AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs Google: Gemini 3.1 Flash Lite
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-08
| 指标 | DeepSeek V3.2 DeepSeek V3.2 medium | Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite none |
|---|---|---|
| 分数 | 7.2 | 6.7 |
| 排名 | #59 | #73 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.5 | 8.4 |
| 测试正确 | ||
| 尝试通过率 | 72.8% | 57.9% |
| 不稳定测试 | 6 | 4 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.278 | 0.123 |
| 总成本 | $0.031 | $0.012 |
| ???? | $0.252 / 1M | $0.250 / 1M |
| ???? | $0.378 / 1M | $1.500 / 1M |
| 输出令牌 | 7,035 | 2,454 |
| 推理令牌 | 53,765 | 0 |
| 响应时间（平均） | 46.06s | 1.11s |
| 响应时间（最大） | 180.92s | 2.97s |
| 响应时间（总计） | 875.23s | 21.13s |
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 | 9.2 | 10.0 | 100.0% | 0 | 24.23s | 3,247 | 6,953 | |
| Gemini 3.1 Flash Lite | 7.5 | 8.4 | 66.7% | 1 | 1.07s | 639 | 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 | 4.7 | 1.6 | 66.7% | 1 | 180.92s | 626 | 6,792 | |
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 1.59s | 636 | 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 3.1 Flash Lite | 3.0 | 10.0 | 0.0% | 0 | 2.73s | 357 | 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 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 843ms | 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 3.1 Flash Lite | 2.9 | 7.2 | 11.1% | 1 | 762ms | 15 | 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 | 3.8 | 2.5 | 50.0% | 1 | 58.29s | 49 | 2,189 | |
| Gemini 3.1 Flash Lite | 4.0 | 10.0 | 0.0% | 0 | 992ms | 63 | 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 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 859ms | 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 | 6.7 | 5.0 | 66.7% | 2 | 36.87s | 390 | 6,281 | |
| Gemini 3.1 Flash Lite | 6.3 | 4.8 | 66.7% | 2 | 720ms | 150 | 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 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 2.97s | 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 3.1 Flash Lite | 3.0 | 10.0 | 0.0% | 0 | 733ms | 9 | 0 |
快速对比
切换对比组合
Claude Sonnet 4.6nonevsDeepSeek V3.2mediumDeepSeek V3.2mediumvsQwen3.6 Max PreviewnoneGemini 3.1 Flash LitenonevsQwen3.6 27BmediumGemini 3.1 Flash LitenonevsKimi K2.5mediumGemini 3.1 Flash LitenonevsGPT-5 MinimediumGemini 3.1 Flash LitenonevsGrok 4.20mediumDeepSeek V4 ProhighvsGemini 3.1 Flash LitenoneGemini 3.1 Flash LitenonevsGrok 4.1 FastmediumDeepSeek V3.2mediumvsGemma 4 31Bnone免费可用DeepSeek V3.2mediumvsGemini 3.1 Flash LiteminimalDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 3.1 Flash LitenonevsMercury 2medium