AI BENCHY 对比

DeepSeek: DeepSeek V3.2 vs Google: Gemini 3.5 Flash

摘要

DeepSeek V3.2 (medium) 平均分领先，为 7.0 vs 6.8。 DeepSeek V3.2 (medium) benchmark 成本更低，为 $0.078 vs $0.300。 Gemini 3.5 Flash (minimal) 更快，为 2.65s vs 68.62s，通过率为 65.2% vs 65.2%。

推荐模型DeepSeek V3.2 (medium)它在这里得分最高（7.0），同时成本比Gemini 3.5 Flash (minimal)低约 3.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	DeepSeek V3.2 DeepSeek V3.2 medium 发布日期: 2025-12-01	Gemini 3.5 Flash Gemini 3.5 Flash minimal 发布日期: 2026-05-19

指标	DeepSeek V3.2 DeepSeek V3.2 medium 发布日期: 2025-12-01	Gemini 3.5 Flash Gemini 3.5 Flash minimal 发布日期: 2026-05-19
分数	7.0	6.8
排名	#73	#85
可靠性	10.0	10.0
一致性	7.4	9.6
测试正确
尝试通过率	65.2%	65.2%
不稳定测试	7	1
总运行次数	66	66
每个结果成本	0.671	2.138
总成本	$0.078	$0.300
输入价格	$0.269 / 1M	$1.500 / 1M
输出价格	$0.400 / 1M	$9.000 / 1M
总输入令牌	101,047	100,753
输出令牌	11,834	16,454
推理令牌	117,014	0
响应时间（平均）	68.62s	2.65s
响应时间（最大）	376.10s	25.26s
响应时间（总计）	1509.53s	58.27s

生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#73 DeepSeek V3.2

medium

成本: $0.001
时间: 53.6s
令牌: 1,932 tok

#85 Gemini 3.5 Flash

minimal

成本: $0.041
时间: 20.4s
令牌: 4,608 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

类别:

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
DeepSeek V3.2	8.2	7.9	83.3%	1		24.23s	448	3,247	6,953
Gemini 3.5 Flash	6.5	10.0	50.0%	0		892ms	492	405	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
DeepSeek V3.2	6.0	7.2	55.6%	1		248.68s	5,717	649	52,014
Gemini 3.5 Flash	5.6	9.9	33.3%	0		2.75s	8,122	3,456	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
DeepSeek V3.2	7.3	5.8	83.3%	1		79.92s	76,997	5,219	24,229
Gemini 3.5 Flash	3.0	10.0	0.0%	0		14.41s	76,686	11,581	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
DeepSeek V3.2	10.0	10.0	100.0%	0		36.09s	7,388	207	7,693
Gemini 3.5 Flash	10.0	10.0	100.0%	0		1.66s	7,548	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）	输入令牌	输出令牌	推理令牌
DeepSeek V3.2	2.9	4.4	22.2%	2		24.27s	472	21	6,838
Gemini 3.5 Flash	10.0	10.0	100.0%	0		899ms	633	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）	输入令牌	输出令牌	推理令牌
DeepSeek V3.2	3.4	2.5	33.3%	1		58.29s	314	49	2,189
Gemini 3.5 Flash	10.0	10.0	100.0%	0		922ms	486	117	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
DeepSeek V3.2	10.0	10.0	100.0%	0		35.78s	627	1,397	2,845
Gemini 3.5 Flash	6.4	5.8	66.7%	1		893ms	615	76	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
DeepSeek V3.2	7.0	7.2	55.6%	1		37.69s	594	518	6,375
Gemini 3.5 Flash	10.0	10.0	100.0%	0		1.45s	558	282	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
DeepSeek V3.2	10.0	10.0	100.0%	0		34.81s	8,307	507	859
Gemini 3.5 Flash	10.0	10.0	100.0%	0		2.79s	5,457	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）	输入令牌	输出令牌	推理令牌
DeepSeek V3.2	3.0	10.0	0.0%	0		83.99s	183	20	7,019
Gemini 3.5 Flash	3.0	10.0	0.0%	0		1.76s	156	12	0

快速对比

切换对比组合