Sari la conținut

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

Benchmark-uri

Surse
8
Intrări urmărite
22.318
Ultima sincronizare
48 min
Toate sursele se sincronizează normal
  • Arena · Textacum 5 ore
  • Arena · WebDevacum 5 ore
  • Arena · Visionacum 5 ore
  • Arena · Agentacum 5 ore
  • GPQA Diamondacum 48 de minute
  • SWE-benchacum 48 de minute
  • Terminal-Benchacum 48 de minute
  • ARC-AGI-2acum 48 de minute

deepseek-v4-flash-0731

62±2

59interval64

DeepSeekiul. 2026oscilație #45–#244

General ×1WebDev Arena ×1Vision Arena ×1Factuality Arena ×1Search Arena ×1Document Arena ×1Agent Arena ×1GPQA Diamond ×1AIME (matematică) ×1FrontierMath ×1SimpleQA Verified ×1ARC-AGI-2 ×1Humanity's Last Exam ×1SimpleBench ×1LiveBench ×1BFCL v4 (apelare de funcții) ×1inactivSWE-bench Verified (clasament live) ×1Terminal-Bench 4.0 ×1MMLU-Pro (Artificial Analysis) ×1LiveCodeBench (Artificial Analysis) ×1IFBench (Artificial Analysis) ×1Halucinații HHEM (Vectara) ×15 din 1034 modele
ModelOrganizațieIntervalOscilațieiiiiiiiiiiiiiiiiiiiiiiAdaugă la comparație
108DeepSeek V4 Flash 0420 (Max)deepseek——61.8 97.2Clasat 61.8 = (1 × 97.2 + 3 × 50) ÷ 4. 97.2 este percentila medie pe cele 1 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.——1/22redusă—————————————————————97—
112deepseek-v4-flash-0731DeepSeekiul. 2026$0.15 / $0.1561.7 68.7Clasat 61.7 = (5 × 68.7 + 3 × 50) ÷ 8. 68.7 este percentila medie pe cele 5 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.59–64575/22#45–244———————8779—3072—75————————
179deepseek-v4-flashdeepseekiul. 2026$0.15 / $0.1558.6 62.9Clasat 58.6 = (6 × 62.9 + 3 × 50) ÷ 9. 62.9 este percentila medie pe cele 6 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.57–60376/22#38–1797779—51—————————4374—————54—
335deepseek-v4-flash-high-previewdeepseekoct. 2026—52.8 55.7Clasat 52.8 = (3 × 55.7 + 3 × 50) ÷ 6. 55.7 este percentila medie pe cele 3 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.51–55343/22#80–3357845—44——————————————————
450DeepSeek-V4-Flash Preview (High)deepseekoct. 2026—49.0 46.0Clasat 49.0 = (1 × 46.0 + 3 × 50) ÷ 4. 46.0 este percentila medie pe cele 1 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.48–51—1/22redusă#79–450—46————————————————————

Mixul este contractat după acoperire; scorul compus brut apare gri lângă el · O insignă „redusă” înseamnă că mai puțin de 3 clasamente au evaluat acest model

Puținele lucruri din AI și cuantic care au contat cu adevărat săptămâna asta — rezumate cinstit.

Un e-mail pe săptămână. Dezabonare dintr-un clic. Fără urmărire, fără partajare.