AI BENCHY 对比

DeepSeek: DeepSeek V4 Flash vs OpenAI: GPT-5.4

摘要

DeepSeek V4 Flash vs GPT-5.4 benchmark 对比：GPT-5.4 平均分领先，为 8.5 vs 8.3。 DeepSeek V4 Flash benchmark 成本更低，为 $0.029 vs $1.210。 GPT-5.4 更快，为 22.35s vs 45.85s，通过率为 74.6% vs 76.2%。

推荐模型: DeepSeek V4 Flash - 它的得分接近这里的最高分（8.3 vs 8.5），同时成本比GPT-5.4低约 42.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05
分数	8.3	8.5
排名	#26	#20
可靠性	10.0	10.0
一致性	8.5	8.6
测试正确
尝试通过率	74.6%	76.2%
不稳定测试	4	4
总运行次数	63	63
每个结果成本	0.299	8.640
总成本	$0.029	$1.210
输入价格	$0.098 / 1M	$2.500 / 1M
输出价格	$0.196 / 1M	$15.000 / 1M
总输入令牌	39,745	34,108
输出令牌	10,310	2,242
推理令牌	123,501	72,707
响应时间（平均）	45.85s	22.35s
响应时间（最大）	218.13s	100.41s
响应时间（总计）	962.79s	469.29s

Generation showcase

Hamster playing table tennis

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

#26 DeepSeek V4 Flash

high

Cost: $0.003
Time: 93.1s
Tokens: 7,926 tok

#20 GPT-5.4

medium

Cost: $0.214
Time: 199.6s
Tokens: 14,349 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
GPT-5.4	8.3	10.0	75.0%	0		4.11s	606	240	1,511

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-5.4	8.8	7.8	88.9%	1		44.36s	7,305	433	24,216

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	10.0	10.0	100.0%	0		76.57s	14,016	465	7,347
GPT-5.4	10.0	10.0	100.0%	0		20.57s	11,019	301	3,543

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-5.4	10.0	10.0	100.0%	0		5.32s	7,140	234	804

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-5.4	5.3	7.2	44.4%	1		74.27s	619	61	34,748

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-5.4	4.7	3.1	33.3%	1		4.92s	477	145	321

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-5.4	10.0	10.0	100.0%	0		3.11s	660	93	897

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-5.4	8.2	7.2	88.9%	1		9.14s	642	441	3,815

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-5.4	10.0	10.0	100.0%	0		13.28s	5,445	264	1,031

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-5.4	3.0	10.0	0.0%	0		13.95s	195	30	1,821

快速对比

切换对比组合