DeepSeek V4 Flash 0731 vs Grok 4.20 (medium)

Grok 4.20 (medium) лидирует по среднему баллу: 6.3 vs 6.2. DeepSeek V4 Flash 0731 имеет более низкую стоимость benchmark: $0.055 vs $1.582. DeepSeek V4 Flash 0731 быстрее: 27.42s vs 36.73s, с долей успешных попыток 30.4% vs 58.0%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-01

Сравниваемые модели

Ранг: #229
Общее число выходных токенов: 39,789
Время ответа (среднее): 27.42s
Общая стоимость: $0.055

Ранг: #224
Общее число выходных токенов: 302,087
Время ответа (среднее): 36.73s
Общая стоимость: $1.582

Рекомендуемая модель Grok 4.20 (medium)

У него самый высокий балл в этом сравнении (6.3) и лучший общий баланс стоимости и времени ответа среди всех 2 моделей.

Подробное сравнение

Метрика	DeepSeek V4 Flash 0731 DeepSeek V4 Flash 0731 none Релиз: 2026-08-01	Grok 4.20 Grok 4.20 medium Релиз: 2026-03-31

Метрика	DeepSeek V4 Flash 0731 DeepSeek V4 Flash 0731 none Релиз: 2026-08-01	Grok 4.20 Grok 4.20 medium Релиз: 2026-03-31
Оценка	6.2	6.3
Ранг	#229	#224
Надежность	10.0	10.0
Стабильность	8.7	8.2
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	30.4%	58.0%
Нестабильные тесты	4	5
Всего запусков	69	69
Стоимость за результат	0.826	14.374
Общая стоимость	$0.055	$1.582
Цена входа	$0.010 / 1M	$1.250 / 1M
Цена выхода	$1.280 / 1M	$2.500 / 1M
Общее число входных токенов	349,876	392,127
Выходные токены	39,789	7,754
Токены рассуждений	0	294,333
Время ответа (среднее)	27.42s	36.73s
Время ответа (макс.)	387.15s	199.66s
Время ответа (суммарно)	630.70s	844.68s
Параметры	284B всего (13B активных)	~1T всего (~100B активных)
Доступность	Закрытая модель	Закрытая модель

Генерация showcase моделей

Hamster playing table tennis

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

#229 DeepSeek V4 Flash 0731

none

Стоимость: $0.004
Время: 198.4s
Токены: 14,316 tok

#224 SpaceXAI: Grok 4.20

medium

Стоимость: $0.041
Время: 110.3s
Токены: 16,336 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Категория:

Агентные задачи	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
DeepSeek V4 Flash 0731	10.0	10.0	100.0%	0		174.89s	255,310	14,363	0
Grok 4.20	3.0	10.0	0.0%	0		128.32s	289,141	1,894	29,934

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
DeepSeek V4 Flash 0731	3.4	8.3	8.3%	1		4.19s	540	801	0
Grok 4.20	8.2	7.9	83.3%	1		3.95s	2,010	287	8,312

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
DeepSeek V4 Flash 0731	4.3	10.0	0.0%	0		1.72s	7,275	505	0
Grok 4.20	6.3	6.6	55.6%	1		109.93s	8,307	268	103,150

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
DeepSeek V4 Flash 0731	3.7	1.8	50.0%	2		202.44s	65,531	22,822	0
Grok 4.20	8.7	6.9	83.3%	1		42.25s	71,267	3,776	44,009

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
DeepSeek V4 Flash 0731	10.0	10.0	100.0%	0		2.37s	7,290	199	0
Grok 4.20	10.0	10.0	100.0%	0		4.17s	7,761	180	5,333

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
DeepSeek V4 Flash 0731	5.3	10.0	33.3%	0		1.17s	675	26	0
Grok 4.20	2.9	7.2	11.1%	1		49.71s	1,959	872	59,761

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
DeepSeek V4 Flash 0731	4.4	9.9	0.0%	0		3.22s	471	153	0
Grok 4.20	3.9	2.6	33.3%	1		24.48s	825	65	6,440

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
DeepSeek V4 Flash 0731	5.0	6.8	33.3%	1		1.42s	627	69	0
Grok 4.20	9.8	10.0	100.0%	0		4.26s	1,362	57	6,419

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
DeepSeek V4 Flash 0731	3.2	9.9	0.0%	0		2.74s	594	302	0
Grok 4.20	7.7	10.0	66.7%	0		6.22s	1,689	149	7,913

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
DeepSeek V4 Flash 0731	9.5	10.0	100.0%	0		4.61s	11,380	536	0
Grok 4.20	3.0	10.0	0.0%	0		13.68s	7,275	197	6,620

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
DeepSeek V4 Flash 0731	3.0	10.0	0.0%	0		1.85s	183	13	0
Grok 4.20	3.0	10.0	0.0%	0		63.48s	531	9	16,442

Быстрое сравнение

Сменить пару сравнения

DeepSeek V4 Flash 0423nonevsGrok 4.20medium Gemini 3.5 FlashnonevsGrok 4.20medium DeepSeek V4 Flash 0731nonevsKAT-Coder-Pro V2.5medium DeepSeek V4 Flash 0731nonevsSpace Bunny Alphaxhigh Claude Fable 5.1lowvsDeepSeek V4 Flash 0731none Space Bunny AlphaxhighvsGrok 4.20medium Solar Pro 4highvsGrok 4.20medium Gemini 3.1 Flash LitelowvsGrok 4.20medium Qwen3.5 Plus 2026-04-20nonevsGrok 4.20medium Gemini 3.1 Flash Lite PreviewlowvsGrok 4.20medium Gemini 3.5 Flash LitelowvsGrok 4.20medium Gemini 3.1 Flash Lite PreviewnonevsGrok 4.20medium