AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs OpenAI: gpt-oss-120b
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-03
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro high | gpt-oss-120b gpt-oss-120b medium 免费可用 |
|---|---|---|
| 分数 | 6.1 | 5.9 |
| 排名 | #100 | #103 |
| 可靠性 | 8.9 | 10.0 |
| 一致性 | 7.6 | 7.9 |
| 测试正确 | ||
| 尝试通过率 | 55.0% | 50.0% |
| 不稳定测试 | 6 | 5 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 2.660 | 0.151 |
| 总成本 | $0.062 | $0.012 |
| 输入价格 | $0.435 / 1M | $0.039 / 1M |
| 输出价格 | $0.870 / 1M | $0.180 / 1M |
| 总输入令牌 | 30,514 | 36,355 |
| 输出令牌 | 12,244 | 17,495 |
| 推理令牌 | 53,958 | 46,878 |
| 响应时间（平均） | 58.92s | 22.41s |
| 响应时间（最大） | 358.35s | 68.16s |
| 响应时间（总计） | 1119.51s | 291.35s |
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-oss-120b | 6.7 | 9.9 | 50.0% | 0 | 10.21s | 1,314 | 3,518 | 2,177 |
| 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 | 2.7 | 5.7 | 16.7% | 1 | 51.77s | 240 | 105 | 2,641 | |
| gpt-oss-120b | 3.9 | 5.6 | 33.3% | 1 | 47.24s | 5,053 | 847 | 8,618 |
| 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-oss-120b | 10.0 | 10.0 | 100.0% | 0 | 31.18s | 11,535 | 694 | 5,072 |
| 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-oss-120b | 6.4 | 5.9 | 66.7% | 1 | 1.98s | 7,476 | 241 | 1,114 |
| 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-oss-120b | 2.9 | 4.4 | 22.2% | 2 | 50.92s | 1,266 | 6,784 | 20,606 |
| 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-oss-120b | 4.3 | 10.0 | 0.0% | 0 | 7.90s | 659 | 107 | 387 |
| 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-oss-120b | 9.9 | 10.0 | 100.0% | 0 | 7.63s | 1,036 | 126 | 1,799 |
| 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-oss-120b | 5.3 | 7.2 | 44.4% | 1 | 21.71s | 1,190 | 1,790 | 2,264 |
| 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-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 6.91s | 6,514 | 287 | 1,083 |
| 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-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 26.51s | 312 | 3,101 | 3,758 |
快速对比
切换对比组合
gpt-oss-120bmedium免费可用vsQwen3.5-FlashnoneDeepSeek V4 ProhighvsGPT-5 Nanomediumgpt-oss-120bmedium免费可用vsGLM 5V TurbononeSeed-2.0-Litenonevsgpt-oss-120bmedium免费可用DeepSeek V4 ProhighvsMimo V2 OmninoneDeepSeek V4 ProhighvsGemma 4 26B A4Bnone免费可用gpt-oss-120bmedium免费可用vsGLM 5.1noneDeepSeek V4 Prononevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsQwen3.5 Plus 2026-04-20nonegpt-oss-120bmedium免费可用vsQwen3.5-35B-A3BnoneDeepSeek V4 ProhighvsNemotron 3 Supermedium免费可用gpt-oss-120bmedium免费可用vsQwen3.5-27Bnone