AI BENCHY 对比

DeepSeek: DeepSeek V3.2 vs DeepSeek: DeepSeek V4 Flash

摘要

DeepSeek V4 Flash 平均分领先，为 5.6 vs 5.0。 DeepSeek V4 Flash benchmark 成本更低，为 $0.044 vs $0.054。 DeepSeek V3.2 更快，为 18.25s vs 36.78s，通过率为 37.9% vs 31.8%。

推荐模型DeepSeek V4 Flash它在本次比较中得分最高（5.6），并且在全部 2 个模型中兼顾成本和响应时间最好。

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 none 发布日期: 2025-12-01	DeepSeek V4 Flash DeepSeek V4 Flash none 发布日期: 2026-04-24

指标	DeepSeek V3.2 DeepSeek V3.2 none 发布日期: 2025-12-01	DeepSeek V4 Flash DeepSeek V4 Flash none 发布日期: 2026-04-24
分数	5.0	5.6
排名	#165	#143
可靠性	10.0	10.0
一致性	7.7	8.5
测试正确
尝试通过率	37.9%	31.8%
不稳定测试	6	4
总运行次数	66	66
每个结果成本	0.870	0.917
总成本	$0.054	$0.044
输入价格	$0.269 / 1M	$0.098 / 1M
输出价格	$0.400 / 1M	$0.196 / 1M
总输入令牌	135,780	240,221
输出令牌	42,097	100,727
推理令牌	0	0
响应时间（平均）	18.25s	36.78s
响应时间（最大）	115.89s	247.27s
响应时间（总计）	401.60s	809.09s

生成展示

Hamster playing table tennis

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

#165 DeepSeek V3.2

none

成本: $0.002
时间: 7.0s
令牌: 1,046 tok

#143 DeepSeek V4 Flash

none

成本: $0.004
时间: 157.6s
令牌: 11,297 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	3.2	8.0	8.3%	1		9.35s	494	1,073	0
DeepSeek V4 Flash	3.0	10.0	0.0%	0		20.18s	540	174	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	3.1	6.9	11.1%	1		14.54s	7,279	4,528	0
DeepSeek V4 Flash	4.2	7.4	11.1%	1		17.13s	7,279	9,717	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	4.8	10.0	0.0%	0		113.53s	109,626	33,819	0
DeepSeek V4 Flash	4.6	1.8	66.7%	2		179.61s	214,492	89,681	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	6.3	5.8	66.7%	1		9.42s	7,890	1,710	0
DeepSeek V4 Flash	10.0	10.0	100.0%	0		23.79s	7,290	195	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	7.2	11.1%	1		4.17s	624	21	0
DeepSeek V4 Flash	5.3	10.0	33.3%	0		19.73s	666	18	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	4.7	1.6	66.7%	1		9.32s	314	43	0
DeepSeek V4 Flash	4.2	9.9	0.0%	0		23.74s	471	67	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		1.52s	627	66	0
DeepSeek V4 Flash	6.5	10.0	50.0%	0		17.54s	627	321	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	7.6	7.2	77.8%	1		6.91s	424	298	0
DeepSeek V4 Flash	3.1	7.3	11.1%	1		23.72s	594	207	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		11.85s	8,319	522	0
DeepSeek V4 Flash	10.0	10.0	100.0%	0		77.93s	8,079	327	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		17.23s	183	17	0
DeepSeek V4 Flash	3.0	10.0	0.0%	0		3.07s	183	20	0

快速对比

切换对比组合

DeepSeek V4 FlashnonevsKAT-Coder-Air V2.5medium DeepSeek V3.2nonevsMiniMax M2.7medium DeepSeek V4 FlashnonevsKAT-Coder-Air V2.5high DeepSeek V3.2nonevsMistral Small 4medium DeepSeek V4 FlashnonevsNemotron 3 Supermedium免费可用 DeepSeek V4 FlashnonevsKAT-Coder-Air V2.5low DeepSeek V3.2nonevsQwen3 Coder Nextmedium North Mini Codemedium免费可用vsDeepSeek V4 Flashnone CobuddymediumvsDeepSeek V3.2none DeepSeek V3.2nonevsKAT-Coder-Air V2.5low DeepSeek V3.2nonevsMiniMax M2.5medium DeepSeek V4 FlashnonevsMistral Small 4medium