AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs Elephant Alpha
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 | Elephant Alpha Elephant Alpha medium |
|---|---|---|
| 分数 | 5.6 | 5.4 |
| 排名 | #120 | #128 |
| 可靠性 | 10.0 | 不适用 |
| 一致性 | 8.3 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 41.7% | 33.3% |
| 不稳定测试 | 6 | 1 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.222 | 0.000 |
| 总成本 | $0.018 | $0.000 |
| 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 | 2,596 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 14.43s | 1.27s |
| 响应时间（最大） | 115.89s | 3.70s |
| 响应时间（总计） | 288.55s | 22.82s |
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 | |
| Elephant Alpha | 6.6 | 10.0 | 50.0% | 0 | 1.19s | 815 | 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 | |
| Elephant Alpha | 4.0 | 6.7 | 16.7% | 1 | 1.30s | 365 | 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 | |
| Elephant Alpha | 3.0 | 10.0 | 0.0% | 0 | 3.70s | 562 | 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 | |
| Elephant Alpha | 6.5 | 10.0 | 50.0% | 0 | 979ms | 246 | 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 | 2.9 | 6.9 | 11.1% | 1 | 4.17s | 21 | 0 | |
| Elephant Alpha | 3.0 | 10.0 | 0.0% | 0 | 925ms | 24 | 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 | 6.8 | 10.0 | 66.7% | 1 | 9.32s | 43 | 0 | |
| Elephant Alpha | 4.3 | 10.0 | 0.0% | 0 | 920ms | 105 | 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 | |
| Elephant Alpha | 9.8 | 10.0 | 100.0% | 0 | 987ms | 82 | 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 | 8.3 | 10.0 | 77.8% | 1 | 6.91s | 298 | 0 | |
| Elephant Alpha | 5.3 | 10.0 | 33.3% | 0 | 868ms | 166 | 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 | |
| Elephant Alpha | 3.0 | 10.0 | 0.0% | 0 | 2.83s | 231 | 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 | |
| Elephant Alpha | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
Elephant AlphamediumvsQwen3.5-122B-A10BnoneElephant AlphamediumvsGrok 4.20nonegpt-oss-120bnone免费可用vsElephant AlphamediumElephant AlphamediumvsGLM 5 TurbononeKimi K2.5nonevsElephant AlphamediumLing-2.6-flashnonevsElephant AlphamediumDeepSeek V3.2nonevsMiniMax M2.5mediumElephant AlphamediumvsQwen3.6 FlashnoneDeepSeek V3.2nonevsMistral Small 4mediumKimi K2.6none免费可用vsElephant AlphamediumCobuddymediumvsDeepSeek V3.2noneElephant AlphamediumvsMiMo-V2.5-Pronone