AI BENCHY 对比

DeepSeek: DeepSeek V4 Pro vs Google: Gemini 2.5 Flash

摘要

DeepSeek V4 Pro vs Gemini 2.5 Flash benchmark 对比：Gemini 2.5 Flash 平均分领先，为 8.2 vs 8.1。 DeepSeek V4 Pro benchmark 成本更低，为 $0.098 vs $0.379。 Gemini 2.5 Flash 更快，为 15.49s vs 72.22s，通过率为 66.7% vs 69.8%。

推荐模型: DeepSeek V4 Pro - 它的得分接近这里的最高分（8.1 vs 8.2），同时成本比Gemini 2.5 Flash低约 3.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24	Gemini 2.5 Flash Gemini 2.5 Flash medium 发布日期: 2025-06-17

指标	DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24	Gemini 2.5 Flash Gemini 2.5 Flash medium 发布日期: 2025-06-17
分数	8.1	8.2
排名	#30	#27
可靠性	9.6	10.0
一致性	7.8	9.6
测试正确
尝试通过率	66.7%	69.8%
不稳定测试	6	1
总运行次数	57	63
每个结果成本	0.978	2.701
总成本	$0.098	$0.379
输入价格	$0.435 / 1M	$0.300 / 1M
输出价格	$0.870 / 1M	$2.500 / 1M
总输入令牌	35,122	34,476
输出令牌	6,315	1,930
推理令牌	93,205	145,145
响应时间（平均）	72.22s	15.49s
响应时间（最大）	437.44s	95.48s
响应时间（总计）	1444.45s	325.39s

Generation showcase

Hamster playing table tennis

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

#30 DeepSeek V4 Pro

high

Cost: $0.023
Time: 257.6s
Tokens: 14,870 tok

#27 Gemini 2.5 Flash

medium

Invalid SVG

Cost: $0.000
Time: 274.0s
Tokens: 0 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 Pro	5.7	5.9	58.3%	2		25.70s	536	149	3,214
Gemini 2.5 Flash	8.4	10.0	75.0%	0		6.30s	492	255	10,233

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 Pro	7.7	10.0	66.7%	0		308.19s	1,583	368	42,658
Gemini 2.5 Flash	7.8	10.0	66.7%	0		41.01s	6,669	543	32,303

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 Pro	10.0	10.0	100.0%	0		38.17s	14,060	454	5,836
Gemini 2.5 Flash	10.0	10.0	100.0%	0		28.44s	12,522	303	11,922

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 Pro	10.0	10.0	100.0%	0		25.03s	7,690	274	2,166
Gemini 2.5 Flash	10.0	10.0	100.0%	0		4.06s	7,257	279	2,325

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 Pro	3.6	7.2	22.2%	1		130.09s	472	4,400	26,367
Gemini 2.5 Flash	5.9	7.2	55.6%	1		37.34s	633	18	80,702

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 Pro	10.0	10.0	100.0%	0		8.83s	471	115	1,013
Gemini 2.5 Flash	4.8	10.0	0.0%	0		4.86s	486	92	1,899

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 Pro	7.8	6.6	83.3%	1		8.73s	627	66	2,726
Gemini 2.5 Flash	9.8	10.0	100.0%	0		2.62s	615	69	1,203

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 Pro	6.9	4.9	77.8%	2		56.85s	591	178	2,563
Gemini 2.5 Flash	7.7	10.0	66.7%	0		3.18s	558	126	2,499

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 Pro	9.8	10.0	100.0%	0		15.92s	8,909	295	701
Gemini 2.5 Flash	10.0	10.0	100.0%	0		6.20s	5,088	234	1,140

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 Pro	3.0	10.0	0.0%	0		34.01s	183	16	5,961
Gemini 2.5 Flash	3.0	10.0	0.0%	0		2.76s	156	11	919

快速对比

切换对比组合