AI BENCHY 对比

DeepSeek: DeepSeek V3.2 vs OpenAI: GPT-5.4 Nano

摘要

GPT-5.4 Nano (medium) 平均分领先，为 7.5 vs 7.0。 DeepSeek V3.2 (medium) benchmark 成本更低，为 $0.078 vs $0.138。 GPT-5.4 Nano (medium) 更快，为 13.24s vs 68.62s，通过率为 65.2% vs 65.2%。

推荐模型GPT-5.4 Nano (medium)它在这里得分最高（7.5），同时响应速度比DeepSeek V3.2 (medium)快约 5.2 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	GPT-5.4 Nano GPT-5.4 Nano medium 发布日期: 2026-03-17

指标	DeepSeek V3.2 DeepSeek V3.2 medium 发布日期: 2025-12-01	GPT-5.4 Nano GPT-5.4 Nano medium 发布日期: 2026-03-17
分数	7.0	7.5
排名	#73	#51
可靠性	10.0	10.0
一致性	7.4	8.5
测试正确
尝试通过率	65.2%	65.2%
不稳定测试	7	4
总运行次数	66	66
每个结果成本	0.671	1.150
总成本	$0.078	$0.138
输入价格	$0.269 / 1M	$0.200 / 1M
输出价格	$0.400 / 1M	$1.250 / 1M
总输入令牌	101,047	82,819
输出令牌	11,834	7,100
推理令牌	117,014	90,022
响应时间（平均）	68.62s	13.24s
响应时间（最大）	376.10s	94.06s
响应时间（总计）	1509.53s	291.33s

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

#51 GPT-5.4 Nano

medium

成本: $0.007
时间: 24.6s
令牌: 4,943 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
GPT-5.4 Nano	8.3	10.0	75.0%	0		4.52s	606	683	2,254

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
GPT-5.4 Nano	6.1	4.7	66.7%	2		19.12s	7,305	516	20,778

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
GPT-5.4 Nano	9.9	10.0	100.0%	0		32.24s	59,730	4,435	19,221

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
GPT-5.4 Nano	10.0	10.0	100.0%	0		2.54s	7,140	234	516

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
GPT-5.4 Nano	5.9	7.2	55.6%	1		38.18s	619	60	43,325

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
GPT-5.4 Nano	4.5	10.0	0.0%	0		4.15s	477	179	443

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
GPT-5.4 Nano	9.8	10.0	100.0%	0		1.88s	660	95	521

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
GPT-5.4 Nano	4.1	7.2	22.2%	1		3.79s	642	594	1,408

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
GPT-5.4 Nano	10.0	10.0	100.0%	0		7.71s	5,445	234	382

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
GPT-5.4 Nano	3.0	10.0	0.0%	0		4.81s	195	70	1,174

快速对比

切换对比组合

DeepSeek V3.2mediumvsGemini 3.5 Flashnone GPT-5.4 NanomediumvsQwen3.7 Maxnone DeepSeek V3.2mediumvsGPT-5.6 Solnone DeepSeek V4 ProhighvsGPT-5.4 Nanomedium DeepSeek V4 FlashhighvsGPT-5.4 Nanomedium Gemini 3 Flash PreviewlowvsGPT-5.4 Nanomedium DeepSeek V3.2mediumvsQwen3.7 Plusnone DeepSeek V3.2mediumvsStep 3.7 Flashhigh KAT-Coder-Pro V2.5lowvsGPT-5.4 Nanomedium DeepSeek V3.2mediumvsGPT-5.5none Claude Sonnet 4.6nonevsGPT-5.4 Nanomedium DeepSeek V3.2mediumvsGemini 3.5 Flashminimal