AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs OpenAI: gpt-oss-120b
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-01
| 指标 | DeepSeek V3.2 DeepSeek V3.2 none | gpt-oss-120b gpt-oss-120b medium 免费可用 |
|---|---|---|
| 分数 | 5.6 | 5.9 |
| 排名 | #120 | #103 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.3 | 7.9 |
| 测试正确 | ||
| 尝试通过率 | 41.7% | 50.0% |
| 不稳定测试 | 6 | 5 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.222 | 0.151 |
| 总成本 | $0.018 | $0.012 |
| 输入价格 | $0.252 / 1M | $0.000 / 1M |
| 输出价格 | $0.378 / 1M | $0.000 / 1M |
| 输出令牌 | 11,159 | 17,495 |
| 推理令牌 | 0 | 46,878 |
| 响应时间（平均） | 14.43s | 22.41s |
| 响应时间（最大） | 115.89s | 68.16s |
| 响应时间（总计） | 288.55s | 291.35s |
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 | 8.2 | 8.3% | 1 | 9.35s | 1,073 | 0 | |
| gpt-oss-120b | 6.7 | 9.9 | 50.0% | 0 | 10.21s | 3,518 | 2,177 |
| 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 | 3.1 | 5.4 | 16.7% | 1 | 20.87s | 4,522 | 0 | |
| gpt-oss-120b | 3.9 | 5.6 | 33.3% | 1 | 47.24s | 847 | 8,618 |
| 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-oss-120b | 10.0 | 10.0 | 100.0% | 0 | 31.18s | 694 | 5,072 |
| 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-oss-120b | 6.4 | 5.9 | 66.7% | 1 | 1.98s | 241 | 1,114 |
| 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 | 2.9 | 6.9 | 11.1% | 1 | 4.17s | 21 | 0 | |
| gpt-oss-120b | 2.9 | 4.4 | 22.2% | 2 | 50.92s | 6,784 | 20,606 |
| 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 | 6.8 | 10.0 | 66.7% | 1 | 9.32s | 43 | 0 | |
| gpt-oss-120b | 4.3 | 10.0 | 0.0% | 0 | 7.90s | 107 | 387 |
| 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-oss-120b | 9.9 | 10.0 | 100.0% | 0 | 7.63s | 126 | 1,799 |
| 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 | 8.3 | 10.0 | 77.8% | 1 | 6.91s | 298 | 0 | |
| gpt-oss-120b | 5.3 | 7.2 | 44.4% | 1 | 21.71s | 1,790 | 2,264 |
| 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-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 6.91s | 287 | 1,083 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 10.0 | 0.0% | 0 | 17.23s | 17 | 0 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 26.51s | 3,101 | 3,758 |
快速对比
切换对比组合
gpt-oss-120bmedium免费可用vsQwen3.5-Flashnonegpt-oss-120bmedium免费可用vsGLM 5V TurbononeSeed-2.0-Litenonevsgpt-oss-120bmedium免费可用DeepSeek V4 Prononevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsGLM 5.1noneDeepSeek V3.2nonevsMiniMax M2.5mediumgpt-oss-120bmedium免费可用vsQwen3.5 Plus 2026-04-20nonegpt-oss-120bmedium免费可用vsQwen3.5-35B-A3Bnonegpt-oss-120bmedium免费可用vsQwen3.5-27Bnonegpt-oss-120bmedium免费可用vsQwen3.6 27BnoneDeepSeek V3.2nonevsMistral Small 4mediumCobuddymediumvsDeepSeek V3.2none