- 排名
- #59
- 总输出令牌
- 444,665
- 响应时间（平均）
- 32.88s
- 总成本
- $0.591
DeepSeek V4.1 Flash (medium) vs Pareto 26.9 (default)
Pareto 26.9 (default) 平均分领先，为 8.9 vs 8.7。 DeepSeek V4.1 Flash (medium) benchmark 成本更低，为 $0.591 vs $1.864。 Pareto 26.9 (default) 更快，为 28.26s vs 32.88s，通过率为 73.9% vs 79.7%。
已对比模型
- 排名
- #55
- 总输出令牌
- 175,696
- 响应时间（平均）
- 28.26s
- 总成本
- $1.864
推荐模型
DeepSeek V4.1 Flash (medium)
它的得分接近这里的最高分（8.7 vs 8.9），同时成本比Pareto 26.9 (default)低约 3.2 倍。
详细对比
| 指标 | DeepSeek V4.1 Flash DeepSeek V4.1 Flash medium | Pareto 26.9 Pareto 26.9 default |
|---|---|---|
| 分数 | 8.7 | 8.9 |
| 排名 | #59 | #55 |
| 可靠性 | 9.6 | 10.0 |
| 一致性 | 9.3 | 8.1 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 73.9% | 79.7% |
| 不稳定测试 | 2 | 6 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 1.757 | 12.422 |
| 总成本 | $0.591 | $1.864 |
| 输入价格 | $0.013 / 1M | $2.500 / 1M |
| 输出价格 | $1.320 / 1M | $7.500 / 1M |
| 缓存读取价格 | $0.013 / 1M | $0.250 / 1M |
| 缓存写入价格 | 不适用 | 不适用 |
| 总输入令牌 | 280,643 | 218,199 |
| 输出令牌 | 7,342 | 175,696 |
| 推理令牌 | 437,323 | 0 |
| 响应时间（平均） | 32.88s | 28.26s |
| 响应时间（最大） | 276.31s | 151.76s |
| 响应时间（总计） | 756.34s | 649.90s |
| 参数量 | 748B 总计 (16B 激活) | - |
| 开放状态 | 开源 | 闭源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#59 DeepSeek V4.1 Flash
medium- 成本
- $0.014
- 时间
- 34.7s
- 令牌
- 11,541 tok
#55 Pareto 26.9
default- 成本
- $0.038
- 时间
- 109.6s
- 令牌
- 5,118 tok
类别细分
| 智能体任务 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 10.0 | 10.0 | 100.0% | 0 | 47.59s | 192,135 | 1,932 | 11,917 | |
| Pareto 26.9 | 10.0 | 10.0 | 100.0% | 0 | 54.17s | 103,835 | 8,348 | 0 |
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 8.3 | 10.0 | 75.0% | 0 | 3.07s | 852 | 156 | 4,108 | |
| Pareto 26.9 | 7.5 | 8.4 | 66.7% | 1 | 6.44s | 737 | 1,595 | 0 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 10.0 | 10.0 | 100.0% | 0 | 34.45s | 7,509 | 396 | 71,345 | |
| Pareto 26.9 | 10.0 | 10.0 | 100.0% | 0 | 49.15s | 7,419 | 1,895 | 0 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 10.0 | 10.0 | 100.0% | 0 | 22.21s | 66,161 | 3,956 | 24,673 | |
| Pareto 26.9 | 8.2 | 6.9 | 66.7% | 1 | 81.38s | 88,832 | 146,339 | 0 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 6.5 | 10.0 | 50.0% | 0 | 3.77s | 2,397 | 120 | 998 | |
| Pareto 26.9 | 10.0 | 10.0 | 100.0% | 0 | 2.63s | 7,728 | 1,285 | 0 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 2.9 | 7.2 | 11.1% | 1 | 153.01s | 909 | 24 | 298,454 | |
| Pareto 26.9 | 5.9 | 7.2 | 55.6% | 1 | 60.97s | 825 | 12,233 | 0 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.13s | 549 | 131 | 581 | |
| Pareto 26.9 | 6.5 | 3.4 | 66.7% | 1 | 6.55s | 492 | 774 | 0 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 10.0 | 10.0 | 100.0% | 0 | 9.69s | 783 | 63 | 1,483 | |
| Pareto 26.9 | 9.8 | 10.0 | 100.0% | 0 | 3.82s | 696 | 393 | 0 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 8.7 | 7.7 | 88.9% | 1 | 8.01s | 828 | 293 | 12,340 | |
| Pareto 26.9 | 8.2 | 7.3 | 88.9% | 1 | 8.40s | 624 | 1,437 | 0 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.33s | 8,259 | 258 | 296 | |
| Pareto 26.9 | 10.0 | 10.0 | 100.0% | 0 | 3.63s | 6,762 | 892 | 0 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 3.0 | 10.0 | 0.0% | 0 | 20.25s | 261 | 13 | 11,128 | |
| Pareto 26.9 | 2.8 | 1.6 | 33.3% | 1 | 28.57s | 249 | 505 | 0 |
快速对比
切换对比组合
Claude Fable 5mediumvsPareto 26.9defaultDeepSeek V4.1 FlashmediumvsMuse Spark 1.2lowMuse Spark 1.1mediumvsPareto 26.9defaultMuse Spark 1.2mediumvsPareto 26.9defaultMuse Spark 1.2highvsPareto 26.9defaultQwen3.8 MAXlowvsPareto 26.9defaultDeepSeek V4.1 FlashmediumvsQwen3.8 27Bhigh免费可用GPT-5.4mediumvsPareto 26.9defaultDeepSeek V4.1 FlashmediumvsQwen3.8 MAXlowDeepSeek V4.1 FlashmediumvsGPT-6 SollowPareto 26.9defaultvsGLM 5.3 FlashmaxGemini 3.6 FlashlowvsPareto 26.9default