AI BENCHY Compare

DeepSeek: DeepSeek V3.2 vs xAI: Grok 4.20

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-05-10

Метрика	DeepSeek V3.2 DeepSeek V3.2 medium Релиз: 2025-12-01	Grok 4.20 Grok 4.20 medium Релиз: 2026-03-31

Метрика	DeepSeek V3.2 DeepSeek V3.2 medium Релиз: 2025-12-01	Grok 4.20 Grok 4.20 medium Релиз: 2026-03-31
Оценка	7.2	6.9
Ранг	#61	#68
Надежность	10.0	10.0
Стабильность	7.5	8.3
Тестов верно
Доля успешных попыток	72.8%	63.2%
Нестабильные тесты	6	4
Всего запусков	57	57
Стоимость за результат	0.278	7.559
Общая стоимость	$0.031	$0.756
???? ?????	$0.252 / 1M	$1.250 / 1M
???? ??????	$0.378 / 1M	$2.500 / 1M
Выходные токены	7,035	1,784
Токены рассуждений	53,765	128,233
Время ответа (среднее)	46.06s	14.53s
Время ответа (макс.)	180.92s	63.48s
Время ответа (суммарно)	875.23s	276.06s

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	9.2	10.0	100.0%	0		24.23s	3,247	6,953
Grok 4.20	8.2	7.9	83.3%	1		3.95s	287	8,312

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	4.7	1.6	66.7%	1		180.92s	626	6,792
Grok 4.20	4.3	1.1	66.7%	1		24.33s	250	12,804

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	10.0	10.0	100.0%	0		93.11s	571	6,296
Grok 4.20	10.0	10.0	100.0%	0		17.40s	232	9,556

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	10.0	10.0	100.0%	0		36.09s	207	7,693
Grok 4.20	10.0	10.0	100.0%	0		4.17s	180	5,333

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	2.9	4.4	22.2%	2		24.27s	21	6,838
Grok 4.20	5.3	10.0	33.3%	0		27.03s	375	49,339

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	3.8	2.5	50.0%	1		58.29s	49	2,189
Grok 4.20	3.9	2.6	33.3%	1		24.48s	65	6,440

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	10.0	10.0	100.0%	0		35.78s	1,397	2,845
Grok 4.20	7.3	6.0	83.3%	1		4.42s	40	5,474

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	6.7	5.0	66.7%	2		36.87s	390	6,281
Grok 4.20	7.7	10.0	66.7%	0		6.20s	149	7,913

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	10.0	10.0	100.0%	0		34.81s	507	859
Grok 4.20	3.0	10.0	0.0%	0		13.68s	197	6,620

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	3.0	10.0	0.0%	0		83.99s	20	7,019
Grok 4.20	3.0	10.0	0.0%	0		63.48s	9	16,442

Быстрое сравнение

Сменить пару сравнения

DeepSeek V4 ProhighvsGrok 4.20medium Claude Sonnet 4.6nonevsDeepSeek V3.2medium Gemma 4 31BnoneБесплатно доступноvsGrok 4.20medium Gemini 3.1 Flash LiteminimalvsGrok 4.20medium DeepSeek V3.2mediumvsRing 2.6 1tnoneБесплатно доступно DeepSeek V3.2mediumvsQwen3.6 Max Previewnone GPT-5.5nonevsGrok 4.20medium Gemini 3.1 Flash LitenonevsGrok 4.20medium Qwen3.5 Plus 2026-02-15nonevsGrok 4.20medium DeepSeek V3.2mediumvsGemma 4 31BnoneБесплатно доступно Claude Sonnet 4.6nonevsGrok 4.20medium DeepSeek V3.2mediumvsGemini 3.1 Flash Liteminimal