AI BENCHY 对比

DeepSeek: DeepSeek V4 Pro vs OpenAI: GPT-5.4 Mini

摘要

DeepSeek V4 Pro vs GPT-5.4 Mini benchmark 对比：平均分几乎持平，为 8.1 vs 8.0。 DeepSeek V4 Pro benchmark 成本更低，为 $0.098 vs $0.526。 GPT-5.4 Mini 更快，为 22.34s vs 72.22s，通过率为 66.7% vs 73.0%。

推荐模型: DeepSeek V4 Pro - 它在这里得分最高（8.1），同时成本比GPT-5.4 Mini低约 5.4 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	GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17

指标	DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24	GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17
分数	8.1	8.0
排名	#30	#31
可靠性	9.6	10.0
一致性	7.8	8.0
测试正确
尝试通过率	66.7%	73.0%
不稳定测试	6	5
总运行次数	57	63
每个结果成本	0.978	4.381
总成本	$0.098	$0.526
输入价格	$0.435 / 1M	$0.750 / 1M
输出价格	$0.870 / 1M	$4.500 / 1M
总输入令牌	35,122	34,116
输出令牌	6,315	2,181
推理令牌	93,205	108,937
响应时间（平均）	72.22s	22.34s
响应时间（最大）	437.44s	138.75s
响应时间（总计）	1444.45s	469.20s

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

#31 GPT-5.4 Mini

medium

Cost: $0.056
Time: 95.5s
Tokens: 12,464 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
GPT-5.4 Mini	8.6	7.9	91.7%	1		4.05s	606	296	2,876

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
GPT-5.4 Mini	8.4	7.4	88.9%	1		57.87s	7,305	467	40,902

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
GPT-5.4 Mini	10.0	10.0	100.0%	0		17.81s	11,019	317	4,317

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
GPT-5.4 Mini	10.0	10.0	100.0%	0		2.43s	7,140	234	650

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
GPT-5.4 Mini	4.1	4.4	44.5%	2		65.31s	619	60	43,286

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
GPT-5.4 Mini	4.5	10.0	0.0%	0		3.72s	477	150	510

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
GPT-5.4 Mini	9.8	10.0	100.0%	0		2.13s	660	96	1,185

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
GPT-5.4 Mini	7.8	10.0	66.7%	0		4.37s	642	278	2,443

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
GPT-5.4 Mini	4.7	1.6	66.7%	1		9.62s	5,453	251	2,594

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
GPT-5.4 Mini	3.0	10.0	0.0%	0		30.10s	195	32	10,174

快速对比

切换对比组合