- 排名
- #62
- 总输出令牌
- 168,165
- 响应时间（平均）
- 49.75s
- 总成本
- $0.060
已对比模型
DeepSeek V4 Flash (high) vs DeepSeek V4 Pro (high) vs GLM 5 (medium) 基准对比: GLM 5 (medium) 在分数上以 7.7 领先。 DeepSeek V4 Flash (high) 在可靠性上以 10.0 领先。 DeepSeek V4 Flash (high) 的总成本最低，为 $0.060。 GLM 5 (medium) 最快，为 33.54s。
- 排名
- #63
- 总输出令牌
- 189,181
- 响应时间（平均）
- 79.14s
- 总成本
- $0.200
- 排名
- #59
- 总输出令牌
- 124,566
- 响应时间（平均）
- 33.54s
- 总成本
- $0.307
推荐模型
DeepSeek V4 Flash (high)
它的得分接近这里的最高分（7.7 vs 7.7），同时成本比本次比较中的其他模型低约 4.2 倍。
详细对比
| 指标 | DeepSeek V4 Flash DeepSeek V4 Flash high | DeepSeek V4 Pro DeepSeek V4 Pro high | GLM 5 GLM 5 medium |
|---|---|---|---|
| 分数 | 7.7 | 7.7 | 7.7 |
| 排名 | #62 | #63 | #59 |
| 可靠性 | 10.0 | 10.0 | 10.0 |
| 一致性 | 8.2 | 7.7 | 8.1 |
| 基准测试覆盖率 | 22/22 项测试 · 66/66 次尝试 | 22/22 项测试 · 66/66 次尝试 | 21/22 项测试 · 63/66 次尝试 |
| 测试正确 | |||
| 尝试通过率 | 72.7% | 63.6% | 78.8% |
| 不稳定测试 | 5 | 6 | 4 |
| 总运行次数 | 66 | 66 | 63 |
| 每个结果成本 | 0.402 | 2.000 | 1.668 |
| 总成本 | $0.060 | $0.200 | $0.307 |
| 输入价格 | $0.140 / 1M | $0.435 / 1M | $0.950 / 1M |
| 输出价格 | $0.280 / 1M | $0.870 / 1M | $2.551 / 1M |
| 总输入令牌 | 108,392 | 90,748 | 35,224 |
| 输出令牌 | 14,478 | 10,462 | 21,570 |
| 推理令牌 | 153,687 | 178,719 | 102,996 |
| 响应时间（平均） | 49.75s | 79.14s | 33.54s |
| 响应时间（最大） | 218.13s | 416.76s | 99.85s |
| 响应时间（总计） | 1094.41s | 1740.97s | 435.99s |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#62 DeepSeek V4 Flash
high- 成本
- $0.003
- 时间
- 93.1s
- 令牌
- 7,926 tok
#63 DeepSeek V4 Pro
high- 成本
- $0.023
- 时间
- 257.6s
- 令牌
- 14,870 tok
#59 GLM 5
medium- 成本
- $0.005
- 时间
- 20.7s
- 令牌
- 2,068 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 Flash | 8.3 | 10.0 | 75.0% | 0 | 28.51s | 540 | 140 | 7,770 | |
| DeepSeek V4 Pro | 5.7 | 5.9 | 58.3% | 2 | 25.70s | 536 | 149 | 3,214 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 23.66s | 555 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 7.8 | 10.0 | 66.7% | 0 | 50.60s | 7,279 | 395 | 34,862 | |
| DeepSeek V4 Pro | 6.3 | 8.7 | 33.3% | 0 | 243.00s | 5,090 | 383 | 84,580 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 74.30s | 7,254 | 2,997 | 52,930 |
| 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 | 6.4 | 5.8 | 66.7% | 1 | 104.10s | 82,663 | 4,633 | 37,533 | |
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 78.99s | 66,082 | 4,582 | 25,404 | |
| GLM 5 | 5.0 | 5.0 | 50.0% | 0 | 28.96s | 12,804 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 28.03s | 7,290 | 201 | 1,179 | |
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 25.03s | 7,690 | 274 | 2,166 | |
| GLM 5 | 7.1 | 5.6 | 83.3% | 1 | 8.90s | 5,508 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 4.1 | 4.4 | 44.5% | 2 | 100.31s | 666 | 27 | 59,249 | |
| DeepSeek V4 Pro | 3.6 | 7.2 | 22.2% | 1 | 151.46s | 569 | 4,404 | 50,391 | |
| GLM 5 | 3.5 | 4.4 | 33.3% | 2 | 0ms | 260 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 6.1 | 3.1 | 66.7% | 1 | 25.15s | 471 | 79 | 632 | |
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 8.83s | 471 | 115 | 1,013 | |
| GLM 5 | 6.1 | 3.1 | 66.7% | 1 | 14.69s | 477 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.36s | 627 | 63 | 1,622 | |
| DeepSeek V4 Pro | 7.8 | 6.6 | 83.3% | 1 | 8.73s | 627 | 66 | 2,726 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 7.25s | 636 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 8.2 | 7.2 | 88.9% | 1 | 26.11s | 594 | 196 | 1,767 | |
| DeepSeek V4 Pro | 6.9 | 4.9 | 77.8% | 2 | 56.85s | 591 | 178 | 2,563 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 11.33s | 609 | 33 | 4,076 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 74.73s | 8,079 | 228 | 542 | |
| DeepSeek V4 Pro | 9.8 | 10.0 | 100.0% | 0 | 15.92s | 8,909 | 295 | 701 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 15.93s | 6,935 | 233 | 994 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 54.46s | 183 | 8,516 | 8,531 | |
| DeepSeek V4 Pro | 3.0 | 10.0 | 0.0% | 0 | 34.01s | 183 | 16 | 5,961 | |
| GLM 5 | 3.0 | 10.0 | 0.0% | 0 | 67.37s | 186 | 401 | 12,450 |
快速对比
切换对比组合
GPT-5.6 LunahighvsGLM 5mediumClaude Opus 4.6mediumvsDeepSeek V4 FlashhighClaude Opus 4.8lowvsGLM 5mediumClaude Opus 4.6mediumvsDeepSeek V4 ProhighDeepSeek V4 ProhighvsMiniMax M3mediumDeepSeek V4 FlashhighvsMiniMax M3mediumQwen3.7 FlashhighvsGLM 5mediumDeepSeek V4 ProhighvsGrok Build 0.1mediumDeepSeek V4 FlashhighvsGrok Build 0.1mediumClaude Opus 4.8lowvsDeepSeek V4 FlashhighDeepSeek V4 ProhighvsGPT-5.6 LunamediumClaude Opus 4.8lowvsDeepSeek V4 Prohigh