DeepSeek: DeepSeek V4 Flash vs OpenAI: GPT-5.6 Luna

DeepSeek V4 Flash (high) 平均分领先，为 7.7 vs 7.6。 DeepSeek V4 Flash (high) benchmark 成本更低，为 $0.042 vs $0.352。 GPT-5.6 Luna (medium) 更快，为 7.28s vs 49.75s，通过率为 72.7% vs 65.2%。

推荐模型DeepSeek V4 Flash (high)它在这里得分最高（7.7），同时成本比GPT-5.6 Luna (medium)低约 8.4 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-5.6 Luna GPT-5.6 Luna medium 发布日期: 2026-07-09

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	GPT-5.6 Luna GPT-5.6 Luna medium 发布日期: 2026-07-09
分数	7.7	7.6
排名	#43	#48
可靠性	10.0	10.0
一致性	8.2	9.6
测试正确
尝试通过率	72.7%	65.2%
不稳定测试	5	1
总运行次数	66	66
每个结果成本	0.402	2.513
总成本	$0.042	$0.352
输入价格	$0.098 / 1M	$1.000 / 1M
输出价格	$0.196 / 1M	$6.000 / 1M
总输入令牌	108,392	89,676
输出令牌	14,478	5,699
推理令牌	153,687	37,980
响应时间（平均）	49.75s	7.28s
响应时间（最大）	218.13s	29.85s
响应时间（总计）	1094.41s	160.27s

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

#48 GPT-5.6 Luna

medium

成本: $0.014
时间: 14.6s
令牌: 2,362 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-5.6 Luna	8.3	10.0	75.0%	0		2.52s	606	160	987

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-5.6 Luna	5.4	7.2	44.4%	1		10.38s	7,302	564	9,928

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-5.6 Luna	10.0	10.0	100.0%	0		14.59s	66,477	3,926	4,594

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-5.6 Luna	10.0	10.0	100.0%	0		1.95s	7,140	234	324

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-5.6 Luna	5.3	10.0	33.3%	0		17.37s	723	68	16,531

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-5.6 Luna	5.1	10.0	0.0%	0		4.34s	477	112	496

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-5.6 Luna	9.9	10.0	100.0%	0		2.38s	660	95	393

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-5.6 Luna	7.8	10.0	66.7%	0		4.04s	642	255	2,104

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-5.6 Luna	10.0	10.0	100.0%	0		6.02s	5,454	256	244

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-5.6 Luna	3.0	10.0	0.0%	0		6.64s	195	29	2,379

快速对比

切换对比组合