AI BENCHY 对比

DeepSeek: DeepSeek V4 Pro vs OpenAI: GPT-5.5

摘要

DeepSeek V4 Pro vs GPT-5.5 benchmark 对比：GPT-5.5 平均分领先，为 6.4 vs 6.0。 DeepSeek V4 Pro benchmark 成本更低，为 $0.079 vs $0.231。 GPT-5.5 更快，为 1.89s vs 65.21s，通过率为 52.4% vs 54.0%。

推荐模型: GPT-5.5 - 它在这里得分最高（6.4），同时响应速度比DeepSeek V4 Pro快约 34.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标	DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24	GPT-5.5 GPT-5.5 none 发布日期: 2026-04-24

指标	DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24	GPT-5.5 GPT-5.5 none 发布日期: 2026-04-24
分数	6.0	6.4
排名	#104	#92
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%	54.0%
不稳定测试	6	3
总运行次数	63	63
每个结果成本	2.869	2.302
总成本	$0.079	$0.231
输入价格	$0.435 / 1M	$5.000 / 1M
输出价格	$0.870 / 1M	$30.000 / 1M
总输入令牌	32,240	34,212
输出令牌	12,250	1,971
推理令牌	72,257	0
响应时间（平均）	65.21s	1.89s
响应时间（最大）	358.35s	5.56s
响应时间（总计）	1304.19s	39.64s

Generation showcase

Hamster playing table tennis

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

#104 DeepSeek V4 Pro

high

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

#92 GPT-5.5

none

Cost: $0.090
Time: 54.3s
Tokens: 3,063 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-5.5	6.9	7.9	66.7%	1		1.31s	606	213	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-5.5	5.5	10.0	33.3%	0		1.35s	7,305	462	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-5.5	3.0	10.0	0.0%	0		5.56s	11,019	300	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-5.5	10.0	10.0	100.0%	0		1.18s	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-5.5	2.9	7.2	11.1%	1		1.31s	723	52	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-5.5	10.0	10.0	100.0%	0		3.41s	477	124	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-5.5	6.2	5.8	66.7%	1		1.15s	660	81	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-5.5	7.7	10.0	66.7%	0		1.29s	642	252	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-5.5	10.0	10.0	100.0%	0		3.90s	5,445	247	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-5.5	3.0	10.0	0.0%	0		5.01s	195	18	0

快速对比

切换对比组合