AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs Qwen: Qwen3.5-Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-28
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro high | Qwen3.5-Flash Qwen3.5-Flash none |
|---|---|---|
| 分数 | 6.6 | 5.9 |
| 排名 | #85 | #100 |
| 可靠性 | 8.9 | 10.0 |
| 一致性 | 8.7 | 9.7 |
| 测试正确 | ||
| 尝试通过率 | 63.3% | 41.7% |
| 不稳定测试 | 3 | 1 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 1.935 | 0.073 |
| 总成本 | $0.062 | $0.004 |
| 输入价格 | $0.435 / 1M | $0.065 / 1M |
| 输出价格 | $0.870 / 1M | $0.260 / 1M |
| 输出令牌 | 12,244 | 4,270 |
| 推理令牌 | 53,958 | 0 |
| 响应时间（平均） | 58.92s | 3.74s |
| 响应时间（最大） | 358.35s | 27.18s |
| 响应时间（总计） | 1119.51s | 74.71s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 7.4 | 10.0 | 75.0% | 0 | 16.53s | 71 | 3,617 | |
| Qwen3.5-Flash | 3.5 | 8.3 | 8.3% | 1 | 1.32s | 690 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 2.8 | 5.0 | 25.0% | 1 | 51.77s | 105 | 2,641 | |
| Qwen3.5-Flash | 6.8 | 10.0 | 50.0% | 0 | 993ms | 513 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 65.02s | 465 | 5,914 | |
| Qwen3.5-Flash | 3.0 | 10.0 | 0.0% | 0 | 6.22s | 1,794 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 8.8 | 10.0 | 100.0% | 0 | 23.62s | 229 | 1,710 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 1.57s | 243 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 3.0 | 6.9 | 16.7% | 1 | 205.66s | 10,529 | 28,089 | |
| Qwen3.5-Flash | 7.7 | 10.0 | 66.7% | 0 | 905ms | 15 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 6.1 | 3.1 | 66.7% | 1 | 25.09s | 76 | 1,152 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 803ms | 100 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 41.16s | 205 | 2,416 | |
| Qwen3.5-Flash | 6.3 | 10.0 | 50.0% | 0 | 8.81s | 63 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 6.9 | 10.0 | 66.7% | 0 | 34.84s | 139 | 4,019 | |
| Qwen3.5-Flash | 3.1 | 10.0 | 0.0% | 0 | 10.89s | 579 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 21.33s | 372 | 593 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 3.67s | 264 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 3.0 | 10.0 | 0.0% | 0 | 39.14s | 53 | 3,807 | |
| Qwen3.5-Flash | 3.0 | 10.0 | 0.0% | 0 | 588ms | 9 | 0 |
快速对比
切换对比组合
gpt-oss-120bmedium免费可用vsQwen3.5-FlashnoneDeepSeek V4 ProhighvsGemini 3.1 Flash LitenoneNemotron 3 Supermedium免费可用vsQwen3.5-FlashnoneDeepSeek V4 ProhighvsGPT-5.5noneDeepSeek V4 ProhighvsQwen3.6 27BmediumDeepSeek V4 ProhighvsMercury 2mediumOwl AlphamediumvsQwen3.5-FlashnoneDeepSeek V4 ProhighvsKimi K2.5mediumDeepSeek V4 ProhighvsGemini 3.1 Flash LiteminimalDeepSeek V4 ProhighvsGemma 4 31Bnone免费可用CobuddymediumvsQwen3.5-FlashnoneDeepSeek V4 ProhighvsQwen3.5 Plus 2026-02-15none