导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

DeepSeek: DeepSeek V3.2 vs OpenAI: GPT-5.5

摘要

DeepSeek V3.2 vs GPT-5.5 benchmark 对比：DeepSeek V3.2 平均分领先，为 7.5 vs 6.3。 DeepSeek V3.2 benchmark 成本更低，为 $0.044 vs $0.231。 GPT-5.5 更快，为 1.89s vs 68.71s，通过率为 65.1% vs 54.0%。

推荐模型: DeepSeek V3.2 - 它在这里得分最高（7.5），同时成本比GPT-5.5低约 5.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 DeepSeek V3.2 DeepSeek V3.2 medium 发布日期: 2025-12-01 GPT-5.5 GPT-5.5 none 发布日期: 2026-04-24
分数 7.5 6.3
排名 #48 #90
可靠性 10.0 10.0
一致性 7.6 8.8
测试正确
尝试通过率 65.1% 54.0%
不稳定测试 6 3
总运行次数 63 63
每个结果成本 0.436 2.302
总成本 $0.044 $0.231
输入价格 $0.229 / 1M $5.000 / 1M
输出价格 $0.344 / 1M $30.000 / 1M
总输入令牌 38,333 34,212
输出令牌 7,186 1,971
推理令牌 99,081 0
响应时间（平均） 68.71s 1.89s
响应时间（最大） 376.10s 5.56s
响应时间（总计） 1442.81s 39.64s

生成展示

Hamster playing table tennis

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

#48 DeepSeek V3.2

medium
成本
$0.001
时间
53.6s
令牌
1,932 tok

#90 GPT-5.5

none
成本
$0.090
时间
54.3s
令牌
3,063 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

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-5.5 6.9 7.9 66.7% 1 1.31s 606 213 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
GPT-5.5 5.5 10.0 33.3% 0 1.35s 7,305 462 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 10.0 10.0 100.0% 0 93.11s 14,283 571 6,296
GPT-5.5 3.0 10.0 0.0% 0 5.56s 11,019 300 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
GPT-5.5 10.0 10.0 100.0% 0 1.18s 7,140 222 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
GPT-5.5 2.9 7.2 11.1% 1 1.31s 723 52 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
GPT-5.5 10.0 10.0 100.0% 0 3.41s 477 124 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
GPT-5.5 6.2 5.8 66.7% 1 1.15s 660 81 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
GPT-5.5 7.7 10.0 66.7% 0 1.29s 642 252 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
GPT-5.5 10.0 10.0 100.0% 0 3.90s 5,445 247 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
GPT-5.5 3.0 10.0 0.0% 0 5.01s 195 18 0

快速对比

切换对比组合

GPT-5.5nonevsQwen3.5-35B-A3BmediumGemma 4 31Bmedium免费可用vsGPT-5.5noneNemotron 3 Supermedium免费可用vsGPT-5.5noneDeepSeek V3.2mediumvsGPT-5.3 ChatnoneDeepSeek V3.2mediumvsGemini 3 Flash PreviewlowGemini 3.1 Flash LiteminimalvsGPT-5.5noneClaude Sonnet 4.6nonevsDeepSeek V3.2mediumGemini 3.1 Flash LitelowvsGPT-5.5noneGemini 3.1 Flash Lite PreviewlowvsGPT-5.5noneClaude Opus 4.8nonevsDeepSeek V3.2mediumDeepSeek V3.2mediumvsStep 3.7 FlashlowDeepSeek V3.2mediumvsQwen3.7 Plusnone