AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs OpenAI: GPT-5.3-Codex
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-15
| 指标 | DeepSeek V3.2 DeepSeek V3.2 medium | GPT-5.3-Codex GPT-5.3-Codex medium |
|---|---|---|
| 排名 | #14 | #5 |
| 分数 | 8.1 | 8.7 |
| 一致性 | 8.5 | 9.1 |
| 每个结果成本 | 0.225 | 4.485 |
| 总成本 | $0.025 | $0.539 |
| 测试正确 | ||
| 尝试通过率 | 79.2% | 83.3% |
| 不稳定测试 | 3 | 2 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 7,392 | 1,764 |
| 推理令牌 | 39,089 | 33,348 |
| 响应时间（平均） | 39.48s | 16.59s |
| 响应时间（最大） | 93.11s | 100.93s |
| 响应时间（总计） | 631.71s | 265.39s |
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 | 7.8 | 9.9 | 66.7% | 0 | 33.39s | 1,171 | 4,893 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 4.69s | 216 | 1,421 |
| 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 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 19.56s | 364 | 2,731 |
| 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 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.07s | 234 | 728 |
| 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 | 5.3 | 7.2 | 44.4% | 1 | 39.32s | 3,081 | 7,856 | |
| GPT-5.3-Codex | 5.9 | 7.2 | 55.6% | 1 | 64.31s | 64 | 25,308 |
| 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 | 5.4 | 2.5 | 66.7% | 1 | 31.30s | 68 | 2,366 | |
| GPT-5.3-Codex | 4.6 | 10.0 | 0.0% | 0 | 4.87s | 187 | 331 |
| 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 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 93 | 693 |
| Puzzle Solving | 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 | 8.2 | 7.2 | 88.9% | 1 | 36.87s | 390 | 6,281 | |
| GPT-5.3-Codex | 9.0 | 7.9 | 88.9% | 1 | 5.12s | 352 | 1,644 |
| 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 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 254 | 492 |
快速对比
切换对比组合
Gemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumDeepSeek V3.2mediumvsGPT-5.2 ChatnoneDeepSeek V3.2mediumvsGemini 3 Flash PreviewnoneDeepSeek V3.2mediumvsGemini 3.1 Flash Lite PreviewlowDeepSeek V3.2mediumvsGPT-5.3 ChatnoneDeepSeek V3.2mediumvsGemini 3.1 Flash Lite PreviewnoneDeepSeek V3.2mediumvsGemini 3 Flash PreviewlowClaude Sonnet 4.6nonevsDeepSeek V3.2mediumGemini 3 Flash PreviewnonevsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.3-CodexmediumDeepSeek V3.2mediumvsQwen3.5 Plus 2026-02-15none