AI BENCHY 对比

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

摘要

GPT-5.6 Terra (low) 平均分领先，为 7.5 vs 7.0。 DeepSeek V3.2 (medium) benchmark 成本更低，为 $0.078 vs $0.519。 GPT-5.6 Terra (low) 更快，为 5.31s vs 68.62s，通过率为 65.2% vs 74.2%。

推荐模型GPT-5.6 Terra (low)它在这里得分最高（7.5），同时响应速度比DeepSeek V3.2 (medium)快约 12.9 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 Terra GPT-5.6 Terra low 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 Terra GPT-5.6 Terra low 发布日期: 2026-07-09
分数	7.0	7.5
排名	#73	#53
可靠性	10.0	10.0
一致性	7.4	7.9
测试正确
尝试通过率	65.2%	74.2%
不稳定测试	7	6
总运行次数	66	66
每个结果成本	0.671	3.989
总成本	$0.078	$0.519
输入价格	$0.269 / 1M	$2.500 / 1M
输出价格	$0.400 / 1M	$15.000 / 1M
总输入令牌	101,047	80,295
输出令牌	11,834	4,714
推理令牌	117,014	16,469
响应时间（平均）	68.62s	5.31s
响应时间（最大）	376.10s	19.85s
响应时间（总计）	1509.53s	116.82s

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

#53 GPT-5.6 Terra

low

成本: $0.034
时间: 16.8s
令牌: 2,348 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 Terra	8.3	10.0	75.0%	0		2.36s	606	171	602

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 Terra	6.6	4.6	77.8%	2		9.56s	7,302	429	6,821

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 Terra	8.7	6.9	83.3%	1		9.68s	57,088	3,083	1,617

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 Terra	10.0	10.0	100.0%	0		919ms	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 Terra	5.3	7.2	44.4%	1		8.34s	723	72	4,086

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 Terra	4.8	3.2	33.3%	1		3.52s	477	105	249

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 Terra	10.0	10.0	100.0%	0		1.48s	660	87	134

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 Terra	10.0	10.0	100.0%	0		4.46s	642	259	1,506

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 Terra	4.7	1.6	66.7%	1		6.69s	5,462	257	226

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 Terra	3.0	10.0	0.0%	0		5.95s	195	29	1,228

快速对比

切换对比组合

GPT-5.6 TerralowvsQwen3.5 Plus 2026-02-15medium DeepSeek V3.2mediumvsGemini 3.5 Flashnone Kimi K2.7 CodemediumvsGPT-5.6 Terralow GPT-5.6 TerralowvsQwen3.5-27Bmedium GPT-5.6 TerralowvsQwen3.7 Maxnone Nemotron 3 Ultramedium免费可用vsGPT-5.6 Terralow GPT-5.6 TerralowvsGrok Build 0.1medium DeepSeek V3.2mediumvsGPT-5.6 Solnone MiniMax M3mediumvsGPT-5.6 Terralow Claude Sonnet 4.6nonevsGPT-5.6 Terralow DeepSeek V3.2mediumvsQwen3.7 Plusnone DeepSeek V3.2mediumvsStep 3.7 Flashhigh