AI BENCHY 对比

DeepSeek: DeepSeek V3.2 vs OpenAI: GPT-5.5

摘要

GPT-5.5 (low) 平均分领先，为 9.3 vs 5.3。 DeepSeek V3.2 benchmark 成本更低，为 $0.020 vs $0.907。 GPT-5.5 (low) 更快，为 9.76s vs 13.83s，通过率为 39.7% vs 85.7%。

推荐模型GPT-5.5 (low)它在本次比较中得分最高（9.3），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-16

指标	DeepSeek V3.2 DeepSeek V3.2 none 发布日期: 2025-12-01	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24

指标	DeepSeek V3.2 DeepSeek V3.2 none 发布日期: 2025-12-01	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24
分数	5.3	9.3
排名	#157	#7
可靠性	10.0	10.0
一致性	7.6	10.0
测试正确
尝试通过率	39.7%	85.7%
不稳定测试	6	0
总运行次数	63	63
每个结果成本	0.306	5.035
总成本	$0.020	$0.907
输入价格	$0.269 / 1M	$5.000 / 1M
输出价格	$0.400 / 1M	$30.000 / 1M
总输入令牌	55,997	34,209
输出令牌	11,165	2,046
推理令牌	0	22,460
响应时间（平均）	13.83s	9.76s
响应时间（最大）	115.89s	56.19s
响应时间（总计）	290.43s	204.92s

生成展示

Hamster playing table tennis

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

#157 DeepSeek V3.2

none

成本: $0.002
时间: 7.0s
令牌: 1,046 tok

#7 GPT-5.5

low

成本: $0.068
时间: 37.0s
令牌: 2,339 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
GPT-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020

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
GPT-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402

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	6.5	10.0	0.0%	0		115.89s	29,843	2,887	0
GPT-5.5	10.0	10.0	100.0%	0		9.56s	11,019	303	717

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
GPT-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157

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
GPT-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609

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
GPT-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245

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
GPT-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415

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
GPT-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954

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
GPT-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101

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
GPT-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840

快速对比

切换对比组合

GPT-5.5lowvsQwen3.7 Maxmedium DeepSeek V3.2nonevsMiniMax M2.7medium Claude Fable 5mediumvsGPT-5.5low Gemini 3.1 Pro PreviewmediumvsGPT-5.5low DeepSeek V3.2nonevsMistral Small 4medium Gemini 3.5 FlashmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGPT-5.5low CobuddymediumvsDeepSeek V3.2none GPT-5.5lowvsQwen3.6 Max Previewmedium Muse Spark 1.1mediumvsGPT-5.5low Claude Opus 4.8mediumvsGPT-5.5low Gemini 3.5 FlashhighvsGPT-5.5low