LLM abiertos y propietarios: DeepSeek vs GPT

SciCode es la evaluación de programación científica de AA, expresada como porcentaje; un valor mayor es mejor. Es independiente de la prueba de rendimiento con 10,000 tokens de entrada y no evalúa Cline dentro del editor. Calidad y rendimiento usan las configuraciones indicadas junto a cada modelo. Solo se muestra un AA v5 Intelligence Index actual cuando ambos modelos tienen un valor publicado. El rendimiento de AA usa la prueba de 10,000 tokens de entrada con la configuración mostrada de cada modelo; los ajustes de razonamiento varían. La velocidad es la tasa mediana de salida. La latencia de respuesta mide el primer token de respuesta tras el razonamiento, no el primer fragmento de razonamiento transmitido. Con razonamiento no transmitido y modelos sin razonamiento, AA registra el mismo evento para el primer fragmento y la primera respuesta. AA estima esta latencia a partir de la respuesta inicial y la duración del razonamiento; no es una mediana muestreada por separado. Son despliegues de referencia, no garantías de los endpoints de Novita. El ejemplo sin caché factura 10,000 tokens de entrada y 1,000 de salida a la tarifa del vendedor indicado; no representa el coste de la prueba AA. Precios y límites de contexto y salida proceden de las fuentes de los vendedores citados.⁴

1. Artificial Analysis · DeepSeek V4.1 Flash 1017 (Max) · calidad y rendimiento
2. Artificial Analysis · GPT-6.1 Sol (Max) · calidad y rendimiento
3. OpenAI · GPT-6.1 Sol · precios y límites API
4. Novita AI · DeepSeek V4.1 Flash 1017 · precios y límites del endpoint