हम डालते हैं संग्रहालय चिंगारी 1.3, बीज 2.1 टर्बो, चरण 5: पूर्वावलोकन तथा डीपसीक v4.1 फ्लैश चार एक-शॉट कोडिंग परीक्षणों में एक-दूसरे के खिलाफ, सभी EmpirioLabs पर चलते हैं। प्रत्येक एक ही संकेत, एक प्रयास, कोई संपादन या पुन: प्रयास नहीं, और प्रत्येक परिणाम एक वास्तविक ब्राउज़र में लाइव प्रस्तुत किया गया।
चार तरफ़ा तुलना देखें
चश्मा एक नज़र में
| संग्रहालय चिंगारी 1.3 | बीज 2.1 टर्बो | चरण 5: पूर्वावलोकन | डीपसीक v4.1 फ्लैश | |
|---|---|---|---|---|
| निर्माता | के परे | बाइटडांस | स्टेपफन | डीपसीक |
| संदर्भ विंडो | 1,048,576 टोकन | 229,093 टोकन | 1,024,000 टोकन | 1,000,000 टोकन |
| इनपुट | पाठ, चित्र, वीडियो और दस्तावेज़ | पाठ, चित्र और वीडियो | पाठ, चित्र और वीडियो | पाठ और चित्र |
| प्रयास | अधिकतम तक | अधिकतम तक | अधिकतम तक | अधिकतम तक |
| संरचित आउटपुट | सख्त JSON स्कीमा | सख्त JSON स्कीमा | सख्त JSON स्कीमा | JSON मोड |
| इनपुट मूल्य | $1.25 प्रति 1M टोकन | $0.63 प्रति 1M टोकन | $1.00 प्रति 1M टोकन | $0.20 प्रति 1M टोकन |
| उत्पादन मूल्य | $4.25 प्रति 1M टोकन | $3.13 प्रति 1M टोकन | $2.70 प्रति 1M टोकन | $0.80 प्रति 1M टोकन |
हमने इसे कैसे चलाया
प्रत्येक मॉडल को चार कार्यों के लिए समान संकेत प्राप्त हुआ: एक एकल HTML फ़ाइल में उछलने वाली डीवीडी स्क्रीनसेवर का निर्माण करें; एक एकल HTML फ़ाइल में एक पहिया पर चलने वाले हम्सटर का निर्माण करें; एक एकल HTML फ़ाइल में एक बबल मशीन बनाएं; एक एकल HTML फ़ाइल में शाम के समय एक तालाब पर जुगनू का निर्माण करें। प्रत्येक कार्य ने एक एकल स्व-निहित HTML फ़ाइल के लिए कहा जिसमें कोई बाहरी पुस्तकालय नहीं है जो अपने आप एनिमेट करता है। सभी चार मॉडल चले reasoning_effort: "अधिकतम" 65,536 टोकन आउटपुट बजट के साथ, एक शॉट, कोई पुनरावृत्ति नहीं। प्रत्येक पैनल पर लाइन की गिनती और tokens-per-second रीडआउट को वास्तविक एपीआई कॉल से मापा जाता है, और प्रत्येक परिणाम वह फ़ाइल होती है जिसे मॉडल लौटाता है, जैसा है वैसा ही प्रस्तुत किया जाता है।
क्या देखना है
डीपसीक V4.1 फ्लैश ने अपनी फाइलों को सबसे तेजी से लौटाया (लगभग 130 टोकन प्रति सेकंड), सबसे लंबा (औसतन लगभग 760 लाइनें) लिखा और सबसे अधिक आउटपुट टोकन (इसके तर्क सहित प्रति कार्य लगभग 36,000) का उपयोग किया; चरण 5 पूर्वावलोकन ने सबसे कॉम्पैक्ट, लगभग 450 पंक्तियाँ लिखीं। देखें कि प्रत्येक मॉडल अपने दृश्य को कैसे जीवंत करता है: गति, विवरण और यह अपने आप कैसे चलता रहता है। हम विजेता घोषित नहीं कर रहे हैं। क्लिप चलाएं और अपने स्वयं के उपयोग के मामले के लिए आउटपुट का न्याय करें।
EmpirioLabs पर एक ही परीक्षण चलाएं
curl https://api.empiriolabs.ai/v1/chat/completions \ -H "प्राधिकरण: वाहक $EMPIRIOLABS_API_KEY" \ -h "सामग्री-प्रकार: application/json" \ -d '{ "मॉडल": "muse-spark-1-3", "reasoning_effort": "अधिकतम", "संदेश": [{"भूमिका": "उपयोगकर्ता", "सामग्री": "एकल HTML फ़ाइल में उछलने वाली डीवीडी स्क्रीनसेवर बनाएं।
विनिमय करना मॉडल सेवा मेरे seed-2-1-turbo, step-5-preview या deepseek-v4-1-flash दूसरों के खिलाफ एक ही अनुरोध चलाने के लिए, या उन्हें अंतःक्रियात्मक रूप से आजमाएं playground।.
अक्सर पूछे जाने वाले प्रश्नों
क्या परिणाम संपादित या पुन: प्रयास किए गए थे?
नहीं। प्रत्येक मॉडल को समान संकेत के साथ प्रति कार्य एक प्रयास मिला, और प्रदान किया गया परिणाम बिल्कुल वही फ़ाइल है जो उसने लौटाई थी।
अधिकतम तर्क क्यों?
एक निष्पक्ष सिर से सिर तक प्रत्येक मॉडल को उसके सर्वश्रेष्ठ रूप में दिखाता है। चारों EmpirioLabs पर एक reasoning_effort नियंत्रण को उजागर करते हैं, इसलिए चारों उच्चतम सेटिंग पर दौड़े।
मुझे किस मॉडल का उपयोग करना चाहिए?
डीपसीक V4.1 फ्लैश का आउटपुट मूल्य यहां चारों में से सबसे कम है। निर्णय लेने से पहले प्रत्येक के खिलाफ अपना कार्यभार चलाएं: एक ही अनुरोध केवल मॉडल का नाम बदलने के साथ सभी चार के लिए काम करता है।
इसे अजमाएं
Playground (c) सभी मॉडल (c) मूल्य निर्धारण




