- 排名
- #36
- 总输出令牌
- 523,482
- 响应时间（平均）
- 32.55s
- 总成本
- $0.355
DeepSeek V4.1 Flash 1017 (low) vs GPT-5.3-Codex (medium)
平均分几乎持平，为 9.2 vs 9.1。 DeepSeek V4.1 Flash 1017 (low) benchmark 成本更低，为 $0.355 vs $1.318。 GPT-5.3-Codex (medium) 更快，为 18.87s vs 32.55s，通过率为 78.3% vs 84.1%。
已对比模型
- 排名
- #38
- 总输出令牌
- 66,287
- 响应时间（平均）
- 18.87s
- 总成本
- $1.318
推荐模型
DeepSeek V4.1 Flash 1017 (low)
它在这里得分最高（9.2），同时成本比GPT-5.3-Codex (medium)低约 3.7 倍。
详细对比
| 指标 | DeepSeek V4.1 Flash 1017 DeepSeek V4.1 Flash 1017 low | GPT-5.3-Codex GPT-5.3-Codex medium |
|---|---|---|
| 分数 | 9.2 | 9.1 |
| 排名 | #36 | #38 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.0 | 8.6 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 78.3% | 84.1% |
| 不稳定测试 | 3 | 4 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 2.214 | 7.753 |
| 总成本 | $0.355 | $1.318 |
| 输入价格 | $0.150 / 1M | $1.750 / 1M |
| 输出价格 | $0.600 / 1M | $14.000 / 1M |
| 缓存读取价格 | $0.003 / 1M | $0.175 / 1M |
| 缓存写入价格 | 不适用 | 不适用 |
| 总输入令牌 | 267,122 | 222,794 |
| 输出令牌 | 7,369 | 7,357 |
| 推理令牌 | 516,113 | 58,930 |
| 响应时间（平均） | 32.55s | 18.87s |
| 响应时间（最大） | 443.63s | 100.93s |
| 响应时间（总计） | 748.62s | 433.94s |
| 参数量 | ~748B 总计 (~16B 激活) | ~1.2T 总计 (~80B 激活) |
| 开放状态 | 开源 | 闭源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#36 DeepSeek V4.1 Flash 1017
low- 成本
- $0.006
- 时间
- 63.8s
- 令牌
- 11,236 tok
#38 GPT-5.3-Codex
medium- 成本
- $0.049
- 时间
- 54.9s
- 令牌
- 3,580 tok
类别细分
| 智能体任务 | 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 V4.1 Flash 1017 | 10.0 | 10.0 | 100.0% | 0 | 46.67s | 156,869 | 2,102 | 5,290 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 61.91s | 141,607 | 1,099 | 4,814 |
| 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 V4.1 Flash 1017 | 8.3 | 10.0 | 75.0% | 0 | 2.02s | 852 | 171 | 2,193 | |
| GPT-5.3-Codex | 8.7 | 7.9 | 91.7% | 1 | 4.16s | 606 | 240 | 1,722 |
| 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 V4.1 Flash 1017 | 10.0 | 10.0 | 100.0% | 0 | 27.01s | 7,509 | 323 | 45,628 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 19.50s | 7,302 | 535 | 10,890 |
| 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 V4.1 Flash 1017 | 10.0 | 10.0 | 100.0% | 0 | 18.73s | 82,444 | 3,880 | 15,379 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 26.04s | 57,988 | 4,258 | 5,816 |
| 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 V4.1 Flash 1017 | 10.0 | 10.0 | 100.0% | 0 | 1.71s | 7,446 | 207 | 1,344 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.07s | 7,140 | 234 | 728 |
| 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 V4.1 Flash 1017 | 3.6 | 7.2 | 22.2% | 1 | 174.63s | 909 | 9 | 428,331 | |
| GPT-5.3-Codex | 5.9 | 7.2 | 55.6% | 1 | 63.93s | 732 | 71 | 30,150 |
| 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 V4.1 Flash 1017 | 10.0 | 10.0 | 100.0% | 0 | 2.25s | 549 | 116 | 553 | |
| GPT-5.3-Codex | 4.6 | 10.0 | 0.0% | 0 | 4.87s | 477 | 187 | 331 |
| 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 V4.1 Flash 1017 | 10.0 | 10.0 | 100.0% | 0 | 1.25s | 783 | 69 | 898 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 660 | 93 | 693 |
| 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 V4.1 Flash 1017 | 6.9 | 4.9 | 77.8% | 2 | 2.54s | 828 | 236 | 3,620 | |
| GPT-5.3-Codex | 9.0 | 7.9 | 88.9% | 1 | 5.05s | 642 | 356 | 1,593 |
| 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 V4.1 Flash 1017 | 10.0 | 10.0 | 100.0% | 0 | 1.92s | 8,672 | 237 | 338 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 5,445 | 254 | 492 |
| 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 V4.1 Flash 1017 | 3.0 | 10.0 | 0.0% | 0 | 33.79s | 261 | 19 | 12,539 | |
| GPT-5.3-Codex | 2.8 | 1.6 | 33.3% | 1 | 14.43s | 195 | 30 | 1,701 |
快速对比
切换对比组合
Claude Haiku 5.5xhighvsGPT-5.3-CodexmediumGPT-5.3-CodexmediumvsQwen3.8 Max (0902)highMuse Spark 1.3highvsGPT-5.3-CodexmediumDeepSeek V4.1 Flash 1017lowvsQwen3.8 MAXmediumClaude Sonnet 5.5maxvsDeepSeek V4.1 Flash 1017lowDeepSeek V4.1 Flash 1017lowvsGPT-5.5mediumMuse WonderlowvsGPT-5.3-CodexmediumGPT-5.3-CodexmediumvsParetodefaultSeed 2.1 TurbohighvsGPT-5.3-CodexmediumDeepSeek V4.1 Flash 1017lowvsQwen3.8 Max (0902)highDeepSeek V4.1 Flash 1017lowvsMuse WondermediumClaude Opus 5.5mediumvsDeepSeek V4.1 Flash 1017low