AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs Qwen: Qwen3.6 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-27
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro high | Qwen3.6 Flash Qwen3.6 Flash none |
|---|---|---|
| 分数 | 6.8 | 5.8 |
| 排名 | #63 | #90 |
| 可靠性 | 8.4 | 10.0 |
| 一致性 | 8.0 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 73.2% | 38.9% |
| 不稳定测试 | 4 | 0 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 1.825 | 0.250 |
| 总成本 | $0.201 | $0.018 |
| ???? | $0.435 / 1M | $0.250 / 1M |
| ???? | $0.870 / 1M | $1.500 / 1M |
| 输出令牌 | 11,876 | 4,161 |
| 推理令牌 | 45,999 | 0 |
| 响应时间（平均） | 60.02s | 1.65s |
| 响应时间（最大） | 358.35s | 4.60s |
| 响应时间（总计） | 1080.31s | 29.78s |
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 | |
| Qwen3.6 Flash | 3.1 | 10.0 | 0.0% | 0 | 1.63s | 1,554 | 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 | 2.6 | 0.0 | 50.0% | 1 | 51.77s | 105 | 2,641 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.23s | 867 | 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 | 6.6 | 10.0 | 100.0% | 0 | 64.72s | 183 | 1,946 | |
| Qwen3.6 Flash | 3.0 | 10.0 | 0.0% | 0 | 4.22s | 315 | 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 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.13s | 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 | |
| Qwen3.6 Flash | 5.3 | 10.0 | 33.3% | 0 | 1.11s | 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 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 947ms | 132 | 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 | |
| Qwen3.6 Flash | 6.3 | 10.0 | 50.0% | 0 | 1.10s | 66 | 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 | 7.0 | 83.3% | 1 | 34.92s | 106 | 3,835 | |
| Qwen3.6 Flash | 3.5 | 10.0 | 0.0% | 0 | 1.20s | 697 | 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 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.49s | 272 | 0 |
快速对比
切换对比组合
DeepSeek V4 ProhighvsQwen3.5 Plus 2026-02-15noneDeepSeek V4 ProhighvsGPT-5.5noneDeepSeek V4 ProhighvsNemotron 3 Supermedium免费可用gpt-oss-120bmedium免费可用vsQwen3.6 FlashnoneMiniMax M2.5medium免费可用vsQwen3.6 FlashnoneDeepSeek V4 ProhighvsGrok 4.1 FastmediumDeepSeek V4 ProhighvsGemma 4 31Bnone免费可用Mistral Small 4mediumvsQwen3.6 FlashnoneDeepSeek V4 ProhighvsGLM 5noneDeepSeek V4 ProhighvsGrok 4.20mediumDeepSeek V4 ProhighvsQwen3.6 27BmediumDeepSeek V4 ProhighvsKimi K2.5medium