AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs Google: Gemini 3.5 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | DeepSeek V3.2 DeepSeek V3.2 none | Gemini 3.5 Flash Gemini 3.5 Flash high |
|---|---|---|
| 分数 | 5.6 | 9.6 |
| 排名 | #114 | #2 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.0 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 46.7% | 96.7% |
| 不稳定测试 | 5 | 1 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.254 | 5.231 |
| 总成本 | $0.018 | $0.994 |
| ???? | $0.252 / 1M | $1.500 / 1M |
| ???? | $0.378 / 1M | $9.000 / 1M |
| 输出令牌 | 11,163 | 1,969 |
| 推理令牌 | 0 | 102,679 |
| 响应时间（平均） | 14.46s | 8.30s |
| 响应时间（最大） | 115.89s | 34.82s |
| 响应时间（总计） | 289.21s | 165.92s |
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 | 3.3 | 8.2 | 12.5% | 1 | 9.35s | 1,073 | 0 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.57s | 174 | 4,997 |
| 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 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 24.62s | 450 | 34,170 |
| 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 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 22.37s | 351 | 16,323 |
| 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 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.43s | 279 | 8,466 |
| 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 | 6.9 | 16.7% | 1 | 4.17s | 21 | 0 | |
| Gemini 3.5 Flash | 7.6 | 7.2 | 77.8% | 1 | 14.09s | 12 | 24,721 |
| 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 | 7.6 | 10.0 | 100.0% | 0 | 9.32s | 43 | 0 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.63s | 115 | 1,650 |
| 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 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.35s | 70 | 3,799 |
| 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 | 7.5 | 7.7 | 88.9% | 1 | 7.13s | 302 | 0 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.23s | 241 | 4,940 |
| 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 3.5 Flash | 9.8 | 10.0 | 100.0% | 0 | 4.96s | 265 | 1,608 |
| 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 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.94s | 12 | 2,005 |
快速对比
切换对比组合
DeepSeek V3.2nonevsgpt-oss-120bmedium免费可用DeepSeek V3.2nonevsMiniMax M2.5medium免费可用DeepSeek V3.2nonevsMistral Small 4mediumCobuddymedium免费可用vsDeepSeek V3.2noneDeepSeek V3.2nonevsElephant AlphamediumDeepSeek V3.2nonevsOwl AlphamediumDeepSeek V3.2nonevsNemotron 3 Supermedium免费可用DeepSeek V3.2nonevsMiniMax M2.7mediumDeepSeek V3.2nonevsGPT-5 NanomediumGemini 3.5 FlashhighvsQwen3.7 MaxmediumDeepSeek V3.2nonevsMercury 2mediumClaude Opus 4.7mediumvsGemini 3.5 Flashhigh