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：: 2026-04-16
| 指标 | DeepSeek V3.2 DeepSeek V3.2 none | Gemini 2.5 Flash Gemini 2.5 Flash none |
|---|---|---|
| 分数 | 6.1 | 6.2 |
| 排名 | #63 | #61 |
| 一致性 | 8.1 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 50.0% | 44.4% |
| 不稳定测试 | 4 | 2 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.226 | 0.184 |
| 总成本 | $0.016 | $0.013 |
| ???? | $0.260 / 1M | $0.300 / 1M |
| ???? | $0.380 / 1M | $2.500 / 1M |
| 输出令牌 | 8,384 | 1,726 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 12.09s | 903ms |
| 响应时间（最大） | 115.89s | 4.39s |
| 响应时间（总计） | 217.56s | 16.26s |
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 | 3.0 | 10.0 | 0.0% | 0 | 582ms | 102 | 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 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 1.16s | 453 | 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 | |
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 4.39s | 366 | 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 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 652ms | 279 | 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 | 3.6 | 7.2 | 22.2% | 1 | 1.61s | 24 | 0 | |
| Gemini 2.5 Flash | 5.9 | 7.2 | 55.6% | 1 | 495ms | 12 | 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 | |
| Gemini 2.5 Flash | 5.0 | 10.0 | 0.0% | 0 | 615ms | 78 | 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 | |
| Gemini 2.5 Flash | 8.0 | 6.8 | 66.7% | 1 | 672ms | 70 | 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 | |
| Gemini 2.5 Flash | 5.7 | 10.0 | 33.3% | 0 | 576ms | 132 | 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 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 1.91s | 234 | 0 |
快速对比
切换对比组合
Gemini 2.5 FlashnonevsGPT-5 NanomediumDeepSeek V3.2nonevsGPT-5 NanomediumDeepSeek V3.2nonevsgpt-oss-120bmedium免费可用Gemini 2.5 Flashnonevsgpt-oss-120bmedium免费可用Gemini 2.5 FlashnonevsMercury 2mediumDeepSeek V3.2nonevsMercury 2mediumDeepSeek V3.2nonevsMiniMax M2.5medium免费可用DeepSeek V3.2nonevsMistral Small 4mediumGemini 2.5 FlashnonevsMiniMax M2.5medium免费可用Gemini 2.5 FlashnonevsGrok 4.1 FastmediumGemini 2.5 FlashnonevsMistral Small 4mediumDeepSeek V3.2nonevsGrok 4.1 Fastmedium