AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs DeepSeek: DeepSeek V4 Pro
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-29
| 指标 | DeepSeek V3.2 DeepSeek V3.2 none | DeepSeek V4 Pro DeepSeek V4 Pro high |
|---|---|---|
| 分数 | 6.2 | 7.0 |
| 排名 | #97 | #79 |
| 可靠性 | 10.0 | 8.9 |
| 一致性 | 8.3 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 48.3% | 63.3% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.222 | 1.935 |
| 总成本 | $0.018 | $0.213 |
| 输入价格 | $0.252 / 1M | $0.435 / 1M |
| 输出价格 | $0.378 / 1M | $0.870 / 1M |
| 输出令牌 | 11,159 | 12,244 |
| 推理令牌 | 0 | 53,958 |
| 响应时间（平均） | 14.43s | 58.92s |
| 响应时间（最大） | 115.89s | 358.35s |
| 响应时间（总计） | 288.55s | 1119.51s |
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 | 3.8 | 8.2 | 12.5% | 1 | 9.35s | 1,073 | 0 | |
| DeepSeek V4 Pro | 8.3 | 10.0 | 75.0% | 0 | 16.53s | 71 | 3,617 |
| 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 | 3.1 | 5.4 | 16.7% | 1 | 20.87s | 4,522 | 0 | |
| DeepSeek V4 Pro | 3.0 | 5.0 | 25.0% | 1 | 51.77s | 105 | 2,641 |
| 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 | 6.5 | 10.0 | 0.0% | 0 | 115.89s | 2,887 | 0 | |
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 65.02s | 465 | 5,914 |
| 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 | 6.3 | 5.8 | 66.7% | 1 | 9.42s | 1,710 | 0 | |
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 23.62s | 229 | 1,710 |
| 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 | 3.2 | 6.9 | 16.7% | 1 | 4.17s | 21 | 0 | |
| DeepSeek V4 Pro | 3.2 | 6.9 | 16.7% | 1 | 205.66s | 10,529 | 28,089 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 9.32s | 43 | 0 | |
| DeepSeek V4 Pro | 6.1 | 3.1 | 66.7% | 1 | 25.09s | 76 | 1,152 |
| 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 | 1.52s | 66 | 0 | |
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 41.16s | 205 | 2,416 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 6.91s | 298 | 0 | |
| DeepSeek V4 Pro | 7.7 | 10.0 | 66.7% | 0 | 34.84s | 139 | 4,019 |
| 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 | 11.85s | 522 | 0 | |
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 21.33s | 372 | 593 |
| 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 | 17.23s | 17 | 0 | |
| DeepSeek V4 Pro | 3.0 | 10.0 | 0.0% | 0 | 39.14s | 53 | 3,807 |
快速对比
切换对比组合
Claude Sonnet 4.6nonevsDeepSeek V4 ProhighDeepSeek V4 ProhighvsGrok 4.20mediumDeepSeek V4 ProhighvsMiMo-V2-FlashmediumDeepSeek V4 ProhighvsMiMo-V2-OmnimediumDeepSeek V3.2nonevsGPT-5 NanomediumDeepSeek V4 ProhighvsQwen3.6 Max PreviewnoneSeed-2.0-MinimediumvsDeepSeek V4 ProhighDeepSeek V4 ProhighvsGPT-5 MinimediumDeepSeek V4 ProhighvsGPT-5.4 NanomediumClaude Opus 4.6mediumvsDeepSeek V4 ProhighDeepSeek V4 ProhighvsRing-2.6-1TnoneDeepSeek V4 ProhighvsRing-2.6-1Tmedium