AI BENCHY 对比
DeepSeek: DeepSeek V4 Flash vs OpenAI: GPT-5.5
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-5.5 GPT-5.5 medium |
|---|---|---|
| 分数 | 7.8 | 9.0 |
| 排名 | #37 | #5 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 7.8 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 79.6% | 87.0% |
| 不稳定测试 | 5 | 2 |
| 总运行次数 | 52 | 54 |
| 每个结果成本 | 0.189 | 19.226 |
| 总成本 | $0.021 | $2.884 |
| ???? | $0.140 / 1M | $5.000 / 1M |
| ???? | $0.280 / 1M | $30.000 / 1M |
| 输出令牌 | 1,757 | 1,920 |
| 推理令牌 | 55,907 | 89,632 |
| 响应时间（平均） | 47.47s | 32.75s |
| 响应时间（最大） | 255.28s | 332.10s |
| 响应时间（总计） | 854.45s | 589.59s |
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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.66s | 250 | 1,335 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 9.09s | 318 | 1,391 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 19.29s | 312 | 2,841 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.18s | 234 | 593 |
| 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-5.5 | 5.3 | 7.2 | 44.4% | 1 | 164.14s | 67 | 79,625 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.16s | 138 | 223 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.36s | 93 | 538 |
| 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-5.5 | 8.6 | 7.9 | 77.8% | 1 | 6.78s | 250 | 2,254 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 10.57s | 258 | 832 |
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 FlashmediumDeepSeek V4 FlashhighvsGemini 3.1 Flash Lite PreviewnoneDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsMiMo-V2.5mediumDeepSeek V4 FlashhighvsKimi K2.6mediumDeepSeek V4 FlashhighvsMiMo-V2-OmnimediumGemini 3 Flash PreviewlowvsGPT-5.5mediumDeepSeek V4 FlashhighvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsDeepSeek V4 Flashhigh