AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs OpenAI: GPT-5.2
比较:
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-06
| 指标 | DeepSeek: DeepSeek V3.2 none 发布日期: 2025-12-01 | OpenAI: GPT-5.2 medium 发布日期: 2025-12-11 |
|---|---|---|
| 排名 | #33 | #27 |
| 平均分 | 5.5 | 6.5 |
| 一致性 | 8.4 | 7.9 |
| 每个结果成本 | 0.220 | 3.125 |
| 总成本 | $0.016 | $0.313 |
| 测试正确 | ||
| 尝试通过率 | 54.2% | 75.0% |
| 不稳定测试 | 3 | 4 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 7,823 | 2,220 |
| 推理令牌 | 0 | 16,811 |
| 响应时间（平均） | 12.86s | 15.33s |
| 响应时间（最大） | 115.89s | 77.80s |
| 响应时间（总计） | 205.78s | 138.01s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
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: DeepSeek V3.2 | 10.0 | 9.7 | 0.0% | 0 | 8.79s | 1,411 | 0 | |
| OpenAI: GPT-5.2 | 7.0 | 7.3 | 77.8% | 1 | 14.34s | 549 | 2,002 |
| 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: DeepSeek V3.2 | 8.0 | 10.0 | 0.0% | 0 | 115.89s | 2,887 | 0 | |
| OpenAI: GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 14.06s | 291 | 1,757 |
| 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: DeepSeek V3.2 | 5.4 | 5.8 | 66.7% | 1 | 9.42s | 1,710 | 0 | |
| OpenAI: GPT-5.2 | 9.9 | 10.0 | 100.0% | 0 | 3.15s | 234 | 420 |
| 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: DeepSeek V3.2 | 10.0 | 7.2 | 22.2% | 1 | 1.61s | 24 | 0 | |
| OpenAI: GPT-5.2 | 4.0 | 7.2 | 55.6% | 1 | 77.80s | 42 | 10,342 |
| 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: DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 2.86s | 67 | 0 | |
| OpenAI: GPT-5.2 | 10.0 | 9.7 | 0.0% | 0 | 4.32s | 162 | 269 |
| 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: DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 1.52s | 66 | 0 | |
| OpenAI: GPT-5.2 | 9.5 | 10.0 | 100.0% | 0 | 3.12s | 94 | 614 |
| Puzzle Solving | 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: DeepSeek V3.2 | 7.7 | 7.5 | 88.9% | 1 | 7.37s | 1,136 | 0 | |
| OpenAI: GPT-5.2 | 7.0 | 7.3 | 77.8% | 1 | 5.47s | 609 | 938 |
| 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: DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 11.85s | 522 | 0 | |
| OpenAI: GPT-5.2 | 10.0 | 1.6 | 66.7% | 1 | 10.30s | 239 | 469 |
快速对比
切换对比组合
DeepSeek V3.2nonevsGPT-5 NanomediumDeepSeek V3.2nonevsQwen3.5-35B-A3BmediumDeepSeek V3.2nonevsMercury 2mediumClaude Sonnet 4.6nonevsGPT-5.2mediumGPT-5.2mediumvsQwen3.5 Plus 2026-02-15noneDeepSeek V3.2nonevsgpt-oss-120bmedium免费可用DeepSeek V3.2nonevsGPT-5 MinimediumGPT-5.2mediumvsGLM 5noneGemini 3.1 Flash Lite PreviewnonevsGPT-5.2mediumDeepSeek V3.2nonevsGrok 4.1 FastmediumGemini 3 Flash PreviewnonevsGPT-5.2mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.2medium