AI BENCHY Compare

DeepSeek: DeepSeek V3.2 vs OpenAI: GPT-5.6 Sol

Ringkasan

DeepSeek V3.2 (medium) unggul dalam skor rata-rata dengan 7.0 vs 6.9. DeepSeek V3.2 (medium) memiliki biaya benchmark lebih rendah di $0.078 vs $0.524. GPT-5.6 Sol lebih cepat di 2.16s vs 68.62s, dengan tingkat keberhasilan 65.2% vs 59.1%.

Model yang direkomendasikanDeepSeek V3.2 (medium)It has the best score here (7.0), while costing about 6.8x less than GPT-5.6 Sol.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-17

Metrik	DeepSeek V3.2 DeepSeek V3.2 medium Rilis: 2025-12-01	GPT-5.6 Sol GPT-5.6 Sol none Rilis: 2026-07-09

Metrik	DeepSeek V3.2 DeepSeek V3.2 medium Rilis: 2025-12-01	GPT-5.6 Sol GPT-5.6 Sol none Rilis: 2026-07-09
Skor	7.0	6.9
Peringkat	#73	#80
Keandalan	10.0	10.0
Konsistensi	7.4	9.0
Tes benar
Tingkat lulus per percobaan	65.2%	59.1%
Tes tidak stabil	7	3
Total Run	66	66
Biaya per hasil	0.671	4.761
Total Biaya	$0.078	$0.524
Harga input	$0.269 / 1M	$5.000 / 1M
Harga output	$0.400 / 1M	$30.000 / 1M
Total token input	101,047	78,593
Token output	11,834	4,357
Token penalaran	117,014	0
Waktu respons (rata-rata)	68.62s	2.16s
Waktu respons (maks)	376.10s	12.81s
Waktu respons (total)	1509.53s	47.62s

Showcase generasi

Hamster playing table tennis

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

#73 DeepSeek V3.2

medium

Biaya: $0.001
Waktu: 53.6s
Token: 1,932 tok

#80 GPT-5.6 Sol

none

Biaya: $0.116
Waktu: 78.7s
Token: 3,944 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	8.2	7.9	83.3%	1		24.23s	448	3,247	6,953
GPT-5.6 Sol	8.3	10.0	75.0%	0		1.27s	606	154	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	6.0	7.2	55.6%	1		248.68s	5,717	649	52,014
GPT-5.6 Sol	5.5	10.0	33.3%	0		1.39s	7,302	390	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	7.3	5.8	83.3%	1		79.92s	76,997	5,219	24,229
GPT-5.6 Sol	6.5	10.0	50.0%	0		8.37s	55,394	2,881	0

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	10.0	10.0	100.0%	0		36.09s	7,388	207	7,693
GPT-5.6 Sol	10.0	10.0	100.0%	0		1.53s	7,140	222	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	2.9	4.4	22.2%	2		24.27s	472	21	6,838
GPT-5.6 Sol	3.6	7.2	22.2%	1		1.43s	723	54	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	3.4	2.5	33.3%	1		58.29s	314	49	2,189
GPT-5.6 Sol	6.5	3.4	66.7%	1		1.52s	477	91	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	10.0	10.0	100.0%	0		35.78s	627	1,397	2,845
GPT-5.6 Sol	8.5	6.8	83.3%	1		1.33s	660	84	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	7.0	7.2	55.6%	1		37.69s	594	518	6,375
GPT-5.6 Sol	7.7	10.0	66.7%	0		1.49s	642	211	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	10.0	10.0	100.0%	0		34.81s	8,307	507	859
GPT-5.6 Sol	10.0	10.0	100.0%	0		3.70s	5,454	246	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V3.2	3.0	10.0	0.0%	0		83.99s	183	20	7,019
GPT-5.6 Sol	3.0	10.0	0.0%	0		1.95s	195	24	0

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.6 SolnonevsMiMo-V2.5-Promedium GPT-5.6 SolnonevsQwen3.6 Flashmedium DeepSeek V3.2mediumvsGemini 3.5 Flashnone KAT-Coder-Pro V2.5mediumvsGPT-5.6 Solnone GPT-5.6 SolnonevsStep 3.7 Flashhigh Seed-2.0-MinimediumvsGPT-5.6 Solnone Gemini 3.5 FlashminimalvsGPT-5.6 Solnone Mercury 2mediumvsGPT-5.6 Solnone Kimi K2.5mediumvsGPT-5.6 Solnone DeepSeek V3.2mediumvsQwen3.7 Plusnone DeepSeek V3.2mediumvsStep 3.7 Flashhigh DeepSeek V3.2mediumvsGPT-5.5none