- 排名
- #124
- 总输出令牌
- 336,696
- 响应时间（平均）
- 93.60s
- 总成本
- $1.049
Seed-2.0-Code (medium) vs DeepSeek V4 Pro
平均分几乎持平，为 6.9 vs 6.9。 DeepSeek V4 Pro benchmark 成本更低，为 $0.256 vs $1.049。 DeepSeek V4 Pro 更快，为 11.55s vs 93.60s，通过率为 71.2% vs 51.5%。
- 排名
- #119
- 总输出令牌
- 35,551
- 响应时间（平均）
- 11.55s
- 总成本
- $0.256
推荐模型
DeepSeek V4 Pro
它在这里得分最高（6.9），同时成本比Seed-2.0-Code (medium)低约 4.1 倍。
详细对比
| 指标 | Seed-2.0-Code Seed-2.0-Code medium | DeepSeek V4 Pro DeepSeek V4 Pro none |
|---|---|---|
| 分数 | 6.9 | 6.9 |
| 排名 | #124 | #119 |
| 可靠性 | 4.7 | 10.0 |
| 一致性 | 6.7 | 8.6 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 71.2% | 51.5% |
| 不稳定测试 | 9 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 10.482 | 0.954 |
| 总成本 | $1.049 | $0.256 |
| 输入价格 | $0.500 / 1M | $1.169 / 1M |
| 输出价格 | $3.000 / 1M | $2.337 / 1M |
| 总输入令牌 | 76,027 | 148,069 |
| 输出令牌 | 7,268 | 35,551 |
| 推理令牌 | 329,428 | 0 |
| 响应时间（平均） | 93.60s | 11.55s |
| 响应时间（最大） | 626.58s | 119.44s |
| 响应时间（总计） | 2059.27s | 254.11s |
| 参数量 | ~200B 总计 (~20B 激活) | 1.6T 总计 (49B 激活) |
| 开放状态 | 闭源 | 开源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#124 Seed-2.0-Code
medium- 成本
- $0.026
- 时间
- 122.8s
- 令牌
- 8,630 tok
#119 DeepSeek V4 Pro
none
无效SVG
- 成本
- $0.000
- 时间
- 300.0s
- 令牌
- 0 tok
按分数排名的模型
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 6.9 | 7.9 | 66.7% | 1 | 45.98s | 866 | 1,510 | 25,661 | |
| DeepSeek V4 Pro | 3.2 | 6.1 | 16.7% | 2 | 4.02s | 540 | 1,168 | 0 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 8.9 | 7.8 | 88.9% | 1 | 89.94s | 8,247 | 496 | 44,062 | |
| DeepSeek V4 Pro | 5.6 | 10.0 | 33.3% | 0 | 13.38s | 7,275 | 5,500 | 0 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 4.7 | 1.6 | 66.7% | 2 | 102.33s | 51,040 | 3,883 | 19,423 | |
| DeepSeek V4 Pro | 7.9 | 6.9 | 66.7% | 1 | 71.59s | 122,040 | 26,362 | 0 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 7.3 | 5.8 | 83.3% | 1 | 18.78s | 6,281 | 215 | 2,479 | |
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 4.61s | 7,568 | 200 | 0 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 5.9 | 7.2 | 55.6% | 1 | 375.13s | 975 | 14 | 220,400 | |
| DeepSeek V4 Pro | 5.3 | 10.0 | 33.3% | 0 | 3.72s | 666 | 24 | 0 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 4.8 | 3.2 | 33.3% | 1 | 11.41s | 582 | 210 | 1,477 | |
| DeepSeek V4 Pro | 5.0 | 10.0 | 0.0% | 0 | 2.05s | 471 | 126 | 0 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 9.8 | 10.0 | 100.0% | 0 | 10.34s | 834 | 72 | 1,214 | |
| DeepSeek V4 Pro | 6.3 | 5.8 | 66.7% | 1 | 4.12s | 627 | 713 | 0 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 8.2 | 7.2 | 88.9% | 1 | 34.30s | 894 | 689 | 11,526 | |
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 3.61s | 594 | 442 | 0 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 4.7 | 1.6 | 66.7% | 1 | 36.36s | 6,216 | 173 | 972 | |
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 7.40s | 8,105 | 328 | 0 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Code | 3.0 | 10.0 | 0.0% | 0 | 66.56s | 92 | 6 | 2,214 | |
| DeepSeek V4 Pro | 3.0 | 10.0 | 0.0% | 0 | 5.76s | 183 | 688 | 0 |
快速对比
切换对比组合
Seed-2.0-CodemediumvsStep 3.7 FlashhighSeed-2.0-CodemediumvsGPT-5.5noneDeepSeek V4 PrononevsSolar Pro 4mediumDeepSeek V4 PrononevsMiMo-V2.5-PromediumDeepSeek V4 PrononevsKAT-Coder-Pro V2.5mediumSeed-2.0-CodemediumvsSolar Pro 4lowSeed-2.0-CodemediumvsGPT-5.6 SolnoneDeepSeek V4 PrononevsQwen3.6 FlashmediumDeepSeek V4 PrononevsQwen3.7 FlashmediumSeed-2.0-CodehighvsDeepSeek V4 PrononeSeed-2.0-CodemediumvsGemini 3.5 FlashminimalDeepSeek V4 PrononevsStep 3.7 Flashhigh