AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs Google: Gemini 2.5 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-29
| 指标 | DeepSeek V3.2 DeepSeek V3.2 none | Gemini 2.5 Flash Gemini 2.5 Flash medium |
|---|---|---|
| 分数 | 6.0 | 8.2 |
| 排名 | #84 | #20 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 8.6 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 46.3% | 75.9% |
| 不稳定测试 | 3 | 1 |
| 总运行次数 | 52 | 54 |
| 每个结果成本 | 0.225 | 2.454 |
| 总成本 | $0.016 | $0.319 |
| ???? | $0.252 / 1M | $0.300 / 1M |
| ???? | $0.378 / 1M | $2.500 / 1M |
| 输出令牌 | 8,378 | 1,898 |
| 推理令牌 | 0 | 122,273 |
| 响应时间（平均） | 12.07s | 12.12s |
| 响应时间（最大） | 115.89s | 95.48s |
| 响应时间（总计） | 217.28s | 218.12s |
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 | |
| Gemini 2.5 Flash | 8.4 | 10.0 | 75.0% | 0 | 6.30s | 255 | 10,233 |
| 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 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 16.23s | 522 | 10,350 |
| 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 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 28.44s | 303 | 11,922 |
| 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 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.06s | 279 | 2,325 |
| 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 | |
| Gemini 2.5 Flash | 5.9 | 7.2 | 55.6% | 1 | 37.34s | 18 | 80,702 |
| 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 | |
| Gemini 2.5 Flash | 4.8 | 10.0 | 0.0% | 0 | 4.86s | 92 | 1,899 |
| 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 | |
| Gemini 2.5 Flash | 9.8 | 10.0 | 100.0% | 0 | 2.62s | 69 | 1,203 |
| 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 | |
| Gemini 2.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 3.94s | 126 | 2,499 |
| 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 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.20s | 234 | 1,140 |
快速对比
切换对比组合
Gemini 2.5 FlashmediumvsHY3 Previewlow免费可用DeepSeek V3.2nonevsLaguna Xs.2medium免费可用DeepSeek V3.2nonevsgpt-oss-120bmedium免费可用DeepSeek V3.2nonevsGPT-5 NanomediumGemini 2.5 FlashmediumvsHY3 Previewhigh免费可用Gemini 2.5 FlashmediumvsGPT-5.2 ChatnoneDeepSeek V3.2nonevsMiniMax M2.5medium免费可用DeepSeek V3.2nonevsLaguna M.1medium免费可用DeepSeek V3.2nonevsMistral Small 4mediumDeepSeek V4 FlashhighvsGemini 2.5 FlashmediumDeepSeek V3.2nonevsMercury 2mediumGemini 2.5 FlashmediumvsGPT-5.3 Chatnone