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 Pro High Preview

deepseek-v4-pro-high-preview
  • Ponderi deschise
  • Licență MIT
  • Lansat 2026-10-13(văzut prima dată pe LMArena)
6/27axe acoperite
General · LMArena
1,455#62 din 396
Cea mai bună percentilă
85.6Urmarea instrucțiunilor
Poziția în cohortă
66.6mediană 60.6

Ce spun datele

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

Cele mai puternice axe

  • 85.6 pct — Urmarea instrucțiunilor (1,448)

Neuniform: 29,5 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 85.6 pct pe Urmarea instrucțiunilor față de 56.1 pct pe WebDev Arena.

  • Urmarea instrucțiunilor85.6 pct1,448Verifică →
  • General84.6 pct1,455Verifică →
  • Prompturi dificile82.6 pct1,474Verifică →
  • Programare77.2 pct1,488Verifică →
  • Factuality Arena63.4 pct1,447Verifică →
  • WebDev Arena56.1 pct1,464Verifică →
  • 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-pro-high-preview stands at 66.6 (raw mean 74.9) — measured on 6 of 27 axes.

    pozițieșablonVerifică →

  • deepseek-v4-pro-high-preview stands at 66.6 versus a cohort median of 60.6 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 →