AI BENCHY 对比

DeepSeek: DeepSeek V3.2 vs Qwen: Qwen3.5 Plus 2026-02-15

摘要

Qwen3.5 Plus 2026-02-15 平均分领先，为 5.8 vs 5.3。 Qwen3.5 Plus 2026-02-15 benchmark 成本更低，为 $0.016 vs $0.020。 Qwen3.5 Plus 2026-02-15 更快，为 2.31s vs 13.83s，通过率为 39.7% vs 46.0%。

推荐模型Qwen3.5 Plus 2026-02-15它在这里得分最高（5.8），同时响应速度比DeepSeek V3.2快约 6.0 倍。

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	Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none 发布日期: 2026-02-15

指标	DeepSeek V3.2 DeepSeek V3.2 none 发布日期: 2025-12-01	Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none 发布日期: 2026-02-15
分数	5.3	5.8
排名	#157	#134
可靠性	10.0	10.0
一致性	7.6	9.4
测试正确
尝试通过率	39.7%	46.0%
不稳定测试	6	2
总运行次数	63	63
每个结果成本	0.306	0.204
总成本	$0.020	$0.016
输入价格	$0.269 / 1M	$0.260 / 1M
输出价格	$0.400 / 1M	$1.560 / 1M
总输入令牌	55,997	45,864
输出令牌	11,165	2,480
推理令牌	0	0
响应时间（平均）	13.83s	2.31s
响应时间（最大）	115.89s	6.65s
响应时间（总计）	290.43s	34.63s

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

#134 Qwen3.5 Plus 2026-02-15

none

成本: $0.012
时间: 153.2s
令牌: 7,787 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
Qwen3.5 Plus 2026-02-15	4.8	10.0	25.0%	0		1.91s	696	517	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
Qwen3.5 Plus 2026-02-15	4.3	7.9	11.1%	1		2.05s	7,913	473	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
Qwen3.5 Plus 2026-02-15	3.0	10.0	0.0%	0		6.65s	18,304	314	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
Qwen3.5 Plus 2026-02-15	10.0	10.0	100.0%	0		1.89s	7,794	243	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
Qwen3.5 Plus 2026-02-15	5.3	10.0	33.3%	0		1.17s	789	17	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
Qwen3.5 Plus 2026-02-15	4.4	3.0	33.3%	1		2.26s	522	117	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
Qwen3.5 Plus 2026-02-15	10.0	10.0	100.0%	0		1.67s	711	72	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
Qwen3.5 Plus 2026-02-15	7.7	10.0	66.7%	0		2.71s	714	494	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
Qwen3.5 Plus 2026-02-15	10.0	10.0	100.0%	0		3.33s	8,211	222	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
Qwen3.5 Plus 2026-02-15	3.0	10.0	0.0%	0		1.11s	210	11	0

快速对比

切换对比组合