导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

DeepSeek: DeepSeek V3.2 vs OpenAI: gpt-oss-120b

摘要

DeepSeek V3.2 vs gpt-oss-120b benchmark 对比：DeepSeek V3.2 平均分领先，为 5.3 vs 4.0。 gpt-oss-120b benchmark 成本更低，为 $0.010 vs $0.017。 DeepSeek V3.2 更快，为 13.83s vs 21.61s，通过率为 39.7% vs 34.9%。

推荐模型: DeepSeek V3.2 - 它在这里得分最高（5.3），同时响应速度比gpt-oss-120b快约 1.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 DeepSeek V3.2 DeepSeek V3.2 none 发布日期: 2025-12-01 gpt-oss-120b gpt-oss-120b none 发布日期: 2025-08-05 免费可用
分数 5.3 4.0
排名 #145 #183
可靠性 10.0 10.0
一致性 7.6 8.2
测试正确
尝试通过率 39.7% 34.9%
不稳定测试 6 2
总运行次数 63 57
每个结果成本 0.306 0.168
总成本 $0.017 $0.010
输入价格 $0.229 / 1M $0.036 / 1M
输出价格 $0.344 / 1M $0.180 / 1M
总输入令牌 55,997 9,081
输出令牌 11,165 51,664
推理令牌 0 0
响应时间（平均） 13.83s 21.61s
响应时间（最大） 115.89s 113.71s
响应时间（总计） 290.43s 345.79s

生成展示

Hamster playing table tennis

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

#145 DeepSeek V3.2

none
成本
$0.002
时间
7.0s
令牌
1,046 tok

#183 gpt-oss-120b

none
此模型尚未生成任何展示结果。
成本
$0.000
时间
-
令牌
0 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

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-oss-120b 6.5 10.0 50.0% 0 32.84s 1,336 8,676 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-oss-120b 1.5 4.0 22.2% 1 9.57s 901 3,232 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-oss-120b 3.0 10.0 0.0% 0 0ms 0 0 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-oss-120b 6.5 10.0 50.0% 0 7.12s 2,421 598 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-oss-120b 3.0 10.0 0.0% 0 34.98s 1,294 29,483 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-oss-120b 4.8 10.0 0.0% 0 10.79s 584 615 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-oss-120b 9.8 10.0 100.0% 0 5.06s 1,043 1,940 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-oss-120b 6.0 7.2 55.6% 1 8.21s 1,188 3,982 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-oss-120b 3.0 10.0 0.0% 0 0ms 0 0 0
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-oss-120b 3.0 10.0 0.0% 0 47.29s 314 3,138 0

快速对比

切换对比组合

DeepSeek V3.2nonevsMiniMax M2.7mediumDeepSeek V3.2nonevsMistral Small 4mediumgpt-oss-120bnone免费可用vsQwen3.5-9Bmediumgpt-oss-120bnone免费可用vsGLM 4.7 FlashmediumCobuddymediumvsDeepSeek V3.2noneDeepSeek V3.2nonevsMiniMax M2.5mediumNorth Mini Codemedium免费可用vsDeepSeek V3.2noneDeepSeek V3.2nonevsQwen3 Coder Nextmediumgpt-oss-120bnone免费可用vsQwen3 Coder NextmediumMiniMax M2.5mediumvsgpt-oss-120bnone免费可用DeepSeek V3.2nonevsGemini 3.1 Flash LiteminimalDeepSeek V3.2nonevsGPT-5.6 Lunalow