AI BENCHY 对比
ByteDance Seed: Seed-2.0-Mini vs OpenAI: GPT-5.2
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-29
| 指标 | Seed-2.0-Mini Seed-2.0-Mini medium | GPT-5.2 GPT-5.2 medium |
|---|---|---|
| 分数 | 7.1 | 7.3 |
| 排名 | #75 | #63 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 8.3 |
| 测试正确 | ||
| 尝试通过率 | 60.0% | 70.0% |
| 不稳定测试 | 2 | 4 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.397 | 4.094 |
| 总成本 | $0.044 | $0.492 |
| 输入价格 | $0.100 / 1M | $1.750 / 1M |
| 输出价格 | $0.400 / 1M | $14.000 / 1M |
| 输出令牌 | 2,555 | 2,880 |
| 推理令牌 | 95,974 | 28,289 |
| 响应时间（平均） | 80.22s | 16.50s |
| 响应时间（最大） | 262.83s | 77.80s |
| 响应时间（总计） | 1363.72s | 214.45s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 6.6 | 10.0 | 50.0% | 0 | 74.75s | 360 | 9,520 | |
| GPT-5.2 | 6.5 | 8.0 | 58.3% | 1 | 7.81s | 567 | 2,002 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 7.1 | 9.8 | 50.0% | 0 | 220.48s | 464 | 34,964 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 23.15s | 490 | 8,269 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 10.0 | 10.0 | 100.0% | 0 | 262.83s | 404 | 29,806 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 14.06s | 291 | 1,757 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 10.0 | 10.0 | 100.0% | 0 | 24.27s | 246 | 2,743 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 3.15s | 234 | 420 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| GPT-5.2 | 5.9 | 7.2 | 55.6% | 1 | 77.80s | 42 | 10,342 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 5.1 | 3.4 | 33.3% | 1 | 36.65s | 213 | 4,210 | |
| GPT-5.2 | 3.7 | 9.7 | 0.0% | 0 | 4.32s | 162 | 269 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 10.0 | 10.0 | 100.0% | 0 | 17.47s | 69 | 2,050 | |
| GPT-5.2 | 9.9 | 10.0 | 100.0% | 0 | 3.12s | 94 | 614 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 8.2 | 7.2 | 88.9% | 1 | 31.79s | 527 | 5,667 | |
| GPT-5.2 | 7.5 | 7.3 | 77.8% | 1 | 5.80s | 735 | 924 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 10.0 | 10.0 | 100.0% | 0 | 88.68s | 222 | 5,235 | |
| GPT-5.2 | 4.7 | 1.6 | 66.7% | 1 | 10.30s | 239 | 469 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Mini | 3.0 | 10.0 | 0.0% | 0 | 56.76s | 50 | 1,779 | |
| GPT-5.2 | 3.0 | 10.0 | 0.0% | 0 | 28.18s | 26 | 3,223 |
快速对比
切换对比组合
Seed-2.0-MinimediumvsQwen3.6 Max PreviewnoneSeed-2.0-MinimediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsGPT-5.2mediumGPT-5.2mediumvsStep 3.7 FlashlowClaude Sonnet 4.6nonevsSeed-2.0-MinimediumRing-2.6-1TnonevsGPT-5.2mediumSeed-2.0-MinimediumvsDeepSeek V4 ProhighGemini 3.1 Flash LitelowvsGPT-5.2mediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.2mediumSeed-2.0-MinimediumvsRing-2.6-1TnoneClaude Opus 4.8nonevsSeed-2.0-MinimediumGPT-5.2mediumvsStep 3.7 Flashhigh