AI BENCHY 对比

DeepSeek: DeepSeek V4 Flash vs xAI: Grok 4.5

摘要

DeepSeek V4 Flash (high) vs Grok 4.5 (medium) benchmark 对比：Grok 4.5 (medium) 平均分领先，为 8.3 vs 8.3。 DeepSeek V4 Flash (high) benchmark 成本更低，为 $0.027 vs $1.696。 DeepSeek V4 Flash (high) 更快，为 45.85s vs 62.63s，通过率为 74.6% vs 77.8%。

推荐模型: DeepSeek V4 Flash (high) - 它的得分接近这里的最高分（8.3 vs 8.3），同时成本比Grok 4.5 (medium)低约 64.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-08

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	Grok 4.5 Grok 4.5 medium 发布日期: 2026-07-08

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	Grok 4.5 Grok 4.5 medium 发布日期: 2026-07-08
分数	8.3	8.3
排名	#24	#23
可靠性	10.0	9.9
一致性	8.5	8.9
测试正确
尝试通过率	74.6%	77.8%
不稳定测试	4	3
总运行次数	63	63
每个结果成本	0.299	11.304
总成本	$0.027	$1.696
输入价格	$0.090 / 1M	$2.000 / 1M
输出价格	$0.180 / 1M	$6.000 / 1M
总输入令牌	39,745	53,500
输出令牌	10,310	1,621
推理令牌	123,501	263,127
响应时间（平均）	45.85s	62.63s
响应时间（最大）	218.13s	436.38s
响应时间（总计）	962.79s	1315.20s

生成展示

Hamster playing table tennis

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

#24 DeepSeek V4 Flash

high

成本: $0.003
时间: 93.1s
令牌: 7,926 tok

#23 xAI: Grok 4.5

medium

成本: $0.044
时间: 59.4s
令牌: 7,512 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 4.5	10.0	10.0	100.0%	0		23.50s	2,991	147	4,018

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 4.5	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634

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 4.5	10.0	10.0	100.0%	0		15.65s	15,084	261	4,254

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 4.5	10.0	10.0	100.0%	0		6.29s	8,937	225	3,657

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 4.5	2.9	7.2	11.1%	1		198.89s	2,212	11	121,922

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 4.5	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384

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 4.5	9.8	10.0	100.0%	0		6.06s	1,857	57	2,728

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 4.5	10.0	10.0	100.0%	0		7.75s	2,430	254	3,641

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 4.5	10.0	10.0	100.0%	0		6.57s	8,544	192	968

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 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921

快速对比

切换对比组合