- 排名
- #250
- 总输出令牌
- 292,779
- 响应时间（平均）
- 16.63s
- 总成本
- $0.123
DeepSeek V4.1 Flash vs GPT-5 Nano (medium)
平均分几乎持平，为 5.8 vs 5.7。 DeepSeek V4.1 Flash benchmark 成本更低，为 $0.123 vs $0.139。 DeepSeek V4.1 Flash 更快，为 16.63s vs 56.55s，通过率为 36.2% vs 53.6%。
已对比模型
- 排名
- #254
- 总输出令牌
- 307,921
- 响应时间（平均）
- 56.55s
- 总成本
- $0.139
推荐模型
DeepSeek V4.1 Flash
它在这里得分最高（5.8），同时响应速度比GPT-5 Nano (medium)快约 3.4 倍。
详细对比
| 指标 | DeepSeek V4.1 Flash DeepSeek V4.1 Flash none | GPT-5 Nano GPT-5 Nano medium |
|---|---|---|
| 分数 | 5.8 | 5.7 |
| 排名 | #250 | #254 |
| 可靠性 | 9.7 | 10.0 |
| 一致性 | 9.1 | 6.5 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 36.2% | 53.6% |
| 不稳定测试 | 3 | 10 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 2.806 | 1.737 |
| 总成本 | $0.123 | $0.139 |
| 输入价格 | $0.020 / 1M | $0.050 / 1M |
| 输出价格 | $0.396 / 1M | $0.400 / 1M |
| 总输入令牌 | 337,756 | 314,436 |
| 输出令牌 | 292,779 | 13,578 |
| 推理令牌 | 0 | 294,343 |
| 响应时间（平均） | 16.63s | 56.55s |
| 响应时间（最大） | 247.66s | 227.89s |
| 响应时间（总计） | 382.53s | 961.32s |
| 参数量 | 748B 总计 (16B 激活) | ~120B 总计 (~5B 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.
#250 DeepSeek V4.1 Flash
none- 成本
- $0.021
- 时间
- 55.4s
- 令牌
- 17,181 tok
#254 GPT-5 Nano
medium- 成本
- $0.006
- 时间
- 108.5s
- 令牌
- 13,209 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
| 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 | 7.4 | 3.8 | 66.7% | 1 | 55.81s | 200,069 | 18,999 | 0 | |
| GPT-5 Nano | 4.7 | 3.1 | 33.3% | 1 | 94.09s | 219,492 | 1,541 | 23,943 |
| 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 | 3.7 | 8.4 | 8.3% | 1 | 1.90s | 552 | 907 | 0 | |
| GPT-5 Nano | 6.5 | 7.9 | 58.3% | 1 | 25.50s | 606 | 1,221 | 21,184 |
| 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 | 5.5 | 10.0 | 33.3% | 0 | 83.66s | 7,284 | 263,438 | 0 | |
| GPT-5 Nano | 7.0 | 7.7 | 55.6% | 1 | 41.62s | 7,305 | 740 | 41,152 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 10.37s | 116,933 | 8,699 | 0 | |
| GPT-5 Nano | 6.4 | 5.8 | 66.7% | 1 | 146.93s | 71,846 | 7,156 | 86,976 |
| 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 | 3.09s | 2,322 | 117 | 0 | |
| GPT-5 Nano | 3.7 | 1.7 | 50.0% | 2 | 21.42s | 7,140 | 453 | 10,560 |
| 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 | 7.7 | 10.0 | 66.7% | 0 | 5.46s | 684 | 21 | 0 | |
| GPT-5 Nano | 3.4 | 1.6 | 44.4% | 3 | 124.13s | 628 | 232 | 73,792 |
| 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 | 5.5 | 10.0 | 0.0% | 0 | 1.69s | 474 | 93 | 0 | |
| GPT-5 Nano | 4.1 | 10.0 | 0.0% | 0 | 17.51s | 477 | 202 | 4,608 |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 6.81s | 633 | 62 | 0 | |
| GPT-5 Nano | 9.8 | 10.0 | 100.0% | 0 | 15.64s | 660 | 312 | 4,736 |
| 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 | 5.3 | 7.2 | 44.4% | 1 | 1.49s | 603 | 215 | 0 | |
| GPT-5 Nano | 5.3 | 7.2 | 44.4% | 1 | 20.63s | 642 | 929 | 14,272 |
| 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 | 3.76s | 8,016 | 219 | 0 | |
| GPT-5 Nano | 10.0 | 10.0 | 100.0% | 0 | 33.30s | 5,445 | 558 | 6,976 |
| 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 | 1.32s | 186 | 9 | 0 | |
| GPT-5 Nano | 3.0 | 10.0 | 0.0% | 0 | 20.13s | 195 | 234 | 6,144 |
快速对比
切换对比组合
Trinity Large ThinkinghighvsGPT-5 NanomediumDeepSeek V4.1 FlashnonevsLing 3.0 FlashhighSeed 2.1 TurbononevsGPT-5 NanomediumLing 3.0 FlashhighvsGPT-5 NanomediumDeepSeek V4.1 FlashnonevsRing 2.6 1tmediumTrinity Large ThinkinghighvsDeepSeek V4.1 FlashnoneGemma 4 31Bnone免费可用vsGPT-5 NanomediumGPT-5 NanomediumvsSpace Bunny AlphalowDeepSeek V4.1 FlashnonevsDots 3 Note Previewmedium免费可用GPT-5 NanomediumvsSolar Pro 4noneGPT-5 NanomediumvsQwen3.7 FlashnoneDeepSeek V4.1 FlashnonevsSpace Bunny Alphalow