AI BENCHY 对比
DeepSeek: DeepSeek V4 Flash vs OpenAI: GPT-5.2
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 | GPT-5.2 GPT-5.2 medium |
|---|---|---|
| 分数 | 7.8 | 7.5 |
| 排名 | #35 | #46 |
| 一致性 | 7.8 | 8.1 |
| 测试正确 | ||
| 尝试通过率 | 79.6% | 72.2% |
| 不稳定测试 | 5 | 4 |
| 总运行次数 | 52 | 54 |
| 每个结果成本 | 0.189 | 3.193 |
| 总成本 | $0.021 | $0.352 |
| ???? | $0.140 / 1M | $1.750 / 1M |
| ???? | $0.280 / 1M | $14.000 / 1M |
| 输出令牌 | 1,757 | 2,705 |
| 推理令牌 | 55,907 | 18,977 |
| 响应时间（平均） | 47.47s | 14.04s |
| 响应时间（最大） | 255.28s | 77.80s |
| 响应时间（总计） | 854.45s | 154.41s |
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 | |
| GPT-5.2 | 6.5 | 8.0 | 58.3% | 1 | 7.81s | 567 | 2,002 |
| 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 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 15.12s | 467 | 2,166 |
| 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 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 14.06s | 291 | 1,757 |
| 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 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 3.15s | 234 | 420 |
| 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 | |
| GPT-5.2 | 5.9 | 7.2 | 55.6% | 1 | 77.80s | 42 | 10,342 |
| 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 | |
| GPT-5.2 | 3.7 | 9.7 | 0.0% | 0 | 4.32s | 162 | 269 |
| 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 | |
| GPT-5.2 | 9.9 | 10.0 | 100.0% | 0 | 3.12s | 94 | 614 |
| 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 | |
| GPT-5.2 | 7.7 | 7.3 | 77.8% | 1 | 5.47s | 609 | 938 |
| 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 | |
| GPT-5.2 | 4.7 | 1.6 | 66.7% | 1 | 10.30s | 239 | 469 |
快速对比
切换对比组合
DeepSeek V4 FlashhighvsGLM 5V TurbomediumDeepSeek V4 FlashhighvsQwen3.5-FlashmediumDeepSeek V4 FlashhighvsGLM 5.1mediumDeepSeek V4 FlashhighvsStep 3.5 FlashmediumClaude Sonnet 4.6nonevsGPT-5.2mediumDeepSeek V4 FlashhighvsGemini 3.1 Flash Lite PreviewnoneDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsMiMo-V2.5mediumDeepSeek V4 ProhighvsGPT-5.2mediumDeepSeek V4 FlashhighvsKimi K2.6mediumDeepSeek V4 FlashhighvsMiMo-V2-OmnimediumDeepSeek V4 FlashhighvsGPT-5.3 Chatnone