AI BENCHY 对比

DeepSeek: DeepSeek V4 Flash vs xAI: Grok 4.3

摘要

DeepSeek V4 Flash vs Grok 4.3 benchmark 对比：DeepSeek V4 Flash 平均分领先，为 8.3 vs 7.7。 DeepSeek V4 Flash benchmark 成本更低，为 $0.029 vs $0.614。 DeepSeek V4 Flash 更快，为 45.85s vs 47.51s，通过率为 74.6% vs 71.4%。

推荐模型: DeepSeek V4 Flash - 它在这里得分最高（8.3），同时成本比Grok 4.3低约 21.6 倍。

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	Grok 4.3 Grok 4.3 medium 发布日期: 2026-05-01

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	Grok 4.3 Grok 4.3 medium 发布日期: 2026-05-01
分数	8.3	7.7
排名	#26	#40
可靠性	10.0	10.0
一致性	8.5	8.5
测试正确
尝试通过率	74.6%	71.4%
不稳定测试	4	4
总运行次数	63	63
每个结果成本	0.299	4.724
总成本	$0.029	$0.614
输入价格	$0.098 / 1M	$1.250 / 1M
输出价格	$0.196 / 1M	$2.500 / 1M
总输入令牌	39,745	44,472
输出令牌	10,310	1,981
推理令牌	123,501	221,382
响应时间（平均）	45.85s	47.51s
响应时间（最大）	218.13s	216.69s
响应时间（总计）	962.79s	997.68s

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

#40 xAI: Grok 4.3

medium

Cost: $0.009
Time: 19.0s
Tokens: 3,661 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
Grok 4.3	10.0	10.0	100.0%	0		8.83s	2,010	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
Grok 4.3	5.9	7.7	44.4%	1		41.23s	8,340	1,028	31,226

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
Grok 4.3	10.0	10.0	100.0%	0		63.99s	12,909	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
Grok 4.3	10.0	10.0	100.0%	0		18.97s	7,761	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
Grok 4.3	5.3	7.2	44.4%	1		181.74s	1,764	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
Grok 4.3	5.4	2.5	66.7%	1		24.70s	825	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
Grok 4.3	9.8	10.0	100.0%	0		18.58s	1,362	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
Grok 4.3	5.9	7.2	55.6%	1		22.52s	1,689	128	14,468

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
Grok 4.3	10.0	10.0	100.0%	0		17.66s	7,263	168	4,615

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
Grok 4.3	3.0	10.0	0.0%	0		44.47s	549	14	12,986

快速对比

切换对比组合