AI BENCHY 对比

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

摘要

DeepSeek V4 Flash (high) vs GPT-5.6 Sol (medium) benchmark 对比：GPT-5.6 Sol (medium) 平均分领先，为 9.4 vs 8.3。 DeepSeek V4 Flash (high) benchmark 成本更低，为 $0.027 vs $0.966。 GPT-5.6 Sol (medium) 更快，为 10.79s vs 45.85s，通过率为 74.6% vs 90.5%。

推荐模型: GPT-5.6 Sol (medium) - 它在这里得分最高（9.4），同时响应速度比DeepSeek V4 Flash (high)快约 4.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	GPT-5.6 Sol GPT-5.6 Sol 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 Sol GPT-5.6 Sol medium 发布日期: 2026-07-09
分数	8.3	9.4
排名	#27	#5
可靠性	10.0	10.0
一致性	8.5	8.8
测试正确
尝试通过率	74.6%	90.5%
不稳定测试	4	3
总运行次数	63	63
每个结果成本	0.299	5.682
总成本	$0.027	$0.966
输入价格	$0.090 / 1M	$5.000 / 1M
输出价格	$0.180 / 1M	$30.000 / 1M
总输入令牌	39,745	34,218
输出令牌	10,310	1,895
推理令牌	123,501	24,600
响应时间（平均）	45.85s	10.79s
响应时间（最大）	218.13s	79.40s
响应时间（总计）	962.79s	226.57s

生成展示

Hamster playing table tennis

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

#27 DeepSeek V4 Flash

high

成本: $0.003
时间: 93.1s
令牌: 7,926 tok

#5 GPT-5.6 Sol

medium

成本: $0.124
时间: 57.2s
令牌: 4,199 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-5.6 Sol	10.0	10.0	100.0%	0		2.81s	606	173	572

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 Sol	10.0	10.0	100.0%	0		9.40s	7,302	394	4,706

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-5.6 Sol	10.0	10.0	100.0%	0		12.13s	11,019	318	1,214

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 Sol	10.0	10.0	100.0%	0		1.38s	7,140	222	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-5.6 Sol	5.9	7.2	55.6%	1		47.86s	723	71	16,201

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 Sol	10.0	10.0	100.0%	0		3.48s	477	99	214

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 Sol	10.0	10.0	100.0%	0		2.50s	660	96	249

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 Sol	8.2	7.2	88.9%	1		2.98s	642	228	566

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 Sol	10.0	10.0	100.0%	0		6.30s	5,454	264	361

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 Sol	4.7	1.6	66.7%	1		4.94s	195	30	517

快速对比

切换对比组合