DeepSeek: DeepSeek V4 Flash vs OpenAI: GPT-5.5

GPT-5.5 (medium) 平均分领先，为 9.0 vs 7.7。 DeepSeek V4 Flash (high) benchmark 成本更低，为 $0.041 vs $4.137。 GPT-5.5 (medium) 更快，为 38.42s vs 49.75s，通过率为 72.7% vs 87.9%。

推荐模型DeepSeek V4 Flash (high)它提供了最佳整体取舍：得分有竞争力（7.7），成本低于GPT-5.5 (medium)，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24
分数	7.7	9.0
排名	#52	#15
可靠性	10.0	10.0
一致性	8.2	8.9
测试正确
尝试通过率	72.7%	87.9%
不稳定测试	5	3
总运行次数	66	66
每个结果成本	0.402	22.980
总成本	$0.041	$4.137
输入价格	$0.094 / 1M	$5.000 / 1M
输出价格	$0.188 / 1M	$30.000 / 1M
总输入令牌	108,392	80,659
输出令牌	14,478	5,617
推理令牌	153,687	118,819
响应时间（平均）	49.75s	38.42s
响应时间（最大）	218.13s	332.10s
响应时间（总计）	1094.41s	845.35s

Hamster playing table tennis

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

#52 DeepSeek V4 Flash

high

成本: $0.003
时间: 93.1s
令牌: 7,926 tok

#15 GPT-5.5

medium

成本: $0.112
时间: 71.9s
令牌: 3,807 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-5.5	10.0	10.0	100.0%	0		4.66s	606	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-5.5	8.8	7.8	88.9%	1		59.77s	7,305	362	24,959

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-5.5	10.0	10.0	100.0%	0		33.52s	57,466	3,944	6,735

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-5.5	10.0	10.0	100.0%	0		4.18s	7,140	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-5.5	5.3	7.2	44.4%	1		164.14s	723	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-5.5	10.0	10.0	100.0%	0		4.16s	477	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-5.5	10.0	10.0	100.0%	0		3.36s	660	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-5.5	10.0	10.0	100.0%	0		6.76s	642	241	2,225

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-5.5	10.0	10.0	100.0%	0		10.57s	5,445	258	832

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-5.5	2.8	1.6	33.3%	1		37.86s	195	30	1,754

快速对比

切换对比组合

Claude Opus 4.6mediumvsDeepSeek V4 Flashhigh DeepSeek V4 FlashhighvsGLM 5medium Gemini 3.5 FlashlowvsGPT-5.5medium DeepSeek V4 FlashhighvsMiniMax M3medium GPT-5.5mediumvsGrok 4.5high DeepSeek V4 FlashhighvsGrok Build 0.1medium Claude Opus 4.8lowvsDeepSeek V4 Flashhigh DeepSeek V4 FlashhighvsGPT-5.6 Lunamedium DeepSeek V4 FlashhighvsNemotron 3 Ultramedium免费可用 Claude Opus 5nonevsDeepSeek V4 Flashhigh DeepSeek V4 FlashhighvsKimi K2.7 Codemedium DeepSeek V4 FlashhighvsGPT-5.4 Nanomedium