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：: 2026-05-22
| 指标 | DeepSeek V3.2 DeepSeek V3.2 none | gpt-oss-120b gpt-oss-120b none 免费可用 |
|---|---|---|
| 分数 | 5.6 | 5.2 |
| 排名 | #114 | #129 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.0 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 46.7% | 36.8% |
| 不稳定测试 | 5 | 3 |
| 总运行次数 | 60 | 57 |
| 每个结果成本 | 0.254 | 0.201 |
| 总成本 | $0.018 | $0.011 |
| ???? | $0.252 / 1M | $0.000 / 1M |
| ???? | $0.378 / 1M | $0.000 / 1M |
| 输出令牌 | 11,163 | 51,505 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 14.46s | 21.86s |
| 响应时间（最大） | 115.89s | 113.71s |
| 响应时间（总计） | 289.21s | 349.78s |
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 | 3.3 | 8.2 | 12.5% | 1 | 9.35s | 1,073 | 0 | |
| gpt-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 32.84s | 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 | 4.3 | 1.1 | 66.7% | 1 | 9.57s | 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 | 3.0 | 10.0 | 0.0% | 0 | 0ms | 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 | 6.5 | 10.0 | 50.0% | 0 | 7.12s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 6.9 | 16.7% | 1 | 4.17s | 21 | 0 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 34.98s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 7.6 | 10.0 | 100.0% | 0 | 9.32s | 43 | 0 | |
| gpt-oss-120b | 4.8 | 10.0 | 0.0% | 0 | 10.79s | 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 | 9.8 | 10.0 | 100.0% | 0 | 5.10s | 1,982 | 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 | 7.5 | 7.7 | 88.9% | 1 | 7.13s | 302 | 0 | |
| gpt-oss-120b | 4.4 | 4.5 | 44.5% | 2 | 9.51s | 3,781 | 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-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 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 | 47.29s | 3,138 | 0 |
快速对比
切换对比组合
DeepSeek V3.2nonevsgpt-oss-120bmedium免费可用DeepSeek V3.2nonevsMiniMax M2.5medium免费可用MiniMax M2.7mediumvsgpt-oss-120bnone免费可用DeepSeek V3.2nonevsMistral Small 4mediumCobuddymedium免费可用vsDeepSeek V3.2noneDeepSeek V3.2nonevsElephant Alphamediumgpt-oss-120bnone免费可用vsElephant AlphamediumMistral Small 4mediumvsgpt-oss-120bnone免费可用MiniMax M2.5medium免费可用vsgpt-oss-120bnone免费可用DeepSeek V3.2nonevsOwl AlphamediumDeepSeek V3.2nonevsNemotron 3 Supermedium免费可用gpt-oss-120bnone免费可用vsQwen3 Coder Nextmedium