- 排名
- #53
- 总输出令牌
- 430,816
- 响应时间（平均）
- 32.22s
- 总成本
- $0.272
DeepSeek V4.1 Flash (medium) vs Grok 4.5 (low)
DeepSeek V4.1 Flash (medium) 平均分领先，为 8.5 vs 8.4。 DeepSeek V4.1 Flash (medium) benchmark 成本更低，为 $0.272 vs $0.945。 Grok 4.5 (low) 更快，为 16.17s vs 32.22s，通过率为 72.7% vs 77.3%。
已对比模型
- 排名
- #57
- 总输出令牌
- 115,489
- 响应时间（平均）
- 16.17s
- 总成本
- $0.945
推荐模型
DeepSeek V4.1 Flash (medium)
它在这里得分最高（8.5），同时成本比Grok 4.5 (low)低约 3.5 倍。
详细对比
| 指标 | DeepSeek V4.1 Flash DeepSeek V4.1 Flash medium | Grok 4.5 Grok 4.5 low |
|---|---|---|
| 分数 | 8.5 | 8.4 |
| 排名 | #53 | #57 |
| 可靠性 | 9.5 | 10.0 |
| 一致性 | 9.3 | 9.3 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 72.7% | 77.3% |
| 不稳定测试 | 2 | 2 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 1.812 | 5.901 |
| 总成本 | $0.272 | $0.945 |
| 输入价格 | $0.150 / 1M | $2.000 / 1M |
| 输出价格 | $0.600 / 1M | $6.000 / 1M |
| 总输入令牌 | 88,508 | 125,605 |
| 输出令牌 | 5,410 | 7,505 |
| 推理令牌 | 425,406 | 107,984 |
| 响应时间（平均） | 32.22s | 16.17s |
| 响应时间（最大） | 276.31s | 205.28s |
| 响应时间（总计） | 708.76s | 355.67s |
| 参数量 | 748B 总计 (16B 激活) | ~1.7T 总计 (~170B 激活) |
| 开放状态 | 开源 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#53 DeepSeek V4.1 Flash
medium- 成本
- $0.014
- 时间
- 34.7s
- 令牌
- 11,541 tok
#57 SpaceXAI: Grok 4.5
low- 成本
- $0.011
- 时间
- 12.4s
- 令牌
- 2,018 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
| 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 | 8.3 | 10.0 | 75.0% | 0 | 3.07s | 852 | 156 | 4,108 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 2,991 | 261 | 3,000 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 34.45s | 7,509 | 396 | 71,345 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 13.72s | 9,579 | 303 | 15,641 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 22.21s | 66,161 | 3,956 | 24,673 | |
| Grok 4.5 | 6.5 | 10.0 | 50.0% | 0 | 12.75s | 82,028 | 6,031 | 3,583 |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 3.77s | 2,397 | 120 | 998 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 3.44s | 8,937 | 225 | 2,549 |
| 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 | 2.9 | 7.2 | 11.1% | 1 | 153.01s | 909 | 24 | 298,454 | |
| Grok 4.5 | 2.9 | 7.2 | 11.1% | 1 | 77.09s | 2,523 | 14 | 71,813 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 3.13s | 549 | 131 | 581 | |
| Grok 4.5 | 6.1 | 3.1 | 66.7% | 1 | 4.88s | 1,077 | 98 | 1,253 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 9.69s | 783 | 63 | 1,483 | |
| Grok 4.5 | 9.8 | 10.0 | 100.0% | 0 | 2.80s | 1,857 | 57 | 1,878 |
| 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 | 8.7 | 7.7 | 88.9% | 1 | 8.01s | 828 | 293 | 12,340 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 3.20s | 2,430 | 217 | 2,590 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 15.33s | 8,259 | 258 | 296 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 5.83s | 13,394 | 284 | 871 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 20.25s | 261 | 13 | 11,128 | |
| Grok 4.5 | 3.0 | 10.0 | 0.0% | 0 | 13.98s | 789 | 15 | 4,806 |
快速对比
切换对比组合
GPT-5.2mediumvsGrok 4.5lowQwen3.8 27BhighvsGrok 4.5lowDeepSeek V4.1 FlashmediumvsMuse Spark 1.2lowSeed 2.1 TurbomediumvsGrok 4.5lowInkling SmallhighvsGrok 4.5lowDeepSeek V4.1 FlashmaxvsGrok 4.5lowDeepSeek V4.1 FlashhighvsGrok 4.5lowDeepSeek V4.1 FlashmediumvsQwen3.8 27BhighDeepSeek V4.1 FlashmediumvsQwen3.8 MaxlowDeepSeek V4.1 FlashmediumvsInkling SmallhighGPT-5.4mediumvsGrok 4.5lowClaude Fable 5.1mediumvsGrok 4.5low