导航
AI BENCHY
Advertise here

DeepSeek: DeepSeek V3.2 vs inclusionAI: Ling-2.6-flash

DeepSeek V3.2 平均分领先，为 5.0 vs 4.9。 Ling-2.6-flash benchmark 成本更低，为 $0.002 vs $0.054。 Ling-2.6-flash 更快，为 10.68s vs 18.25s，通过率为 37.9% vs 30.3%。

推荐模型Ling-2.6-flash它的得分接近这里的最高分（4.9 vs 5.0），同时成本比DeepSeek V3.2低约 33.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-22

指标 DeepSeek V3.2 DeepSeek V3.2 none 发布日期: 2025-12-01 Ling-2.6-flash Ling-2.6-flash none 发布日期: 2026-04-21
分数 5.0 4.9
排名 #182 #187
可靠性 10.0 10.0
一致性 7.7 9.3
测试正确
尝试通过率 37.9% 30.3%
不稳定测试 6 2
总运行次数 66 66
每个结果成本 0.870 0.024
总成本 $0.054 $0.002
输入价格 $0.269 / 1M $0.010 / 1M
输出价格 $0.400 / 1M $0.030 / 1M
总输入令牌 135,780 114,375
输出令牌 42,097 14,903
推理令牌 0 0
响应时间（平均） 18.25s 10.68s
响应时间（最大） 115.89s 36.03s
响应时间（总计） 401.60s 213.51s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#182 DeepSeek V3.2

none
成本
$0.002
时间
7.0s
令牌
1,046 tok

#187 Ling-2.6-flash

none
Ling-2.6-flash is no longer available as a free model. It has transitioned to a paid model. Continue using it here: https://openrouter.ai/inclusionai/ling-2.6-flash
成本
$0.000
时间
0.0s
令牌
0 tok

按分数排名的模型

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

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） 输入令牌 输出令牌 推理令牌
DeepSeek V3.2 3.1 6.9 11.1% 1 14.54s 7,279 4,528 0
Ling-2.6-flash 5.3 10.0 33.3% 0 11.21s 813 381 0

快速对比

切换对比组合

DeepSeek V3.2nonevsLaguna S 2.1low免费可用DeepSeek V3.2nonevsMiniMax M2.7mediumDeepSeek V3.2nonevsMistral Small 4mediumLing-2.6-flashnonevsLaguna S 2.1low免费可用Ling-2.6-flashnonevsMiniMax M2.7mediumLing-2.6-flashnonevsQwen3 Coder NextmediumCobuddymediumvsLing-2.6-flashnoneLing-2.6-flashnonevsMistral Small 4mediumLing-2.6-flashnonevsMiniMax M2.5mediumDeepSeek V3.2nonevsQwen3 Coder NextmediumCobuddymediumvsDeepSeek V3.2noneDeepSeek V3.2nonevsLaguna S 2.1high免费可用