导航
AI BENCHY
Your ad here

AI BENCHY 对比

已对比模型

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-24

指标 DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24 DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24 Kimi K2.6 Kimi K2.6 medium 发布日期: 2026-04-20 GLM 5 GLM 5 medium 发布日期: 2026-02-12
分数 7.8 7.4 7.7 8.4
排名 #35 #50 #40 #14
一致性 7.8 10.0 8.3 8.2
测试正确
尝试通过率 79.6% 61.1% 74.1% 85.2%
不稳定测试 5 0 4 4
总运行次数 52 24 54 54
每个结果成本 0.189 1.385 6.563 1.188
总成本 $0.021 $0.153 $0.722 $0.155
???? $0.140 / 1M $1.740 / 1M $0.745 / 1M $0.600 / 1M
???? $0.280 / 1M $3.480 / 1M $4.655 / 1M $2.080 / 1M
输出令牌 1,757 584 80,759 20,163
推理令牌 55,907 37,708 179,814 58,337
响应时间（平均） 47.47s 78.45s 45.20s 23.34s
响应时间（最大） 255.28s 351.99s 215.85s 79.09s
响应时间（总计） 854.45s 1255.22s 768.37s 233.40s

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） 输出令牌 推理令牌
DeepSeek V4 Flash 8.3 10.0 75.0% 0 28.51s 140 7,770
DeepSeek V4 Pro 8.3 10.0 75.0% 0 32.12s 64 1,799
Kimi K2.6 7.0 8.0 66.7% 1 11.59s 7,115 8,934
GLM 5 10.0 10.0 100.0% 0 23.66s 480 7,056
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） 输出令牌 推理令牌
DeepSeek V4 Flash 10.0 10.0 100.0% 0 62.48s 369 9,361
DeepSeek V4 Pro 10.0 10.0 100.0% 0 93.00s 82 2,808
Kimi K2.6 10.0 10.0 100.0% 0 106.96s 3,236 18,817
GLM 5 10.0 10.0 100.0% 0 79.09s 330 19,814
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） 输出令牌 推理令牌
DeepSeek V4 Flash 10.0 10.0 100.0% 0 76.57s 465 7,347
DeepSeek V4 Pro 10.0 10.0 100.0% 0 71.08s 134 2,163
Kimi K2.6 10.0 10.0 100.0% 0 40.96s 711 13,876
GLM 5 10.0 10.0 100.0% 0 28.96s 662 3,242
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） 输出令牌 推理令牌
DeepSeek V4 Flash 10.0 10.0 100.0% 0 28.03s 201 1,179
DeepSeek V4 Pro 10.0 10.0 100.0% 0 63.00s 67 1,071
Kimi K2.6 10.0 10.0 100.0% 0 20.38s 316 11,305
GLM 5 7.1 5.6 83.3% 1 8.90s 567 3,734
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） 输出令牌 推理令牌
DeepSeek V4 Flash 4.1 4.4 44.5% 2 112.69s 19 24,857
DeepSeek V4 Pro 5.3 10.0 33.3% 0 202.56s 11 25,343
Kimi K2.6 5.3 7.2 44.4% 1 202.38s 47,035 98,262
GLM 5 3.5 4.4 33.3% 2 0ms 13,176 14,137
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） 输出令牌 推理令牌
DeepSeek V4 Flash 6.1 3.1 66.7% 1 25.15s 79 632
DeepSeek V4 Pro 5.0 10.0 0.0% 0 26.96s 51 734
Kimi K2.6 10.0 10.0 100.0% 0 17.83s 3,981 4,472
GLM 5 6.1 3.1 66.7% 1 14.69s 2,020 2,248
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） 输出令牌 推理令牌
DeepSeek V4 Flash 10.0 10.0 100.0% 0 15.36s 63 1,622
DeepSeek V4 Pro 3.0 10.0 0.0% 0 0ms 0 0
Kimi K2.6 10.0 10.0 100.0% 0 12.53s 3,977 5,269
GLM 5 10.0 10.0 100.0% 0 7.25s 1,001 2,129
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） 输出令牌 推理令牌
DeepSeek V4 Flash 6.4 4.5 77.8% 2 25.53s 193 2,597
DeepSeek V4 Pro 7.7 10.0 66.7% 0 63.66s 91 3,617
Kimi K2.6 5.0 5.2 44.5% 2 25.59s 14,140 17,868
GLM 5 10.0 10.0 100.0% 0 15.64s 1,694 4,983
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） 输出令牌 推理令牌
DeepSeek V4 Flash 10.0 10.0 100.0% 0 74.73s 228 542
DeepSeek V4 Pro 10.0 10.0 100.0% 0 11.05s 84 173
Kimi K2.6 10.0 10.0 100.0% 0 8.92s 248 1,011
GLM 5 10.0 10.0 100.0% 0 15.93s 233 994

快速对比

切换对比组合

DeepSeek V4 FlashhighvsGLM 5V TurbomediumDeepSeek V4 FlashhighvsQwen3.5-FlashmediumDeepSeek V4 ProhighvsQwen3.5-35B-A3BmediumClaude Sonnet 4.6nonevsDeepSeek V4 ProhighDeepSeek V4 FlashhighvsGLM 5.1mediumDeepSeek V4 FlashhighvsStep 3.5 FlashmediumKimi K2.6mediumvsGPT-5.3 ChatnoneDeepSeek V4 FlashhighvsGemini 3.1 Flash Lite PreviewnoneDeepSeek V4 ProhighvsMiMo-V2-FlashmediumDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsMiMo-V2.5mediumDeepSeek V4 ProhighvsGPT-5.2medium