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：DeepSeek V4 Pro 平均分领先，为 6.3 vs 5.3。 GPT-5.4 Mini benchmark 成本更低，为 $0.038 vs $0.079。 GPT-5.4 Mini 更快，为 1.13s vs 65.21s，通过率为 52.4% vs 30.2%。

推荐模型: GPT-5.4 Mini - 它提供了最佳整体取舍：得分有竞争力（5.3），成本低于DeepSeek V4 Pro，响应时间也较均衡。

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 none 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 none 发布日期: 2026-03-17
分数	6.3	5.3
排名	#90	#131
可靠性	9.0	10.0
一致性	7.6	8.8
测试正确
尝试通过率	52.4%	30.2%
不稳定测试	6	3
总运行次数	63	63
每个结果成本	2.869	0.743
总成本	$0.079	$0.038
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	32,240	34,244
输出令牌	12,250	2,541
推理令牌	72,257	0
响应时间（平均）	65.21s	1.13s
响应时间（最大）	358.35s	2.52s
响应时间（总计）	1304.19s	23.82s

Generation showcase

Hamster playing table tennis

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

#90 DeepSeek V4 Pro

high

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

#131 GPT-5.4 Mini

none

Cost: $0.010
Time: 11.7s
Tokens: 2,151 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	6.4	7.9	58.3%	1		16.53s	448	71	3,617
GPT-5.4 Mini	3.1	8.1	8.3%	1		929ms	606	654	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	3.3	6.4	11.1%	1		118.23s	1,966	111	20,940
GPT-5.4 Mini	5.5	10.0	33.3%	0		913ms	7,305	401	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	10.0	10.0	100.0%	0		65.02s	14,016	465	5,914
GPT-5.4 Mini	3.0	10.0	0.0%	0		2.52s	11,019	298	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	7.3	5.9	83.3%	1		23.62s	5,633	229	1,710
GPT-5.4 Mini	10.0	10.0	100.0%	0		1.30s	7,140	222	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	2.9	7.2	11.1%	1		205.66s	430	10,529	28,089
GPT-5.4 Mini	3.5	4.4	33.3%	2		937ms	723	88	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	6.1	3.1	66.7%	1		25.09s	314	76	1,152
GPT-5.4 Mini	4.8	10.0	0.0%	0		1.82s	477	174	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	10.0	10.0	100.0%	0		41.16s	627	205	2,416
GPT-5.4 Mini	6.3	10.0	50.0%	0		728ms	660	101	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	5.9	7.2	55.6%	1		34.84s	544	139	4,019
GPT-5.4 Mini	5.4	10.0	33.3%	0		836ms	642	305	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	10.0	10.0	100.0%	0		21.33s	8,079	372	593
GPT-5.4 Mini	3.0	10.0	0.0%	0		2.32s	5,477	255	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）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	3.0	10.0	0.0%	0		39.14s	183	53	3,807
GPT-5.4 Mini	3.0	10.0	0.0%	0		1.33s	195	43	0

快速对比

切换对比组合