AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs Google: Gemini 3.1 Flash Lite
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-08
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro high | Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite none |
|---|---|---|
| 分数 | 6.9 | 6.7 |
| 排名 | #65 | #73 |
| 可靠性 | 9.3 | 10.0 |
| 一致性 | 8.2 | 8.4 |
| 测试正确 | ||
| 尝试通过率 | 70.2% | 57.9% |
| 不稳定测试 | 4 | 4 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 1.927 | 0.123 |
| 总成本 | $0.212 | $0.012 |
| ???? | $0.435 / 1M | $0.250 / 1M |
| ???? | $0.870 / 1M | $1.500 / 1M |
| 输出令牌 | 12,211 | 2,454 |
| 推理令牌 | 53,774 | 0 |
| 响应时间（平均） | 58.93s | 1.11s |
| 响应时间（最大） | 358.35s | 2.97s |
| 响应时间（总计） | 1119.75s | 21.13s |
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 | |
| Gemini 3.1 Flash Lite | 7.5 | 8.4 | 66.7% | 1 | 1.07s | 639 | 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 Pro | 2.6 | 0.0 | 50.0% | 1 | 51.77s | 105 | 2,641 | |
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 1.59s | 636 | 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 Pro | 10.0 | 10.0 | 100.0% | 0 | 65.02s | 465 | 5,914 | |
| Gemini 3.1 Flash Lite | 3.0 | 10.0 | 0.0% | 0 | 2.73s | 357 | 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 Pro | 8.8 | 10.0 | 100.0% | 0 | 23.62s | 229 | 1,710 | |
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 843ms | 279 | 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 Pro | 3.0 | 6.9 | 16.7% | 1 | 205.66s | 10,529 | 28,089 | |
| Gemini 3.1 Flash Lite | 2.9 | 7.2 | 11.1% | 1 | 762ms | 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 Pro | 6.1 | 3.1 | 66.7% | 1 | 25.09s | 76 | 1,152 | |
| Gemini 3.1 Flash Lite | 4.0 | 10.0 | 0.0% | 0 | 992ms | 63 | 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 Pro | 10.0 | 10.0 | 100.0% | 0 | 41.16s | 205 | 2,416 | |
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 859ms | 72 | 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 Pro | 7.4 | 7.2 | 88.9% | 1 | 34.92s | 106 | 3,835 | |
| Gemini 3.1 Flash Lite | 6.3 | 4.8 | 66.7% | 2 | 720ms | 150 | 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 Pro | 10.0 | 10.0 | 100.0% | 0 | 21.33s | 372 | 593 | |
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 2.97s | 234 | 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 Pro | 3.0 | 10.0 | 0.0% | 0 | 39.14s | 53 | 3,807 | |
| Gemini 3.1 Flash Lite | 3.0 | 10.0 | 0.0% | 0 | 733ms | 9 | 0 |
快速对比
切换对比组合
DeepSeek V4 ProhighvsGrok 4.20mediumDeepSeek V4 ProhighvsGemma 4 31Bnone免费可用DeepSeek V4 ProhighvsGPT-5 MinimediumDeepSeek V4 ProhighvsGemini 3.1 Flash LiteminimalDeepSeek V4 ProhighvsKimi K2.5mediumDeepSeek V4 ProhighvsQwen3.6 27BmediumGemini 3.1 Flash LitenonevsQwen3.6 27BmediumGemini 3.1 Flash LitenonevsKimi K2.5mediumGemini 3.1 Flash LitenonevsGPT-5 MinimediumDeepSeek V4 ProhighvsGPT-5.5noneGemini 3.1 Flash LitenonevsGrok 4.20mediumGemini 3.1 Flash LitenonevsGrok 4.1 Fastmedium