- 排名
- #110
- 总输出令牌
- 577,214
- 响应时间（平均）
- 94.16s
- 总成本
- $0.462
DeepSeek V4 Flash 0731 (medium) vs GPT-6 Luna (high)
DeepSeek V4 Flash 0731 (medium) 平均分领先，为 7.8 vs 7.7。 GPT-6 Luna (high) benchmark 成本更低，为 $0.074 vs $0.462。 GPT-6 Luna (high) 更快，为 20.37s vs 94.16s，通过率为 72.5% vs 73.9%。
已对比模型
- 排名
- #111
- 总输出令牌
- 101,587
- 响应时间（平均）
- 20.37s
- 总成本
- $0.074
推荐模型
GPT-6 Luna (high)
它的得分接近这里的最高分（7.7 vs 7.8），同时成本比DeepSeek V4 Flash 0731 (medium)低约 6.3 倍。
详细对比
| 指标 | DeepSeek V4 Flash 0731 DeepSeek V4 Flash 0731 medium | GPT-6 Luna GPT-6 Luna high |
|---|---|---|
| 分数 | 7.8 | 7.7 |
| 排名 | #110 | #111 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.2 | 8.7 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 72.5% | 73.9% |
| 不稳定测试 | 8 | 4 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 1.176 | 0.492 |
| 总成本 | $0.462 | $0.074 |
| 输入价格 | $0.010 / 1M | $0.100 / 1M |
| 输出价格 | $1.280 / 1M | $0.500 / 1M |
| 总输入令牌 | 274,189 | 229,986 |
| 输出令牌 | 66,689 | 6,037 |
| 推理令牌 | 510,525 | 95,550 |
| 响应时间（平均） | 94.16s | 20.37s |
| 响应时间（最大） | 303.26s | 106.93s |
| 响应时间（总计） | 2165.72s | 468.52s |
| 参数量 | 284B 总计 (13B 激活) | ~400B 总计 (~17B 激活) |
| 开放状态 | 闭源 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#110 DeepSeek V4 Flash 0731
medium- 成本
- $0.004
- 时间
- 93.3s
- 令牌
- 13,252 tok
#111 GPT-6 Luna
high- 成本
- $0.003
- 时间
- 49.2s
- 令牌
- 5,231 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 Flash 0731 | 10.0 | 10.0 | 100.0% | 0 | 303.26s | 184,370 | 8,291 | 18,068 | |
| GPT-6 Luna | 5.2 | 3.2 | 33.3% | 1 | 82.78s | 149,545 | 1,276 | 8,906 |
| 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 Flash 0731 | 8.2 | 7.9 | 83.3% | 1 | 17.95s | 698 | 2,101 | 6,715 | |
| GPT-6 Luna | 10.0 | 10.0 | 100.0% | 0 | 2.64s | 606 | 159 | 1,358 |
| 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 Flash 0731 | 6.4 | 4.4 | 77.8% | 2 | 198.78s | 6,032 | 4,109 | 160,154 | |
| GPT-6 Luna | 7.8 | 7.4 | 77.8% | 1 | 24.69s | 7,302 | 483 | 15,691 |
| 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 Flash 0731 | 7.3 | 5.8 | 83.3% | 1 | 150.58s | 65,118 | 40,110 | 97,296 | |
| GPT-6 Luna | 10.0 | 10.0 | 100.0% | 0 | 21.53s | 57,233 | 3,111 | 6,658 |
| 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 Flash 0731 | 10.0 | 10.0 | 100.0% | 0 | 5.21s | 7,290 | 287 | 1,519 | |
| GPT-6 Luna | 10.0 | 10.0 | 100.0% | 0 | 24.50s | 7,140 | 234 | 352 |
| 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 Flash 0731 | 2.9 | 7.2 | 11.1% | 1 | 203.11s | 592 | 9,333 | 154,069 | |
| GPT-6 Luna | 5.9 | 7.2 | 55.6% | 1 | 51.14s | 732 | 70 | 55,170 |
| 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 Flash 0731 | 6.1 | 3.1 | 66.7% | 1 | 12.16s | 471 | 66 | 1,589 | |
| GPT-6 Luna | 5.1 | 10.0 | 0.0% | 0 | 17.40s | 477 | 96 | 373 |
| 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 Flash 0731 | 8.5 | 6.8 | 83.3% | 1 | 2.42s | 706 | 109 | 580 | |
| GPT-6 Luna | 8.4 | 6.9 | 83.3% | 1 | 1.92s | 660 | 91 | 420 |
| 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 Flash 0731 | 8.2 | 7.3 | 88.9% | 1 | 65.12s | 594 | 1,530 | 66,970 | |
| GPT-6 Luna | 7.8 | 10.0 | 66.7% | 0 | 7.51s | 642 | 231 | 4,988 |
| 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 Flash 0731 | 10.0 | 10.0 | 100.0% | 0 | 4.41s | 8,178 | 374 | 152 | |
| GPT-6 Luna | 10.0 | 10.0 | 100.0% | 0 | 6.96s | 5,454 | 256 | 261 |
| 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 Flash 0731 | 3.0 | 10.0 | 0.0% | 0 | 56.64s | 140 | 379 | 3,413 | |
| GPT-6 Luna | 3.0 | 10.0 | 0.0% | 0 | 4.90s | 195 | 30 | 1,373 |
快速对比
切换对比组合
DeepSeek V4 Flash 0731mediumvsGrok 4.5lowDeepSeek V4 Flash 0731mediumvsQwen3.7 PlusnoneGPT-6 LunahighvsQwen3.5 Plus 2026-04-20mediumGPT-6 LunahighvsQwen3.7 FlashlowMuse Glimmer 30BmediumvsGPT-6 LunahighDeepSeek V4 Flash 0731mediumvsGLM 5.3highDeepSeek V4 Flash 0731mediumvsMuse Glimmer 30BhighGPT-6 LunahighvsGrok 4.5lowGPT-6 LunahighvsQwen3.7 PlusnoneDeepSeek V4 Flash 0731mediumvsQwen3.7 FlashlowGPT-6 LunahighvsGrok 4.6mediumDeepSeek V4 Flash 0731mediumvsQwen3.8 2.4T A95Bhigh