AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs xAI: Grok 4.20
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-24
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro high | Grok 4.20 Grok 4.20 medium |
|---|---|---|
| 分数 | 7.4 | 7.0 |
| 排名 | #50 | #54 |
| 一致性 | 10.0 | 7.8 |
| 测试正确 | ||
| 尝试通过率 | 61.1% | 66.7% |
| 不稳定测试 | 0 | 5 |
| 总运行次数 | 24 | 54 |
| 每个结果成本 | 1.385 | 8.252 |
| 总成本 | $0.153 | $0.743 |
| ???? | $1.740 / 1M | $2.000 / 1M |
| ???? | $3.480 / 1M | $6.000 / 1M |
| 输出令牌 | 584 | 1,744 |
| 推理令牌 | 37,708 | 109,882 |
| 响应时间（平均） | 78.45s | 10.33s |
| 响应时间（最大） | 351.99s | 29.87s |
| 响应时间（总计） | 1255.22s | 185.87s |
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 | 8.3 | 10.0 | 75.0% | 0 | 32.12s | 64 | 1,799 | |
| Grok 4.20 | 8.2 | 7.9 | 83.3% | 1 | 3.36s | 280 | 8,476 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 93.00s | 82 | 2,808 | |
| Grok 4.20 | 4.3 | 1.1 | 66.7% | 1 | 24.33s | 250 | 12,804 |
| 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 | 71.08s | 134 | 2,163 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 17.40s | 232 | 9,556 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 63.00s | 67 | 1,071 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 180 | 5,333 |
| 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 | 5.3 | 10.0 | 33.3% | 0 | 202.56s | 11 | 25,343 | |
| Grok 4.20 | 5.3 | 10.0 | 33.3% | 0 | 27.03s | 375 | 49,339 |
| 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 | 5.0 | 10.0 | 0.0% | 0 | 26.96s | 51 | 734 | |
| Grok 4.20 | 5.8 | 2.8 | 66.7% | 1 | 7.09s | 47 | 4,252 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Grok 4.20 | 7.3 | 5.9 | 83.3% | 1 | 4.42s | 40 | 5,474 |
| 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 | 7.7 | 10.0 | 66.7% | 0 | 63.66s | 91 | 3,617 | |
| Grok 4.20 | 6.4 | 7.7 | 55.6% | 1 | 3.89s | 143 | 8,028 |
| 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 | 11.05s | 84 | 173 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 13.68s | 197 | 6,620 |
快速对比
切换对比组合
DeepSeek V4 ProhighvsQwen3.5-35B-A3BmediumClaude Sonnet 4.6nonevsDeepSeek V4 ProhighGemma 4 31Bnone免费可用vsGrok 4.20mediumDeepSeek V4 ProhighvsMiMo-V2-FlashmediumDeepSeek V4 ProhighvsGPT-5.2mediumDeepSeek V4 ProhighvsGPT-5.4 MinimediumSeed-2.0-MinimediumvsDeepSeek V4 ProhighDeepSeek V4 ProhighvsGPT-5.4 NanomediumQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumClaude Opus 4.6mediumvsDeepSeek V4 ProhighDeepSeek V4 ProhighvsGPT-5.3 ChatnoneDeepSeek V4 PrononevsGrok 4.20medium