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 xAI: Grok 4.20

摘要

DeepSeek V3.2 vs Grok 4.20 benchmark 对比：DeepSeek V3.2 平均分领先，为 7.5 vs 7.3。 DeepSeek V3.2 benchmark 成本更低，为 $0.044 vs $0.609。 Grok 4.20 更快，为 27.68s vs 68.71s，通过率为 65.1% vs 63.5%。

推荐模型: DeepSeek V3.2 - 它在这里得分最高（7.5），同时成本比Grok 4.20低约 13.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 DeepSeek V3.2 DeepSeek V3.2 medium 发布日期: 2025-12-01 Grok 4.20 Grok 4.20 medium 发布日期: 2026-03-31
分数 7.5 7.3
排名 #50 #55
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% 63.5%
不稳定测试 6 3
总运行次数 63 63
每个结果成本 0.436 8.309
总成本 $0.044 $0.609
输入价格 $0.229 / 1M $1.250 / 1M
输出价格 $0.344 / 1M $2.500 / 1M
总输入令牌 38,333 44,433
输出令牌 7,186 1,819
推理令牌 99,081 219,524
响应时间（平均） 68.71s 27.68s
响应时间（最大） 376.10s 199.66s
响应时间（总计） 1442.81s 581.26s

生成展示

Hamster playing table tennis

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

#50 DeepSeek V3.2

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

#55 xAI: Grok 4.20

medium
成本
$0.041
时间
110.3s
令牌
16,336 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
Grok 4.20 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
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
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
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
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
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
Grok 4.20 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
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
Grok 4.20 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
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
Grok 4.20 3.9 2.6 33.3% 1 24.48s 825 65 6,440
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
Grok 4.20 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
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
Grok 4.20 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
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
Grok 4.20 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
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
Grok 4.20 3.0 10.0 0.0% 0 63.48s 531 9 16,442

快速对比

切换对比组合

Gemini 3 Flash PreviewlowvsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumDeepSeek V3.2mediumvsGPT-5.3 ChatnoneDeepSeek V3.2mediumvsGemini 3 Flash PreviewlowClaude Opus 4.8nonevsGrok 4.20mediumClaude Sonnet 4.6nonevsDeepSeek V3.2mediumGPT-5.3 ChatnonevsGrok 4.20mediumDeepSeek V4 PrononevsGrok 4.20mediumQwen3.7 PlusnonevsGrok 4.20mediumGrok 4.20mediumvsGLM 5.2noneClaude Opus 4.8nonevsDeepSeek V3.2mediumDeepSeek V3.2mediumvsStep 3.7 Flashlow