#112 DeepSeek V4 Pro
none
Reached the allocated time limit (300 seconds) without receiving showcase output.
- لاگت
- $0.000
- وقت
- 300.0s
- ٹوکنز
- 0 tok
DeepSeek
اجرا: 2026-04-24
ٹیسٹ کیا گیا: 2026-04-24 09:19
deepseek/deepseek-v4-pro::none
1.6T کل (49B فعال)MoEکھلا ماخذ
(high)
(none)
خلاصہ
DeepSeek V4 Pro AI BENCHY پر 3.1 اسکور کرتا ہے اور #112 پر ہے۔ اس کی reliability دستیاب نہیں، pass rate 11.1%، کل لاگت $0.009، اور اوسط response time 44.40s ہے۔
DeepSeek V4 Pro کو منفرد کیا بناتا ہے: اس score range کے لیے اس کی کل benchmark لاگت غیر معمولی طور پر کم ہے۔
ماڈل کی تفصیلات
تحقیق کی تاریخ: 2026-08-12
- پیرامیٹرز
- 1.6T کل (49B فعال)
- ساخت
- MoE
- دستیابی
- کھلا ماخذ
- لائسنس
- MIT
3.1
تسلسل
7.2
دستیاب نہیں
$0.009
کل آؤٹ پٹ ٹوکنز
591
کل ان پٹ ٹوکنز
0
ان پٹ قیمت
$1.740 / 1M
آؤٹ پٹ قیمت
$3.480 / 1M
غیر مستحکم ٹیسٹ
6
غیر مستحکم ٹیسٹس میں رنز کے درمیان ملے جلے نتائج آئے (کم از کم ایک کامیاب اور ایک ناکام).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
رن ہسٹری
| ٹیسٹ کیا گیا | اسکور | اعتماد پذیری | درست ٹیسٹس | کل لاگت | موازنہ کریں |
|---|---|---|---|---|---|
| 2026-08-14 03:00 دوبارہ ٹیسٹ | 6.8 | 10.0 | $0.256 ↑ | موازنہ کریں | |
| 2026-07-16 23:18 نیا ٹیسٹ شامل ہوا | 6.9 | 10.0 | $0.096 | موازنہ کریں | |
| 2026-06-16 15:17 دوبارہ ٹیسٹ | 7.2 | 9.9 | $0.034 | موازنہ کریں | |
| 2026-06-16 14:39 سوٹ بدل گیا | 7.2 | 9.9 | $0.030 | موازنہ کریں | |
| 2026-06-04 14:24 نیا ٹیسٹ شامل ہوا | 5.7 | 8.5 | $0.025 ↓ | موازنہ کریں | |
| 2026-05-22 00:38 سوٹ بدل گیا | 6.0 | 8.1 | $0.046 | موازنہ کریں | |
| 2026-04-29 14:46 دوبارہ ٹیسٹ | 6.2 | 7.9 | $0.043 | موازنہ کریں | |
| 2026-04-24 09:19 پہلا رن | 3.1 | دستیاب نہیں | $0.009 | موجودہ رن |
رن موازنہ
| رن | بینچ مارک کوریج | اسکور | تسلسل | اعتماد پذیری | درست ٹیسٹس | غیر مستحکم ٹیسٹ | کل آؤٹ پٹ ٹوکنز | کل ان پٹ ٹوکنز | کل لاگت | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-24 09:19 · پہلا رن | 54/54 کوششیں | 3.1 | 7.2 | دستیاب نہیں | 0/18 | 6 | 591 | 0 | $0.009 | 44.40s |
| 2026-08-14 03:00 · دوبارہ ٹیسٹ | 66/66 کوششیں | 6.8 | 8.6 | 10.0 | 9/22 | 4 | 35,547 | 148,078 | $0.256 | 11.71s |
| فرق | — | -3.7 | -1.4 | -9 | +2 | -34956 | -148078 | -$0.248 | +32686ms |
بینچ مارک کوریج مختلف ہے: 54/54 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔) بمقابلہ 66/66 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔)۔ مجموعے اور تکرار سے متاثر ہونے والے پیمانے براہ راست قابل موازنہ نہیں ہیں۔
ان دو رنز میں مختلف بینچ مارک سوٹس استعمال ہوئے تھے، اس لیے فرق میں ماڈل کی تبدیلی اور سوٹ کی تبدیلی دونوں شامل ہیں۔
چارٹس
پہلا ماڈل منتخب کریں، پھر دوسرا ماڈل کلک کریں تاکہ سائیڈ بائی سائیڈ صفحہ کھلے۔
اسکور کے لحاظ سے سرفہرست ماڈلز
اسکور vs کل لاگت
ردِعمل کا وقت (اوسط)
اسکور vs ردِعمل کا وقت (اوسط)
کل آؤٹ پٹ ٹوکنز
اسکور vs کل آؤٹ پٹ ٹوکنز
فوری موازنہ
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 A4Bmediumمفت دستیابDeepSeek V4 PrononevsQwen3.6 FlashmediumDeepSeek V4 PrononevsGLM 5.2none
زمرہ وار تفصیل
| زمرہ | اسکور | تسلسل | درست ٹیسٹس |
|---|---|---|---|
| اینٹی اے آئی چالیں | 3.1 | 10.0 | |
| کوڈنگ | 2.8 | 1.6 | |
| مشترکہ | 3.0 | 10.0 | |
| ڈیٹا پارسنگ اور استخراج | 2.8 | 1.6 | |
| ڈومین مخصوص | 3.0 | 10.0 | |
| عمومی ذہانت | 3.4 | 9.6 | |
| ہدایات کی پیروی | 3.3 | 6.1 | |
| پہیلی حل کرنا | 3.6 | 4.3 | |
| ٹول کالنگ | 3.0 | 10.0 |