AI BENCHY 对比

DeepSeek: DeepSeek V4 Flash vs Qwen: Qwen3.7 Max

摘要

DeepSeek V4 Flash vs Qwen3.7 Max benchmark 对比：Qwen3.7 Max 平均分领先，为 9.4 vs 8.3。 DeepSeek V4 Flash benchmark 成本更低，为 $0.029 vs $0.523。 Qwen3.7 Max 更快，为 16.02s vs 45.85s，通过率为 74.6% vs 88.9%。

推荐模型: DeepSeek V4 Flash - 它提供了最佳整体取舍：得分有竞争力（8.3），成本低于Qwen3.7 Max，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	Qwen3.7 Max Qwen3.7 Max medium 发布日期: 2026-05-22

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	Qwen3.7 Max Qwen3.7 Max medium 发布日期: 2026-05-22
分数	8.3	9.4
排名	#26	#4
可靠性	10.0	10.0
一致性	8.5	9.6
测试正确
尝试通过率	74.6%	88.9%
不稳定测试	4	1
总运行次数	63	63
每个结果成本	0.299	5.517
总成本	$0.029	$0.523
输入价格	$0.098 / 1M	$1.250 / 1M
输出价格	$0.196 / 1M	$3.750 / 1M
总输入令牌	39,745	42,360
输出令牌	10,310	2,129
推理令牌	123,501	122,959
响应时间（平均）	45.85s	16.02s
响应时间（最大）	218.13s	59.98s
响应时间（总计）	962.79s	336.51s

Generation showcase

Hamster playing table tennis

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

#26 DeepSeek V4 Flash

high

Cost: $0.003
Time: 93.1s
Tokens: 7,926 tok

#4 Qwen3.7 Max

medium

Cost: $0.017
Time: 68.8s
Tokens: 4,526 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
Qwen3.7 Max	10.0	10.0	100.0%	0		6.36s	672	222	8,742

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
Qwen3.7 Max	10.0	10.0	100.0%	0		35.31s	7,893	423	34,808

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
Qwen3.7 Max	10.0	10.0	100.0%	0		19.60s	14,934	366	8,405

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
Qwen3.7 Max	10.0	10.0	100.0%	0		8.80s	7,782	270	6,254

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
Qwen3.7 Max	5.9	7.2	55.6%	1		24.94s	771	61	31,793

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
Qwen3.7 Max	10.0	10.0	100.0%	0		11.70s	516	135	4,457

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
Qwen3.7 Max	10.0	10.0	100.0%	0		7.46s	699	102	5,452

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
Qwen3.7 Max	10.0	10.0	100.0%	0		8.84s	696	259	8,908

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
Qwen3.7 Max	10.0	10.0	100.0%	0		6.63s	8,193	267	1,220

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
Qwen3.7 Max	3.0	10.0	0.0%	0		33.37s	204	24	12,920

快速对比

切换对比组合