AI BENCHY 对比

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

摘要

DeepSeek V4 Flash (high) vs GPT-5.6 Terra (medium) benchmark 对比：DeepSeek V4 Flash (high) 平均分领先，为 8.3 vs 7.8。 DeepSeek V4 Flash (high) benchmark 成本更低，为 $0.027 vs $0.496。 GPT-5.6 Terra (medium) 更快，为 6.69s vs 45.85s，通过率为 74.6% vs 68.3%。

推荐模型: DeepSeek V4 Flash (high) - 它在这里得分最高（8.3），同时成本比GPT-5.6 Terra (medium)低约 19.0 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 Terra GPT-5.6 Terra 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 Terra GPT-5.6 Terra medium 发布日期: 2026-07-09
分数	8.3	7.8
排名	#27	#37
可靠性	10.0	10.0
一致性	8.5	9.2
测试正确
尝试通过率	74.6%	68.3%
不稳定测试	4	2
总运行次数	63	63
每个结果成本	0.299	3.815
总成本	$0.027	$0.496
输入价格	$0.090 / 1M	$2.500 / 1M
输出价格	$0.180 / 1M	$15.000 / 1M
总输入令牌	39,745	34,218
输出令牌	10,310	1,982
推理令牌	123,501	25,370
响应时间（平均）	45.85s	6.69s
响应时间（最大）	218.13s	41.68s
响应时间（总计）	962.79s	140.49s

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

#37 GPT-5.6 Terra

medium

成本: $0.035
时间: 16.3s
令牌: 2,418 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 Terra	8.3	10.0	75.0%	0		2.22s	606	172	657

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 Terra	6.1	7.2	55.6%	1		7.19s	7,302	427	4,527

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 Terra	10.0	10.0	100.0%	0		6.26s	11,019	316	540

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 Terra	10.0	10.0	100.0%	0		872ms	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 Terra	5.3	10.0	33.3%	0		23.45s	723	70	15,327

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 Terra	5.5	10.0	0.0%	0		2.37s	477	133	144

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 Terra	10.0	10.0	100.0%	0		1.43s	660	89	261

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 Terra	8.4	7.4	88.9%	1		3.78s	642	272	1,462

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 Terra	10.0	10.0	100.0%	0		5.09s	5,454	254	246

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 Terra	3.0	10.0	0.0%	0		10.05s	195	27	2,206

快速对比

切换对比组合