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：: 2026-04-24
| 指标 | DeepSeek V3.2 DeepSeek V3.2 none | DeepSeek V4 Pro DeepSeek V4 Pro none |
|---|---|---|
| 分数 | 6.0 | 6.7 |
| 排名 | #72 | #59 |
| 一致性 | 8.6 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 46.3% | 51.9% |
| 不稳定测试 | 3 | 1 |
| 总运行次数 | 52 | 26 |
| 每个结果成本 | 0.225 | 0.317 |
| 总成本 | $0.016 | $0.029 |
| ???? | $0.252 / 1M | $1.740 / 1M |
| ???? | $0.378 / 1M | $3.480 / 1M |
| 输出令牌 | 8,378 | 1,596 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 12.07s | 24.23s |
| 响应时间（最大） | 115.89s | 109.46s |
| 响应时间（总计） | 217.28s | 436.17s |
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 | 3.2 | 9.8 | 0.0% | 0 | 7.63s | 1,419 | 0 | |
| DeepSeek V4 Pro | 4.8 | 10.0 | 25.0% | 0 | 36.12s | 221 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 2.4 | 1.3 | 33.3% | 1 | 7.63s | 553 | 0 | |
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 33.40s | 246 | 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 | 9.5 | 10.0 | 100.0% | 0 | 34.55s | 826 | 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 | 54.04s | 65 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 10.0 | 0.0% | 0 | 1.52s | 18 | 0 | |
| DeepSeek V4 Pro | 5.3 | 10.0 | 33.3% | 0 | 3.74s | 6 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 2.86s | 67 | 0 | |
| DeepSeek V4 Pro | 4.5 | 10.0 | 0.0% | 0 | 6.06s | 45 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 1.52s | 66 | 0 | |
| DeepSeek V4 Pro | 6.5 | 10.0 | 50.0% | 0 | 3.57s | 22 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 8.5 | 7.5 | 88.9% | 1 | 7.37s | 1,136 | 0 | |
| DeepSeek V4 Pro | 6.0 | 7.1 | 44.4% | 1 | 28.25s | 92 | 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 | 6.47s | 73 | 0 |
快速对比
切换对比组合
DeepSeek V4 PrononevsGrok 4.1 FastmediumDeepSeek V4 PrononevsNemotron 3 Supermedium免费可用DeepSeek V3.2nonevsgpt-oss-120bmedium免费可用DeepSeek V4 PrononevsMercury 2mediumDeepSeek V3.2nonevsGPT-5 NanomediumDeepSeek V4 PrononevsGrok 4.20mediumDeepSeek V3.2nonevsMiniMax M2.5medium免费可用DeepSeek V4 PrononevsKimi K2.5mediumDeepSeek V4 PrononevsGPT-5 MinimediumDeepSeek V3.2nonevsMistral Small 4mediumDeepSeek V4 PrononevsGPT-5 NanomediumDeepSeek V3.2nonevsMercury 2medium