Navegación
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

DeepSeek: DeepSeek V3.2 vs xAI: Grok 4.20

Resumen

Comparación benchmark de DeepSeek V3.2 vs Grok 4.20: DeepSeek V3.2 lidera en puntuación media con 7.5 vs 7.3. DeepSeek V3.2 tiene menor coste de benchmark con $0.044 vs $0.609. Grok 4.20 es más rápido con 27.68s vs 68.71s, con tasas de acierto de 65.1% vs 63.5%.

Modelo recomendado: DeepSeek V3.2 - Tiene la mejor puntuación aquí (7.5) y cuesta aproximadamente 13.9x menos que Grok 4.20.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-02

Métrica DeepSeek V3.2 DeepSeek V3.2 medium Lanzamiento: 2025-12-01 Grok 4.20 Grok 4.20 medium Lanzamiento: 2026-03-31
Puntuación 7.5 7.3
Rango #50 #55
Fiabilidad 10.0 10.0
Consistencia 7.6 8.8
Pruebas correctas
Tasa de aciertos por intento 65.1% 63.5%
Pruebas inestables 6 3
Ejecuciones totales 63 63
Costo por resultado 0.436 8.309
Costo total $0.044 $0.609
Precio de entrada $0.229 / 1M $1.250 / 1M
Precio de salida $0.344 / 1M $2.500 / 1M
Total de tokens de entrada 38,333 44,433
Tokens de salida 7,186 1,819
Tokens de razonamiento 99,081 219,524
Tiempo de respuesta (promedio) 68.71s 27.68s
Tiempo de respuesta (máximo) 376.10s 199.66s
Tiempo de respuesta (total) 1442.81s 581.26s

Generación showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#50 DeepSeek V3.2

medium
Coste
$0.001
Tiempo
53.6s
Tokens
1,932 tok

#55 xAI: Grok 4.20

medium
Coste
$0.041
Tiempo
110.3s
Tokens
16,336 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
DeepSeek V3.2 8.2 7.9 83.3% 1 24.23s 448 3,247 6,953
Grok 4.20 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
DeepSeek V3.2 6.0 7.2 55.6% 1 248.68s 5,717 649 52,014
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
DeepSeek V3.2 10.0 10.0 100.0% 0 93.11s 14,283 571 6,296
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
DeepSeek V3.2 10.0 10.0 100.0% 0 36.09s 7,388 207 7,693
Grok 4.20 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
DeepSeek V3.2 2.9 4.4 22.2% 2 24.27s 472 21 6,838
Grok 4.20 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
DeepSeek V3.2 3.4 2.5 33.3% 1 58.29s 314 49 2,189
Grok 4.20 3.9 2.6 33.3% 1 24.48s 825 65 6,440
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
DeepSeek V3.2 10.0 10.0 100.0% 0 35.78s 627 1,397 2,845
Grok 4.20 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
DeepSeek V3.2 7.0 7.2 55.6% 1 37.69s 594 518 6,375
Grok 4.20 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
DeepSeek V3.2 10.0 10.0 100.0% 0 34.81s 8,307 507 859
Grok 4.20 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
DeepSeek V3.2 3.0 10.0 0.0% 0 83.99s 183 20 7,019
Grok 4.20 3.0 10.0 0.0% 0 63.48s 531 9 16,442

Comparación rápida

Cambiar par de comparación

Gemini 3 Flash PreviewlowvsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumDeepSeek V3.2mediumvsGPT-5.3 ChatnoneDeepSeek V3.2mediumvsGemini 3 Flash PreviewlowClaude Opus 4.8nonevsGrok 4.20mediumClaude Sonnet 4.6nonevsDeepSeek V3.2mediumGPT-5.3 ChatnonevsGrok 4.20mediumDeepSeek V4 PrononevsGrok 4.20mediumQwen3.7 PlusnonevsGrok 4.20mediumGrok 4.20mediumvsGLM 5.2noneClaude Opus 4.8nonevsDeepSeek V3.2mediumDeepSeek V3.2mediumvsStep 3.7 Flashlow