Cara a cara
deepseek-flash vs deepseek-v4-pro
En 8 pruebas, deepseek-flash y deepseek-v4-pro no se separan claramente en 6. deepseek-flash va por delante en 1 y deepseek-v4-pro en 1. deepseek-flash cuesta menos en 8 de las 8.
Un modelo aparece por delante solo cuando los datos dicen que probablemente es mejor. Si no, el resultado es "sin diferencia clara".
Aciertos, prueba por prueba
Cada fila es una tarea y una dificultad, con cada modelo en su mejor nivel de razonamiento. Las mismas pruebas a precio de lista, escala logarítmica.
Los números de este gráfico están en la tabla de abajo.
| Prueba | deepseek-flash: Razonamiento | Aciertos | Por 1.000 tareas | deepseek-v4-pro: Razonamiento | Aciertos | Por 1.000 tareas | Resultado |
|---|---|---|---|---|---|---|---|
| Matemáticas, Fácil | Razonamiento bajo | 100,0 % | 0,27 USD | Razonamiento bajo | 100,0 % | 0,81 USD | Sin diferencia clara |
| Matemáticas, Media | Razonamiento bajo | 98,2 % | 0,62 USD | Razonamiento bajo | 98,2 % | 1,57 USD | Sin diferencia clara |
| Matemáticas, Difícil | Razonamiento bajo | 100,0 % | 2,26 USD | Razonamiento alto | 98,2 % | 15,63 USD | Sin diferencia clara |
| Matemáticas, Muy difícil | Razonamiento bajo | 96,4 % | 6,38 USD | Razonamiento alto | 98,2 % | 48,68 USD | deepseek-v4-pro por delante |
| SQL y consultas de datos, Fácil | Razonamiento desactivado | 100,0 % | 0,24 USD | Razonamiento desactivado | 100,0 % | 1,03 USD | Sin diferencia clara |
| SQL y consultas de datos, Media | Razonamiento alto | 98,2 % | 1,87 USD | Razonamiento bajo | 98,2 % | 8,92 USD | Sin diferencia clara |
| SQL y consultas de datos, Difícil | Razonamiento bajo | 100,0 % | 2,10 USD | Razonamiento alto | 100,0 % | 22,80 USD | Sin diferencia clara |
| SQL y consultas de datos, Muy difícil | Razonamiento bajo | 100,0 % | 4,29 USD | Razonamiento alto | 98,2 % | 41,95 USD | deepseek-flash por delante |
Lee esto primero
- Los problemas AIME son públicos y pueden estar en los datos de entrenamiento, así que los resultados de matemáticas en el nivel más difícil pueden estar inflados. Lo fiable son las diferencias entre niveles de razonamiento.
- Las preguntas de SQL se conservaron solo si un modelo independiente, ajeno a la prueba, las respondía bien, lo que limita la dificultad de las más difíciles.
- Estos resultados comparan modelos y niveles de DeepSeek entre sí. Los modelos de otros proveedores no se probaron en esta ronda.
- Los resultados no se ordenan cuando sus rangos se superponen. Arriba significa que nada de lo probado es probablemente mejor en ese trabajo. Cerca de arriba significa que no es claramente peor que los de arriba.
Zabio vende acceso a estos modelos y cobra una tarifa por el tráfico que maneja. Por eso el método es público, cada número lleva su rango y su fecha, y las correcciones se publican como cambios. Ningún proveedor paga por pruebas, resultados ni posiciones.
DeepSeek es una marca de su titular. Zabio usa los modelos de DeepSeek a través de la API de DeepSeek y no tiene relación societaria con DeepSeek.
Usa los datos
Puedes reutilizar los resultados gratis con la licencia CC BY 4.0. Menciona a Zabio con la cita de abajo.
- Licencia
- CC BY 4.0
- Cita sugerida
Zabio, Model benchmarks, zabio.ai/benchmarks, 2026-09-25- Metodología
- 1.0
- Probado
- 25 de septiembre de 2026