DeepSeek: DeepSeek V4 Flash vs xAI: Grok Build 0.1

DeepSeek V4 Flash (high) 平均分领先，为 7.7 vs 7.6。 DeepSeek V4 Flash (high) benchmark 成本更低，为 $0.042 vs $1.097。 DeepSeek V4 Flash (high) 更快，为 49.75s vs 52.06s，通过率为 72.7% vs 63.6%。

推荐模型DeepSeek V4 Flash (high)它在这里得分最高（7.7），同时成本比Grok Build 0.1 (medium)低约 26.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	Grok Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	Grok Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21
分数	7.7	7.6
排名	#43	#46
可靠性	10.0	10.0
一致性	8.2	10.0
测试正确
尝试通过率	72.7%	63.6%
不稳定测试	5	0
总运行次数	66	66
每个结果成本	0.402	7.830
总成本	$0.042	$1.097
输入价格	$0.098 / 1M	$1.000 / 1M
输出价格	$0.196 / 1M	$2.000 / 1M
总输入令牌	108,392	106,751
输出令牌	14,478	7,993
推理令牌	153,687	486,670
响应时间（平均）	49.75s	52.06s
响应时间（最大）	218.13s	252.69s
响应时间（总计）	1094.41s	1145.27s

Hamster playing table tennis

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

#43 DeepSeek V4 Flash

high

成本: $0.003
时间: 93.1s
令牌: 7,926 tok

#46 xAI: Grok Build 0.1

medium

成本: $0.028
时间: 81.3s
令牌: 14,009 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

类别:

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 Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

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 Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

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	6.4	5.8	66.7%	1		104.10s	82,663	4,633	37,533
Grok Build 0.1	10.0	10.0	100.0%	0		65.08s	75,242	5,442	65,569

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 Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

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 Build 0.1	5.3	10.0	33.3%	0		158.00s	1,764	492	175,294

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 Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

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 Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

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 Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

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 Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

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 Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

快速对比

切换对比组合