AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs Google: Gemini 2.5 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-01
| 指标 | DeepSeek V3.2 DeepSeek V3.2 medium | Gemini 2.5 Flash Gemini 2.5 Flash none |
|---|---|---|
| 分数 | 6.9 | 6.4 |
| 排名 | #81 | #95 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.9 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 63.3% | 48.3% |
| 不稳定测试 | 6 | 1 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.335 | 0.159 |
| 总成本 | $0.037 | $0.015 |
| 输入价格 | $0.252 / 1M | $0.300 / 1M |
| 输出价格 | $0.378 / 1M | $2.500 / 1M |
| 输出令牌 | 7,177 | 1,764 |
| 推理令牌 | 68,297 | 0 |
| 响应时间（平均） | 53.34s | 889ms |
| 响应时间（最大） | 189.03s | 4.39s |
| 响应时间（总计） | 1066.71s | 17.79s |
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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 8.7 | 10.0 | 83.3% | 1 | 24.23s | 3,247 | 6,953 | |
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 582ms | 102 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.9 | 5.8 | 33.3% | 1 | 184.97s | 640 | 21,230 | |
| Gemini 2.5 Flash | 6.8 | 10.0 | 50.0% | 0 | 810ms | 477 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 93.11s | 571 | 6,296 | |
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 4.39s | 366 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 36.09s | 207 | 7,693 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 652ms | 279 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 2.9 | 4.4 | 22.2% | 2 | 24.27s | 21 | 6,838 | |
| Gemini 2.5 Flash | 5.9 | 7.2 | 55.6% | 1 | 495ms | 12 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.4 | 2.5 | 33.3% | 1 | 58.29s | 49 | 2,189 | |
| Gemini 2.5 Flash | 5.0 | 10.0 | 0.0% | 0 | 615ms | 78 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 35.78s | 1,397 | 2,845 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 590ms | 72 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 7.0 | 7.2 | 55.6% | 1 | 37.69s | 518 | 6,375 | |
| Gemini 2.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 604ms | 132 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 34.81s | 507 | 859 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 1.91s | 234 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 10.0 | 0.0% | 0 | 83.99s | 20 | 7,019 | |
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 1.15s | 12 | 0 |
快速对比
切换对比组合
DeepSeek V4 ProhighvsGemini 2.5 FlashnoneClaude Sonnet 4.6nonevsDeepSeek V3.2mediumGemini 2.5 FlashnonevsMercury 2mediumDeepSeek V3.2mediumvsQwen3.6 Max PreviewnoneDeepSeek V3.2mediumvsGemma 4 31Bnone免费可用DeepSeek V3.2mediumvsStep 3.7 FlashhighGemini 2.5 FlashnonevsQwen3.6 27BmediumDeepSeek V3.2mediumvsGemini 3.1 Flash LiteminimalGemini 2.5 FlashnonevsGPT-5 NanomediumGemini 2.5 FlashnonevsKimi K2.5mediumDeepSeek V3.2mediumvsRing-2.6-1TnoneDeepSeek V3.2mediumvsGemini 3.1 Flash Litenone