AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs OpenAI: GPT-5.4
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-5.4 medium 发布日期: 2026-03-05 |
|---|---|---|
| 排名 | #33 | #9 |
| 平均分 | 5.5 | 8.0 |
| 一致性 | 8.4 | 8.5 |
| 每个结果成本 | 0.220 | 6.601 |
| 总成本 | $0.016 | $0.793 |
| 测试正确 | ||
| 尝试通过率 | 54.2% | 83.3% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 48 (16 x 3) | 48 (16 x 3) |
| 输出令牌 | 7,823 | 1,756 |
| 推理令牌 | 0 | 46,642 |
| 响应时间（平均） | 12.86s | 20.05s |
| 响应时间（最大） | 115.89s | 100.41s |
| 响应时间（总计） | 205.78s | 320.87s |
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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.02s | 216 | 1,466 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 20.57s | 301 | 3,543 |
| 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-5.4 | 9.9 | 10.0 | 100.0% | 0 | 5.32s | 234 | 804 |
| 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-5.4 | 4.0 | 7.2 | 44.4% | 1 | 74.27s | 61 | 34,748 |
| 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-5.4 | 5.0 | 3.1 | 33.3% | 1 | 4.92s | 145 | 321 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 93 | 897 |
| 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-5.4 | 7.0 | 7.2 | 88.9% | 1 | 9.13s | 442 | 3,832 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 264 | 1,031 |
快速对比
切换对比组合
DeepSeek V3.2nonevsGPT-5 NanomediumDeepSeek V3.2nonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash Lite PreviewhighvsGPT-5.4mediumGemini 3 Flash PreviewlowvsGPT-5.4mediumDeepSeek V3.2nonevsMercury 2mediumDeepSeek V3.2nonevsgpt-oss-120bmedium免费可用DeepSeek V3.2nonevsGPT-5 MinimediumDeepSeek V3.2nonevsGrok 4.1 FastmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumDeepSeek V3.2nonevsMiniMax M2.5mediumGemini 3 Flash PreviewnonevsGPT-5.4mediumDeepSeek V3.2nonevsKimi K2.5medium