导航
AI BENCHY
Advertise here

AI BENCHY 对比

已对比模型

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-26

指标 DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24 DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24 免费可用 Ling-2.6-flash Ling-2.6-flash none 发布日期: 2026-04-21 GLM 5 GLM 5 medium 发布日期: 2026-02-12
分数 6.6 7.6 5.3 8.2
排名 #83 #44 #130 #18
可靠性 9.3 10.0 10.0 10.0
一致性 8.7 8.4 9.2 8.4
测试正确
尝试通过率 63.3% 73.3% 35.1% 81.7%
不稳定测试 3 4 2 4
总运行次数 98 98 98 98
每个结果成本 2.261 0.329 0.005 1.818
总成本 $0.249 $0.040 $0.001 $0.255
???? $0.435 / 1M $0.112 / 1M $0.010 / 1M $0.600 / 1M
???? $0.870 / 1M $0.224 / 1M $0.030 / 1M $1.920 / 1M
输出令牌 13,536 11,480 2,992 21,596
推理令牌 61,786 122,086 0 105,424
响应时间（平均） 58.92s 46.36s 9.34s 32.67s
响应时间（最大） 358.35s 218.13s 35.34s 99.85s
响应时间（总计） 1119.51s 927.27s 177.48s 392.01s

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） 输出令牌 推理令牌
DeepSeek V4 Pro 7.4 10.0 75.0% 0 16.53s 71 3,617
DeepSeek V4 Flash 8.3 10.0 75.0% 0 28.51s 140 7,770
Ling-2.6-flash 6.8 8.1 58.3% 1 11.81s 573 0
GLM 5 10.0 10.0 100.0% 0 23.66s 480 7,056
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 Pro 2.8 5.0 25.0% 1 51.77s 105 2,641
DeepSeek V4 Flash 6.8 10.0 50.0% 0 58.13s 387 27,101
Ling-2.6-flash 10.0 10.0 100.0% 0 11.21s 381 0
GLM 5 10.0 10.0 100.0% 0 89.47s 2,985 45,706
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 Pro 10.0 10.0 100.0% 0 65.02s 465 5,914
DeepSeek V4 Flash 10.0 10.0 100.0% 0 76.57s 465 7,347
Ling-2.6-flash 3.0 10.0 0.0% 0 35.34s 1,069 0
GLM 5 10.0 10.0 100.0% 0 28.96s 662 3,242
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 Pro 8.8 10.0 100.0% 0 23.62s 229 1,710
DeepSeek V4 Flash 10.0 10.0 100.0% 0 28.03s 201 1,179
Ling-2.6-flash 6.5 10.0 50.0% 0 8.48s 246 0
GLM 5 7.1 5.6 83.3% 1 8.90s 567 3,734
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 Pro 3.0 6.9 16.7% 1 205.66s 10,529 28,089
DeepSeek V4 Flash 4.1 4.4 44.5% 2 100.31s 27 59,249
Ling-2.6-flash 3.0 10.0 0.0% 0 4.95s 24 0
GLM 5 3.5 4.4 33.3% 2 0ms 13,176 14,137
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 Pro 6.1 3.1 66.7% 1 25.09s 76 1,152
DeepSeek V4 Flash 6.1 3.1 66.7% 1 25.15s 79 632
Ling-2.6-flash 4.0 10.0 0.0% 0 1.45s 109 0
GLM 5 6.1 3.1 66.7% 1 14.69s 2,020 2,248
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 Pro 10.0 10.0 100.0% 0 41.16s 205 2,416
DeepSeek V4 Flash 10.0 10.0 100.0% 0 15.36s 63 1,622
Ling-2.6-flash 9.8 10.0 100.0% 0 5.52s 81 0
GLM 5 10.0 10.0 100.0% 0 7.25s 1,001 2,129
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 Pro 6.9 10.0 66.7% 0 34.84s 1,431 11,847
DeepSeek V4 Flash 8.2 7.2 88.9% 1 26.11s 1,374 8,113
Ling-2.6-flash 2.9 7.2 11.1% 1 6.51s 265 0
GLM 5 10.0 10.0 100.0% 0 11.33s 71 13,728
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 Pro 10.0 10.0 100.0% 0 21.33s 372 593
DeepSeek V4 Flash 10.0 10.0 100.0% 0 74.73s 228 542
Ling-2.6-flash 3.0 10.0 0.0% 0 18.80s 229 0
GLM 5 10.0 10.0 100.0% 0 15.93s 233 994
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 Pro 3.0 10.0 0.0% 0 39.14s 53 3,807
DeepSeek V4 Flash 3.0 10.0 0.0% 0 54.46s 8,516 8,531
Ling-2.6-flash 3.0 10.0 0.0% 0 1.06s 15 0
GLM 5 3.0 10.0 0.0% 0 67.37s 401 12,450

快速对比

切换对比组合

DeepSeek V4 Flashhigh免费可用vsMiMo-V2.5-PromediumDeepSeek V4 Flashhigh免费可用vsGemini 3.1 Flash Lite PreviewlowDeepSeek V4 ProhighvsGemini 3.1 Flash LitenoneDeepSeek V4 Flashhigh免费可用vsQwen3.5-FlashmediumDeepSeek V4 Flashhigh免费可用vsQwen3.6 FlashmediumDeepSeek V4 ProhighvsGPT-5.5noneDeepSeek V4 Flashhigh免费可用vsQwen3.5 Plus 2026-04-20mediumDeepSeek V4 Flashhigh免费可用vsGrok Build 0.1mediumDeepSeek V4 Flashhigh免费可用vsGemini 3 Flash PreviewnoneDeepSeek V4 ProhighvsQwen3.6 27BmediumDeepSeek V4 Flashhigh免费可用vsMiMo-V2-PromediumDeepSeek V4 ProhighvsGrok Build 0.1none