AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs OpenAI: GPT-5.4
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-16
| 指标 | DeepSeek V3.2 DeepSeek V3.2 none | GPT-5.4 GPT-5.4 none |
|---|---|---|
| 分数 | 6.1 | 5.9 |
| 排名 | #63 | #65 |
| 一致性 | 8.1 | 9.1 |
| 测试正确 | ||
| 尝试通过率 | 50.0% | 42.6% |
| 不稳定测试 | 4 | 2 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.226 | 1.477 |
| 总成本 | $0.016 | $0.104 |
| ???? | $0.260 / 1M | $2.500 / 1M |
| ???? | $0.380 / 1M | $15.000 / 1M |
| 输出令牌 | 8,384 | 2,317 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 12.09s | 1.51s |
| 响应时间（最大） | 115.89s | 2.95s |
| 响应时间（总计） | 217.56s | 27.21s |
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 | 3.2 | 9.8 | 0.0% | 0 | 7.63s | 1,419 | 0 | |
| GPT-5.4 | 3.2 | 8.0 | 8.3% | 1 | 1.21s | 406 | 0 |
| 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 | 2.4 | 1.3 | 33.3% | 1 | 7.63s | 553 | 0 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.95s | 480 | 0 |
| 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 | |
| GPT-5.4 | 3.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 |
| 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 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 |
| 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 | 3.6 | 7.2 | 22.2% | 1 | 1.61s | 24 | 0 | |
| GPT-5.4 | 5.3 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 2.86s | 67 | 0 | |
| GPT-5.4 | 4.4 | 9.9 | 0.0% | 0 | 1.78s | 184 | 0 |
| 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 | |
| GPT-5.4 | 6.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 |
| 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 | 8.5 | 7.5 | 88.9% | 1 | 7.37s | 1,136 | 0 | |
| GPT-5.4 | 5.6 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 |
| 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 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 |
快速对比
切换对比组合
DeepSeek V3.2nonevsGPT-5 NanomediumMiniMax M2.5medium免费可用vsGPT-5.4noneMistral Small 4mediumvsGPT-5.4noneDeepSeek V3.2nonevsgpt-oss-120bmedium免费可用DeepSeek V3.2nonevsMercury 2mediumDeepSeek V3.2nonevsMiniMax M2.5medium免费可用DeepSeek V3.2nonevsMistral Small 4mediumDeepSeek V3.2nonevsGrok 4.1 FastmediumDeepSeek V3.2nonevsNemotron 3 Supermedium免费可用Mercury 2mediumvsGPT-5.4noneMiniMax M2.7mediumvsGPT-5.4noneGPT-5.4nonevsElephantmedium