- 排名
- #116
- 总输出令牌
- 128,787
- 响应时间（平均）
- 68.43s
- 总成本
- $0.078
DeepSeek V3.2 (medium) vs Grok 4.20 (medium)
平均分几乎持平，为 7.0 vs 7.0。 DeepSeek V3.2 (medium) benchmark 成本更低，为 $0.078 vs $0.805。 Grok 4.20 (medium) 更快，为 32.56s vs 68.43s，通过率为 65.2% vs 60.6%。
- 排名
- #120
- 总输出令牌
- 270,259
- 响应时间（平均）
- 32.56s
- 总成本
- $0.805
推荐模型
DeepSeek V3.2 (medium)
它在这里得分最高（7.0），同时成本比Grok 4.20 (medium)低约 10.4 倍。
详细对比
| 指标 | DeepSeek V3.2 DeepSeek V3.2 medium | Grok 4.20 Grok 4.20 medium |
|---|---|---|
| 分数 | 7.0 | 7.0 |
| 排名 | #116 | #120 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.4 | 8.2 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 65.2% | 60.6% |
| 不稳定测试 | 7 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 0.672 | 10.365 |
| 总成本 | $0.078 | $0.805 |
| 输入价格 | $0.269 / 1M | $1.250 / 1M |
| 输出价格 | $0.400 / 1M | $2.500 / 1M |
| 总输入令牌 | 101,056 | 102,986 |
| 输出令牌 | 11,832 | 5,860 |
| 推理令牌 | 116,955 | 264,399 |
| 响应时间（平均） | 68.43s | 32.56s |
| 响应时间（最大） | 376.10s | 199.66s |
| 响应时间（总计） | 1505.53s | 716.36s |
| 参数量 | 671B 总计 (37B 激活) | ~1T 总计 (~100B 激活) |
| 开放状态 | 开源 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#116 DeepSeek V3.2
medium- 成本
- $0.001
- 时间
- 53.6s
- 令牌
- 1,932 tok
#120 SpaceXAI: 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 | 7.3 | 5.8 | 83.3% | 1 | 79.92s | 76,997 | 5,219 | 24,229 | |
| Grok 4.20 | 8.7 | 6.9 | 83.3% | 1 | 42.25s | 71,267 | 3,776 | 44,009 |
| 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 | 22.94s | 481 | 19 | 6,779 | |
| Grok 4.20 | 2.9 | 7.2 | 11.1% | 1 | 49.71s | 1,959 | 872 | 59,761 |
| 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
GPT-5.5nonevsGrok 4.20mediumDeepSeek V3.2mediumvsGPT-5.6 SolnoneDeepSeek V3.2mediumvsGPT-5.5noneGPT-5.6 SolnonevsGrok 4.20mediumSeed-2.0-CodehighvsGrok 4.20mediumDeepSeek V3.2mediumvsSolar Pro 4highSeed-2.0-CodehighvsDeepSeek V3.2mediumDeepSeek V3.2mediumvsStep 3.7 FlashlowSolar Pro 4highvsGrok 4.20mediumDeepSeek V3.2mediumvsMuse Glimmer 30BlowGemini 3.5 FlashnonevsGrok 4.20mediumStep 3.7 FlashlowvsGrok 4.20medium