AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs Qwen: Qwen3.6 27B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | DeepSeek V3.2 DeepSeek V3.2 medium | Qwen3.6 27B Qwen3.6 27B medium |
|---|---|---|
| 分数 | 7.0 | 6.6 |
| 排名 | #71 | #83 |
| 可靠性 | 9.1 | 9.9 |
| 一致性 | 7.6 | 8.1 |
| 测试正确 | ||
| 尝试通过率 | 69.2% | 58.3% |
| 不稳定测试 | 6 | 5 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.334 | 3.015 |
| 总成本 | $0.037 | $0.272 |
| ???? | $0.252 / 1M | $0.317 / 1M |
| ???? | $0.378 / 1M | $3.200 / 1M |
| 输出令牌 | 7,049 | 13,007 |
| 推理令牌 | 68,203 | 105,697 |
| 响应时间（平均） | 53.21s | 57.65s |
| 响应时间（最大） | 189.03s | 168.22s |
| 响应时间（总计） | 1064.26s | 1153.04s |
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 | 9.2 | 10.0 | 100.0% | 0 | 24.23s | 3,247 | 6,953 | |
| Qwen3.6 27B | 8.3 | 10.0 | 75.0% | 0 | 12.62s | 582 | 4,311 |
| 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 | |
| Qwen3.6 27B | 6.6 | 10.0 | 50.0% | 0 | 165.39s | 4,760 | 26,668 |
| 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 | |
| Qwen3.6 27B | 7.0 | 3.7 | 66.7% | 1 | 83.07s | 2,088 | 14,689 |
| 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 | |
| Qwen3.6 27B | 3.5 | 1.4 | 50.0% | 2 | 37.30s | 568 | 9,404 |
| 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 | |
| Qwen3.6 27B | 2.9 | 7.2 | 11.1% | 1 | 73.38s | 3,510 | 20,352 |
| 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 | 3.8 | 2.5 | 50.0% | 1 | 58.29s | 49 | 2,189 | |
| Qwen3.6 27B | 6.5 | 3.4 | 66.7% | 1 | 39.53s | 81 | 3,045 |
| 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 | |
| Qwen3.6 27B | 10.0 | 10.0 | 100.0% | 0 | 37.96s | 346 | 6,548 |
| 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 | 6.7 | 5.0 | 66.7% | 2 | 36.87s | 390 | 6,281 | |
| Qwen3.6 27B | 7.7 | 10.0 | 66.7% | 0 | 60.21s | 281 | 11,919 |
| 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 | |
| Qwen3.6 27B | 10.0 | 10.0 | 100.0% | 0 | 16.88s | 390 | 2,954 |
| 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 | |
| Qwen3.6 27B | 3.0 | 10.0 | 0.0% | 0 | 80.99s | 401 | 5,807 |
快速对比
切换对比组合
Qwen3.6 27BmediumvsGrok Build 0.1noneGemini 3.1 Flash LitenonevsQwen3.6 27BmediumGPT-5.5nonevsQwen3.6 27BmediumClaude Sonnet 4.6nonevsDeepSeek V3.2mediumDeepSeek V4 ProhighvsQwen3.6 27BmediumGemini 3.1 Flash LiteminimalvsQwen3.6 27BmediumDeepSeek V3.2mediumvsQwen3.6 Max PreviewnoneGemma 4 31Bnone免费可用vsQwen3.6 27BmediumDeepSeek V3.2mediumvsRing-2.6-1TnoneDeepSeek V3.2mediumvsGemma 4 31Bnone免费可用Qwen3.6 27BmediumvsGLM 5noneDeepSeek V3.2mediumvsGemini 3.1 Flash Liteminimal