AI BENCHY 对比

DeepSeek: DeepSeek V3.2 vs OpenAI: GPT-5.6 Sol

摘要

DeepSeek V3.2 (medium) 平均分领先，为 7.0 vs 6.9。 DeepSeek V3.2 (medium) benchmark 成本更低，为 $0.078 vs $0.524。 GPT-5.6 Sol 更快，为 2.16s vs 68.62s，通过率为 65.2% vs 59.1%。

推荐模型DeepSeek V3.2 (medium)它在这里得分最高（7.0），同时成本比GPT-5.6 Sol低约 6.8 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-5.6 Sol GPT-5.6 Sol none 发布日期: 2026-07-09

指标	DeepSeek V3.2 DeepSeek V3.2 medium 发布日期: 2025-12-01	GPT-5.6 Sol GPT-5.6 Sol none 发布日期: 2026-07-09
分数	7.0	6.9
排名	#73	#80
可靠性	10.0	10.0
一致性	7.4	9.0
测试正确
尝试通过率	65.2%	59.1%
不稳定测试	7	3
总运行次数	66	66
每个结果成本	0.671	4.761
总成本	$0.078	$0.524
输入价格	$0.269 / 1M	$5.000 / 1M
输出价格	$0.400 / 1M	$30.000 / 1M
总输入令牌	101,047	78,593
输出令牌	11,834	4,357
推理令牌	117,014	0
响应时间（平均）	68.62s	2.16s
响应时间（最大）	376.10s	12.81s
响应时间（总计）	1509.53s	47.62s

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

#80 GPT-5.6 Sol

none

成本: $0.116
时间: 78.7s
令牌: 3,944 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-5.6 Sol	8.3	10.0	75.0%	0		1.27s	606	154	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-5.6 Sol	5.5	10.0	33.3%	0		1.39s	7,302	390	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
GPT-5.6 Sol	6.5	10.0	50.0%	0		8.37s	55,394	2,881	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-5.6 Sol	10.0	10.0	100.0%	0		1.53s	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-5.6 Sol	3.6	7.2	22.2%	1		1.43s	723	54	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-5.6 Sol	6.5	3.4	66.7%	1		1.52s	477	91	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-5.6 Sol	8.5	6.8	83.3%	1		1.33s	660	84	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-5.6 Sol	7.7	10.0	66.7%	0		1.49s	642	211	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-5.6 Sol	10.0	10.0	100.0%	0		3.70s	5,454	246	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-5.6 Sol	3.0	10.0	0.0%	0		1.95s	195	24	0

快速对比

切换对比组合

GPT-5.6 SolnonevsMiMo-V2.5-Promedium GPT-5.6 SolnonevsQwen3.6 Flashmedium DeepSeek V3.2mediumvsGemini 3.5 Flashnone KAT-Coder-Pro V2.5mediumvsGPT-5.6 Solnone GPT-5.6 SolnonevsStep 3.7 Flashhigh Seed-2.0-MinimediumvsGPT-5.6 Solnone Gemini 3.5 FlashminimalvsGPT-5.6 Solnone Mercury 2mediumvsGPT-5.6 Solnone Kimi K2.5mediumvsGPT-5.6 Solnone DeepSeek V3.2mediumvsQwen3.7 Plusnone DeepSeek V3.2mediumvsStep 3.7 Flashhigh DeepSeek V3.2mediumvsGPT-5.5none