AI BENCHY 对比

DeepSeek: DeepSeek V3.2 vs Qwen: Qwen3.6 27B

摘要

Qwen3.6 27B 平均分领先，为 5.5 vs 5.0。 DeepSeek V3.2 benchmark 成本更低，为 $0.054 vs $0.087。 Qwen3.6 27B 更快，为 10.65s vs 18.25s，通过率为 37.9% vs 45.5%。

推荐模型Qwen3.6 27B它在这里得分最高（5.5），同时响应速度比DeepSeek V3.2快约 1.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	DeepSeek V3.2 DeepSeek V3.2 none 发布日期: 2025-12-01	Qwen3.6 27B Qwen3.6 27B none 发布日期: 2026-04-20

指标	DeepSeek V3.2 DeepSeek V3.2 none 发布日期: 2025-12-01	Qwen3.6 27B Qwen3.6 27B none 发布日期: 2026-04-20
分数	5.0	5.5
排名	#165	#145
可靠性	10.0	10.0
一致性	7.7	7.6
测试正确
尝试通过率	37.9%	45.5%
不稳定测试	6	6
总运行次数	66	66
每个结果成本	0.870	1.220
总成本	$0.054	$0.087
输入价格	$0.269 / 1M	$0.450 / 1M
输出价格	$0.400 / 1M	$2.700 / 1M
总输入令牌	135,780	95,796
输出令牌	42,097	16,155
推理令牌	0	0
响应时间（平均）	18.25s	10.65s
响应时间（最大）	115.89s	156.31s
响应时间（总计）	401.60s	234.39s

生成展示

Hamster playing table tennis

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

#165 DeepSeek V3.2

none

成本: $0.002
时间: 7.0s
令牌: 1,046 tok

#145 Qwen3.6 27B

none

成本: $0.009
时间: 83.0s
令牌: 4,549 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
Qwen3.6 27B	3.8	3.7	41.7%	3		2.83s	696	490	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
Qwen3.6 27B	5.5	10.0	33.3%	0		4.16s	7,913	539	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	4.8	10.0	0.0%	0		113.53s	109,626	33,819	0
Qwen3.6 27B	3.2	9.1	0.0%	0		83.13s	65,572	13,744	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
Qwen3.6 27B	7.3	5.8	83.3%	1		2.06s	7,788	248	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
Qwen3.6 27B	7.7	10.0	66.7%	0		3.03s	789	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
Qwen3.6 27B	5.2	9.9	0.0%	0		1.07s	522	72	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
Qwen3.6 27B	6.2	5.8	66.7%	1		1.92s	711	49	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
Qwen3.6 27B	5.3	7.2	44.4%	1		5.15s	714	639	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
Qwen3.6 27B	9.5	10.0	100.0%	0		6.74s	10,881	339	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
Qwen3.6 27B	3.0	10.0	0.0%	0		4.03s	210	11	0

快速对比

切换对比组合

KAT-Coder-Air V2.5mediumvsQwen3.6 27Bnone DeepSeek V3.2nonevsMiniMax M2.7medium KAT-Coder-Air V2.5highvsQwen3.6 27Bnone DeepSeek V3.2nonevsMistral Small 4medium KAT-Coder-Air V2.5lowvsQwen3.6 27Bnone Nemotron 3 Supermedium免费可用vsQwen3.6 27Bnone DeepSeek V3.2nonevsQwen3 Coder Nextmedium CobuddymediumvsDeepSeek V3.2none North Mini Codemedium免费可用vsQwen3.6 27Bnone DeepSeek V3.2nonevsKAT-Coder-Air V2.5low DeepSeek V3.2nonevsMiniMax M2.5medium Mistral Small 4mediumvsQwen3.6 27Bnone