AI BENCHY 对比
DeepSeek: DeepSeek V4 Flash vs Grok 4.1 Fast
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-19
| 指标 | DeepSeek V4 Flash DeepSeek V4 Flash none 免费可用 | Grok 4.1 Fast Grok 4.1 Fast none |
|---|---|---|
| 分数 | 5.2 | 4.4 |
| 排名 | #127 | #146 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 8.8 |
| 测试正确 | ||
| 尝试通过率 | 31.6% | 22.8% |
| 不稳定测试 | 2 | 3 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.147 | 0.273 |
| 总成本 | $0.008 | $0.009 |
| ???? | $0.112 / 1M | $0.000 / 1M |
| ???? | $0.224 / 1M | $0.000 / 1M |
| 输出令牌 | 4,464 | 1,733 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 28.01s | 1.67s |
| 响应时间（最大） | 111.96s | 5.51s |
| 响应时间（总计） | 532.17s | 20.08s |
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 | 3.0 | 10.0 | 0.0% | 0 | 20.18s | 174 | 0 | |
| Grok 4.1 Fast | 3.2 | 10.0 | 0.0% | 0 | 1.07s | 235 | 0 |
| 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 | 6.3 | 10.0 | 0.0% | 0 | 24.04s | 471 | 0 | |
| Grok 4.1 Fast | 5.3 | 3.4 | 33.3% | 1 | 1.79s | 567 | 0 |
| 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 | 4.5 | 2.1 | 66.7% | 1 | 111.96s | 2,664 | 0 | |
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 3.33s | 105 | 0 |
| 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 | 23.79s | 195 | 0 | |
| Grok 4.1 Fast | 10.0 | 10.0 | 100.0% | 0 | 943ms | 180 | 0 |
| 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 | 5.3 | 10.0 | 33.3% | 0 | 19.73s | 18 | 0 | |
| Grok 4.1 Fast | 5.9 | 7.2 | 55.6% | 1 | 1.06s | 15 | 0 |
| 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 | 4.2 | 9.9 | 0.0% | 0 | 23.74s | 67 | 0 | |
| Grok 4.1 Fast | 4.4 | 9.9 | 0.0% | 0 | 1.08s | 112 | 0 |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 17.54s | 321 | 0 | |
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 923ms | 56 | 0 |
| 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 | 3.1 | 7.3 | 11.1% | 1 | 22.96s | 207 | 0 | |
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 1.28s | 243 | 0 |
| 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 | 77.93s | 327 | 0 | |
| Grok 4.1 Fast | 2.8 | 1.6 | 33.3% | 1 | 5.51s | 208 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 3.0 | 10.0 | 0.0% | 0 | 3.07s | 20 | 0 | |
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 731ms | 12 | 0 |
快速对比
切换对比组合
Grok 4.1 FastnonevsGLM 4.7 FlashmediumDeepSeek V4 Flashnone免费可用vsMiniMax M2.7mediumQwen3.5-9BmediumvsGrok 4.1 FastnoneDeepSeek V4 Flashnone免费可用vsElephant AlphamediumDeepSeek V4 Flashnone免费可用vsMistral Small 4mediumDeepSeek V4 Flashnone免费可用vsMiniMax M2.5medium免费可用Qwen3 Coder NextmediumvsGrok 4.1 FastnoneDeepSeek V4 Flashnone免费可用vsQwen3 Coder NextmediumDeepSeek V4 Flashnone免费可用vsgpt-oss-120bmedium免费可用Cobuddymedium免费可用vsDeepSeek V4 Flashnone免费可用MiniMax M2.7mediumvsGrok 4.1 FastnoneDeepSeek V4 Flashnone免费可用vsGLM 4.7 Flashmedium