AI BENCHY 对比
DeepSeek: DeepSeek V4 Flash vs xAI: Grok 4.3
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-01
| 指标 | DeepSeek V4 Flash DeepSeek V4 Flash high | Grok 4.3 Grok 4.3 medium |
|---|---|---|
| 分数 | 7.8 | 8.2 |
| 排名 | #43 | #20 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.8 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 79.6% | 81.5% |
| 不稳定测试 | 5 | 3 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.277 | 3.974 |
| 总成本 | $0.031 | $0.517 |
| ???? | $0.140 / 1M | $1.250 / 1M |
| ???? | $0.280 / 1M | $2.500 / 1M |
| 输出令牌 | 1,765 | 1,223 |
| 推理令牌 | 90,299 | 187,047 |
| 响应时间（平均） | 45.41s | 48.63s |
| 响应时间（最大） | 218.13s | 216.69s |
| 响应时间（总计） | 817.30s | 875.27s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 8.3 | 10.0 | 75.0% | 0 | 28.51s | 140 | 7,770 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 8.83s | 88 | 8,207 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 62.48s | 369 | 9,361 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 45.72s | 284 | 9,659 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 76.57s | 465 | 7,347 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 63.99s | 234 | 15,301 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 28.03s | 201 | 1,179 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 18.97s | 180 | 9,546 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 4.1 | 4.4 | 44.5% | 2 | 100.31s | 27 | 59,249 | |
| Grok 4.3 | 5.3 | 7.2 | 44.4% | 1 | 181.74s | 14 | 111,300 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 6.1 | 3.1 | 66.7% | 1 | 25.15s | 79 | 632 | |
| Grok 4.3 | 5.4 | 2.5 | 66.7% | 1 | 24.70s | 70 | 5,020 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.36s | 63 | 1,622 | |
| Grok 4.3 | 9.8 | 10.0 | 100.0% | 0 | 18.58s | 57 | 8,713 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 6.4 | 4.5 | 77.8% | 2 | 25.53s | 193 | 2,597 | |
| Grok 4.3 | 5.9 | 7.2 | 55.6% | 1 | 22.53s | 128 | 14,686 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 74.73s | 228 | 542 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 17.66s | 168 | 4,615 |
快速对比
切换对比组合
DeepSeek V4 FlashhighvsGPT-5.3 ChatnoneDeepSeek V4 FlashhighvsGLM 5V TurbomediumDeepSeek V4 FlashhighvsQwen3.5-FlashmediumDeepSeek V4 FlashhighvsGLM 5.1mediumDeepSeek V4 FlashhighvsStep 3.5 FlashmediumDeepSeek V4 FlashhighvsGemini 3.1 Flash Lite PreviewnoneDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsMiMo-V2.5mediumHY3 Previewlow免费可用vsGrok 4.3mediumDeepSeek V4 FlashhighvsKimi K2.6mediumGemini 3 Flash PreviewnonevsGrok 4.3mediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.3medium