Sari la conținut
aiqbench

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

DeepSeek · pașaport de model

DeepSeek V4 Flash High Preview

deepseek-v4-flash-high-preview
  • Ponderi deschise
  • Licență MIT
  • Lansat 2026-10-13(văzut prima dată pe LMArena)
6/27axe acoperite
General · LMArena
1,439#88 din 396
Cea mai bună percentilă
79.8Urmarea instrucțiunilor
Poziția în cohortă
60.9mediană 60.7

Ce spun datele

Evaluat pe 6 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 36,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 79.8 pct pe Urmarea instrucțiunilor față de 43.6 pct pe Factuality Arena.

  • Urmarea instrucțiunilor79.8 pct1,434Verifică →
  • General78 pct1,439Verifică →
  • Prompturi dificile76.5 pct1,458Verifică →
  • Programare74.4 pct1,480Verifică →
  • WebDev Arena45.3 pct1,431Verifică →
  • Factuality Arena43.6 pct1,434Verifică →
  • Vision ArenaNeevaluat
  • Search ArenaNeevaluat
  • Document ArenaNeevaluat
  • Agent ArenaNeevaluat
  • GPQA DiamondNeevaluat
  • AIME (matematică)Neevaluat
  • FrontierMathNeevaluat
  • SimpleQA VerifiedNeevaluat
  • ARC-AGI-2Neevaluat
  • Humanity's Last ExamNeevaluat
  • SimpleBenchNeevaluat
  • LiveBenchNeevaluat
  • BFCL v4 (apelare de funcții)Neevaluat
  • SWE-bench Verified (clasament live)Neevaluat
  • Terminal-Bench 4.0Neevaluat
  • MMLU-Pro (Artificial Analysis)Neevaluat
  • LiveCodeBench (Artificial Analysis)Neevaluat
  • IFBench (Artificial Analysis)Neevaluat
  • Halucinații HHEM (Vectara)Neevaluat
  • SWE-bench VerifiedNeevaluat
  • Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

  • deepseek-v4-flash-high-preview stands at 60.9 (raw mean 66.3) — measured on 6 of 27 axes.

    pozițieșablonVerifică →

  • deepseek-v4-flash-high-preview stands at 60.9 versus a cohort median of 60.7 across 169 models released within 180 days — above the peer median.

    cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →