हम डालते हैं Qwen3.8 फ्लैश, डीपसीक V4 प्रो 0813, मिनीमैक्स एम3 तथा बीज 2.1 टर्बो तीन एक-शॉट कोडिंग परीक्षणों में एक दूसरे के खिलाफ, सभी EmpirioLabs पर चलते हैं। एक ही संकेत, एक शॉट, कोई संपादन नहीं, और प्रत्येक परिणाम एक वास्तविक ब्राउज़र में लाइव प्रस्तुत किया गया।
चार तरफ़ा तुलना देखें
चश्मा एक नज़र में
| Qwen3.8 फ्लैश | डीपसीक V4 प्रो 0813 | मिनीमैक्स एम3 | बीज 2.1 टर्बो | |
|---|---|---|---|---|
| निर्माता | अलीबाबा | डीपसीक | मिनीमैक्स | बाइटडांस |
| संदर्भ विंडो | 1,000,000 टोकन | 1,000,000 टोकन | 1,000,000 टोकन | 256,000 टोकन |
| इनपुट | पाठ, चित्र और वीडियो | टेक्स्ट | पाठ, चित्र और वीडियो | पाठ, चित्र और वीडियो |
| तर्कपूर्ण आधार | अधिकतम तक प्रयास | अधिकतम तक प्रयास | चालू या बंद सोचना | अधिकतम तक प्रयास |
| संरचित आउटपुट | सख्त JSON स्कीमा | सख्त JSON स्कीमा | JSON मोड | सख्त JSON स्कीमा |
| इनपुट मूल्य | $0.16 प्रति 1M टोकन | $1.32 प्रति 1M टोकन | $0.225 प्रति 1M टोकन 512K संदर्भ तक, ऊपर $0.45 | $0.63 प्रति 1M टोकन |
| उत्पादन मूल्य | $0.47 प्रति 1M टोकन | $3.96 प्रति 1M टोकन | $0.90 प्रति 1M टोकन 512K संदर्भ तक, ऊपर $1.80 | $3.13 प्रति 1M टोकन |
हमने इसे कैसे चलाया
प्रत्येक मॉडल को तीन कार्यों के लिए समान संकेत प्राप्त हुआ: एक एकल HTML फ़ाइल में घोंघा दौड़ का निर्माण करें; एक एकल HTML फ़ाइल में बबल बाथ में एक रबर बतख का निर्माण करें; एक एकल HTML फ़ाइल में बारिश में पेपर बोट बनाएं। प्रत्येक कार्य ने एक एकल स्व-निहित HTML फ़ाइल के लिए कहा, जिसमें कोई बाहरी पुस्तकालय नहीं था जो अपने आप एनिमेट करता है। Qwen3.8 फ्लैश, डीपसीक V4 प्रो 0813 और सीड 2.1 टर्बो पर चला reasoning_effort: "अधिकतम"; MiniMax M3, जिसमें कोई प्रयास सेटिंग नहीं है, सोच के साथ चला। प्रत्येक मॉडल में 65,536 टोकन आउटपुट बजट और प्रति कार्य एक शॉट था। 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
MiniMax M3 ने अपनी फ़ाइलों को सबसे तेजी से वापस किया, लगभग 186 टोकन प्रति सेकंड पर। Qwen3.8 फ्लैश ने सबसे लंबी फाइलें लिखीं, औसतन लगभग 780 लाइनें, और मिनीमैक्स एम3 सबसे कॉम्पैक्ट, लगभग 510। मिनीमैक्स एम3 ने सबसे अधिक आउटपुट टोकन का उपयोग किया, लगभग 43,000 प्रति कार्य इसके तर्क सहित। 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": "qwen3-8-flash", "reasoning_effort": "अधिकतम", "संदेश": [{"भूमिका": "उपयोगकर्ता", "सामग्री": "एकल HTML फ़ाइल में घोंघा दौड़ बनाएं।विनिमय करना मॉडल सेवा मेरे deepseek-v4-pro-0813, न्यूनतम-एम3 या seed-2-1-turbo दूसरों के खिलाफ एक ही अनुरोध चलाने के लिए, या उन्हें अंतःक्रियात्मक रूप से आजमाएं खेल।.
अक्सर पूछे जाने वाले प्रश्नों
क्या परिणाम संपादित या पुन: प्रयास किए गए थे?
नहीं। प्रत्येक पैनल पहली फ़ाइल है जिसे मॉडल ने उस प्रॉम्प्ट के लिए लौटाया है, जो बिल्कुल लौटाया गया है। एक अनुरोध जो बिना फ़ाइल के वापस आया था, उसे फिर से भेजा गया था।
उच्चतम तर्क सेटिंग क्यों?
एक निष्पक्ष सिर से सिर तक प्रत्येक मॉडल को उसके सबसे अच्छे रूप में दिखाता है, इसलिए प्रत्येक अपनी उच्चतम तर्क सेटिंग पर चला: Qwen3.8 फ्लैश, डीपसीक V4 प्रो 0813 और सीड 2.1 टर्बो के लिए अधिकतम प्रयास, MiniMax M3 के लिए सोच रहा है।
मुझे किस मॉडल का उपयोग करना चाहिए?
Qwen3.8 फ्लैश का आउटपुट मूल्य यहां चारों में से सबसे कम है। निर्णय लेने से पहले प्रत्येक के खिलाफ अपना कार्यभार चलाएं: एक ही अनुरोध सभी चार के लिए काम करता है और केवल मॉडल का नाम बदल दिया गया है।
इसे अजमाएं
खेल का मैदान (c) सभी मॉडल (c) मूल्य निर्धारण
