AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs xAI: Grok 4.3
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-08
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro high | Grok 4.3 Grok 4.3 medium |
|---|---|---|
| 分数 | 6.9 | 8.0 |
| 排名 | #65 | #24 |
| 可靠性 | 9.3 | 10.0 |
| 一致性 | 8.2 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 70.2% | 77.2% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 1.927 | 4.229 |
| 总成本 | $0.212 | $0.550 |
| ???? | $0.435 / 1M | $1.250 / 1M |
| ???? | $0.870 / 1M | $2.500 / 1M |
| 输出令牌 | 12,211 | 1,237 |
| 推理令牌 | 53,774 | 200,033 |
| 响应时间（平均） | 58.93s | 48.41s |
| 响应时间（最大） | 358.35s | 216.69s |
| 响应时间（总计） | 1119.75s | 919.73s |
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 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 8.83s | 88 | 8,207 |
| 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 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 45.72s | 284 | 9,659 |
| 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 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 63.99s | 234 | 15,301 |
| 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 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 18.97s | 180 | 9,546 |
| 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 | |
| Grok 4.3 | 5.3 | 7.2 | 44.4% | 1 | 181.74s | 14 | 111,300 |
| 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 | |
| Grok 4.3 | 5.4 | 2.5 | 66.7% | 1 | 24.70s | 70 | 5,020 |
| 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 | |
| Grok 4.3 | 9.8 | 10.0 | 100.0% | 0 | 18.58s | 57 | 8,713 |
| 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 | 7.4 | 7.2 | 88.9% | 1 | 34.92s | 106 | 3,835 | |
| Grok 4.3 | 5.9 | 7.2 | 55.6% | 1 | 22.53s | 128 | 14,686 |
| 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 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 17.66s | 168 | 4,615 |
| 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 | |
| Grok 4.3 | 3.0 | 10.0 | 0.0% | 0 | 44.47s | 14 | 12,986 |
快速对比
切换对比组合
DeepSeek V4 ProhighvsGrok 4.20mediumDeepSeek V4 ProhighvsGemma 4 31Bnone免费可用DeepSeek V4 ProhighvsGPT-5 MinimediumDeepSeek V4 ProhighvsGemini 3.1 Flash LiteminimalDeepSeek V4 ProhighvsKimi K2.5mediumDeepSeek V4 ProhighvsQwen3.6 27BmediumGemini 3 Flash PreviewnonevsGrok 4.3mediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.3mediumDeepSeek V4 ProhighvsGPT-5.5noneDeepSeek V4 ProhighvsGemini 3.1 Flash LitenoneGemini 3.1 Flash Lite PreviewnonevsGrok 4.3mediumGPT-5.2 ChatnonevsGrok 4.3medium