AI BENCHY 对比

DeepSeek: DeepSeek V3.2 vs MiniMax: MiniMax M2.7

摘要

平均分几乎持平，为 5.0 vs 5.0。 DeepSeek V3.2 benchmark 成本更低，为 $0.054 vs $0.196。 DeepSeek V3.2 更快，为 18.25s vs 41.28s，通过率为 37.9% vs 45.5%。

推荐模型DeepSeek V3.2它在这里得分最高（5.0），同时成本比MiniMax M2.7 (medium)低约 3.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	DeepSeek V3.2 DeepSeek V3.2 none 发布日期: 2025-12-01	MiniMax M2.7 MiniMax M2.7 medium 发布日期: 2026-03-18

指标	DeepSeek V3.2 DeepSeek V3.2 none 发布日期: 2025-12-01	MiniMax M2.7 MiniMax M2.7 medium 发布日期: 2026-03-18
分数	5.0	5.0
排名	#165	#164
可靠性	10.0	10.0
一致性	7.7	6.6
测试正确
尝试通过率	37.9%	45.5%
不稳定测试	6	9
总运行次数	66	66
每个结果成本	0.870	3.906
总成本	$0.054	$0.196
输入价格	$0.269 / 1M	$0.300 / 1M
输出价格	$0.400 / 1M	$1.200 / 1M
总输入令牌	135,780	114,518
输出令牌	42,097	18,558
推理令牌	0	119,036
响应时间（平均）	18.25s	41.28s
响应时间（最大）	115.89s	196.21s
响应时间（总计）	401.60s	866.81s

生成展示

Hamster playing table tennis

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

#165 DeepSeek V3.2

none

成本: $0.002
时间: 7.0s
令牌: 1,046 tok

#164 MiniMax M2.7

medium

成本: $0.022
时间: 22.8s
令牌: 9,250 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

类别:

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）	输入令牌	输出令牌	推理令牌
DeepSeek V3.2	3.2	8.0	8.3%	1		9.35s	494	1,073	0
MiniMax M2.7	7.9	6.3	83.3%	2		40.32s	654	3,010	17,716

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
MiniMax M2.7	5.7	9.1	33.3%	0		101.89s	2,961	1,231	38,841

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）	输入令牌	输出令牌	推理令牌
DeepSeek V3.2	4.8	10.0	0.0%	0		113.53s	109,626	33,819	0
MiniMax M2.7	3.8	1.6	50.0%	2		72.12s	94,380	9,946	33,704

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）	输入令牌	输出令牌	推理令牌
DeepSeek V3.2	6.3	5.8	66.7%	1		9.42s	7,890	1,710	0
MiniMax M2.7	6.3	5.8	66.7%	1		21.95s	7,152	187	5,882

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）	输入令牌	输出令牌	推理令牌
DeepSeek V3.2	2.9	7.2	11.1%	1		4.17s	624	21	0
MiniMax M2.7	3.0	10.0	0.0%	0		19.00s	245	8	2,796

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）	输入令牌	输出令牌	推理令牌
DeepSeek V3.2	4.7	1.6	66.7%	1		9.32s	314	43	0
MiniMax M2.7	3.9	2.5	33.3%	1		38.70s	486	92	5,204

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）	输入令牌	输出令牌	推理令牌
DeepSeek V3.2	10.0	10.0	100.0%	0		1.52s	627	66	0
MiniMax M2.7	3.8	5.8	33.3%	1		12.80s	687	350	2,600

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）	输入令牌	输出令牌	推理令牌
DeepSeek V3.2	7.6	7.2	77.8%	1		6.91s	424	298	0
MiniMax M2.7	5.9	7.2	55.6%	1		24.87s	675	362	7,840

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）	输入令牌	输出令牌	推理令牌
DeepSeek V3.2	10.0	10.0	100.0%	0		11.85s	8,319	522	0
MiniMax M2.7	4.7	1.6	66.7%	1		12.05s	7,067	304	1,001

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）	输入令牌	输出令牌	推理令牌
DeepSeek V3.2	3.0	10.0	0.0%	0		17.23s	183	17	0
MiniMax M2.7	3.0	10.0	0.0%	0		22.77s	211	3,068	3,452

快速对比

切换对比组合

North Mini Codenone免费可用vsMiniMax M2.7medium MiniMax M2.7mediumvsQwen3.5-9Bnone MiniMax M2.7mediumvsMiMo-V2.5none MiniMax M2.7mediumvsGPT-4o-mininone MiniMax M2.7mediumvsQwen3 Coder Nextnone MiniMax M2.7mediumvsMistral Small 4none DeepSeek V3.2nonevsMistral Small 4medium MiniMax M2.7mediumvsGLM 4.7 Flashnone MiniMax M2.7mediumvsNemotron 3 Supernone免费可用 Ling-2.6-flashnonevsMiniMax M2.7medium Ring-2.6-1TnonevsMiniMax M2.7medium MiniMax M2.7mediumvsGPT-5.4 Nanonone