AI BENCHY 对比

DeepSeek: DeepSeek V4 Pro vs Qwen: Qwen3.5-27B

摘要

DeepSeek V4 Pro vs Qwen3.5-27B benchmark 对比：DeepSeek V4 Pro 平均分领先，为 8.1 vs 7.9。 DeepSeek V4 Pro benchmark 成本更低，为 $0.098 vs $0.536。 Qwen3.5-27B 更快，为 68.39s 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Qwen3.5-27B低约 5.5 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	Qwen3.5-27B Qwen3.5-27B medium 发布日期: 2026-02-24

指标	DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24	Qwen3.5-27B Qwen3.5-27B medium 发布日期: 2026-02-24
分数	8.1	7.9
排名	#30	#33
可靠性	9.6	10.0
一致性	7.8	8.5
测试正确
尝试通过率	66.7%	73.0%
不稳定测试	6	4
总运行次数	57	63
每个结果成本	0.978	4.901
总成本	$0.098	$0.536
输入价格	$0.435 / 1M	$0.195 / 1M
输出价格	$0.870 / 1M	$1.560 / 1M
总输入令牌	35,122	42,164
输出令牌	6,315	8,534
推理令牌	93,205	329,289
响应时间（平均）	72.22s	68.39s
响应时间（最大）	437.44s	234.36s
响应时间（总计）	1444.45s	1436.24s

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

#33 Qwen3.5-27B

medium

Cost: $0.008
Time: 62.0s
Tokens: 3,099 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
Qwen3.5-27B	8.7	7.9	91.7%	1		19.75s	672	569	31,505

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
Qwen3.5-27B	6.2	7.1	55.6%	1		160.69s	7,895	6,381	89,388

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
Qwen3.5-27B	10.0	10.0	100.0%	0		163.96s	14,946	483	9,991

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
Qwen3.5-27B	10.0	10.0	100.0%	0		30.26s	7,782	270	16,150

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
Qwen3.5-27B	5.3	10.0	33.3%	0		79.53s	553	43	52,368

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
Qwen3.5-27B	6.1	3.1	66.7%	1		101.41s	524	70	23,147

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
Qwen3.5-27B	10.0	10.0	100.0%	0		19.66s	699	97	11,638

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
Qwen3.5-27B	8.2	7.7	77.8%	1		59.60s	696	242	70,096

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
Qwen3.5-27B	10.0	10.0	100.0%	0		7.45s	8,193	348	1,323

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
Qwen3.5-27B	3.0	10.0	0.0%	0		85.11s	204	31	23,683

快速对比

切换对比组合