevsStep 3.7 FlashhighDeepSeek V4 PrononevsGemma 4 26B A4BmediumDisponibil gratuitDeepSeek V4 PrononevsQwen3.6 FlashmediumDeepSeek V4 PrononevsGLM 5.2none

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 3.2 6.1
Programare 5.6 10.0
Combinat 9.5 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 5.3 10.0
Inteligență generală 5.0 10.0
Respectarea instrucțiunilor 6.3 5.8
Rezolvare de puzzle-uri 10.0 10.0
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate