AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs OpenAI: GPT-5.4 Nano
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 | GPT-5.4 Nano GPT-5.4 Nano medium |
|---|---|---|
| 分数 | 6.9 | 7.2 |
| 排名 | #81 | #72 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.9 | 8.8 |
| 测试正确 | ||
| 尝试通过率 | 63.3% | 63.3% |
| 不稳定测试 | 6 | 3 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.335 | 0.900 |
| 总成本 | $0.037 | $0.099 |
| 输入价格 | $0.252 / 1M | $0.200 / 1M |
| 输出价格 | $0.378 / 1M | $1.250 / 1M |
| 输出令牌 | 7,177 | 2,993 |
| 推理令牌 | 68,297 | 70,928 |
| 响应时间（平均） | 53.34s | 11.79s |
| 响应时间（最大） | 189.03s | 94.06s |
| 响应时间（总计） | 1066.71s | 235.81s |
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 | |
| GPT-5.4 Nano | 8.3 | 10.0 | 75.0% | 0 | 4.52s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.9 | 5.8 | 33.3% | 1 | 184.97s | 640 | 21,230 | |
| GPT-5.4 Nano | 6.8 | 6.2 | 66.7% | 1 | 21.10s | 495 | 15,186 |
| 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-5.4 Nano | 9.8 | 10.0 | 100.0% | 0 | 24.13s | 349 | 5,719 |
| 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-5.4 Nano | 10.0 | 10.0 | 100.0% | 0 | 2.54s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 2.9 | 4.4 | 22.2% | 2 | 24.27s | 21 | 6,838 | |
| GPT-5.4 Nano | 5.9 | 7.2 | 55.6% | 1 | 38.18s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.4 | 2.5 | 33.3% | 1 | 58.29s | 49 | 2,189 | |
| GPT-5.4 Nano | 4.5 | 10.0 | 0.0% | 0 | 4.15s | 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-5.4 Nano | 9.8 | 10.0 | 100.0% | 0 | 1.88s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 7.0 | 7.2 | 55.6% | 1 | 37.69s | 518 | 6,375 | |
| GPT-5.4 Nano | 4.1 | 7.2 | 22.2% | 1 | 3.79s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 34.81s | 507 | 859 | |
| GPT-5.4 Nano | 10.0 | 10.0 | 100.0% | 0 | 7.71s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 10.0 | 0.0% | 0 | 83.99s | 20 | 7,019 | |
| GPT-5.4 Nano | 3.0 | 10.0 | 0.0% | 0 | 4.81s | 70 | 1,174 |
快速对比
切换对比组合
Ring-2.6-1TnonevsGPT-5.4 NanomediumGPT-5.4 NanomediumvsStep 3.7 FlashhighGPT-5.4 NanomediumvsQwen3.6 Max PreviewnoneClaude Opus 4.8nonevsGPT-5.4 NanomediumClaude Sonnet 4.6nonevsDeepSeek V3.2mediumClaude Sonnet 4.6nonevsGPT-5.4 NanomediumDeepSeek V3.2mediumvsQwen3.6 Max PreviewnoneGPT-5.4 NanomediumvsStep 3.7 FlashlowDeepSeek V3.2mediumvsGemma 4 31Bnone免费可用DeepSeek V3.2mediumvsStep 3.7 FlashhighDeepSeek V3.2mediumvsGemini 3.1 Flash LiteminimalGemini 3.1 Flash LitelowvsGPT-5.4 Nanomedium