DeepSeek: DeepSeek V4 Flash vs OpenAI: GPT-5.3 Chat

DeepSeek V4 Flash (high) 平均分领先，为 7.7 vs 7.5。 DeepSeek V4 Flash (high) benchmark 成本更低，为 $0.042 vs $0.571。 GPT-5.3 Chat 更快，为 6.88s vs 49.75s，通过率为 72.7% vs 68.2%。

推荐模型DeepSeek V4 Flash (high)它在这里得分最高（7.7），同时成本比GPT-5.3 Chat低约 13.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03
分数	7.7	7.5
排名	#43	#52
可靠性	10.0	10.0
一致性	8.2	8.2
测试正确
尝试通过率	72.7%	68.2%
不稳定测试	5	5
总运行次数	66	66
每个结果成本	0.402	4.387
总成本	$0.042	$0.571
输入价格	$0.098 / 1M	$1.750 / 1M
输出价格	$0.196 / 1M	$14.000 / 1M
总输入令牌	108,392	78,990
输出令牌	14,478	30,854
推理令牌	153,687	0
响应时间（平均）	49.75s	6.88s
响应时间（最大）	218.13s	18.33s
响应时间（总计）	1094.41s	151.31s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#43 DeepSeek V4 Flash

high

成本: $0.003
时间: 93.1s
令牌: 7,926 tok

#52 GPT-5.3 Chat

none

成本: $0.008
时间: 8.1s
令牌: 634 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

类别:

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
GPT-5.3 Chat	6.7	8.1	58.3%	1		3.86s	606	3,167	0

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
GPT-5.3 Chat	5.6	4.7	55.6%	2		10.52s	7,302	6,632	0

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
GPT-5.3 Chat	10.0	10.0	100.0%	0		15.07s	55,800	6,851	0

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
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.21s	7,140	942	0

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
GPT-5.3 Chat	3.5	4.4	33.3%	2		13.01s	723	8,264	0

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
GPT-5.3 Chat	4.6	10.0	0.0%	0		1.99s	477	319	0

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
GPT-5.3 Chat	9.8	10.0	100.0%	0		3.51s	660	1,491	0

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
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.99s	642	1,758	0

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
GPT-5.3 Chat	10.0	10.0	100.0%	0		8.36s	5,445	861	0

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
GPT-5.3 Chat	3.0	10.0	0.0%	0		4.38s	195	569	0

快速对比

切换对比组合

Kimi K2.7 CodemediumvsGPT-5.3 Chatnone GPT-5.3 ChatnonevsQwen3.5 Plus 2026-02-15medium Claude Opus 4.6mediumvsDeepSeek V4 Flashhigh Nemotron 3 Ultramedium免费可用vsGPT-5.3 Chatnone DeepSeek V4 FlashhighvsGLM 5medium DeepSeek V4 FlashhighvsMiniMax M3medium GPT-5.3 ChatnonevsQwen3.5-27Bmedium DeepSeek V4 FlashhighvsGrok Build 0.1medium GPT-5.3 ChatnonevsGrok Build 0.1medium Claude Opus 4.8lowvsDeepSeek V4 Flashhigh DeepSeek V4 FlashhighvsGPT-5.6 Lunamedium MiniMax M3mediumvsGPT-5.3 Chatnone