#45 DeepSeek V4 Pro
high- 成本
- $0.023
- 时间
- 257.6s
- 令牌
- 14,870 tok
AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs xAI: Grok 4.5
摘要
DeepSeek V4 Pro (high) vs Grok 4.5 (medium) benchmark 对比：Grok 4.5 (medium) 平均分领先，为 8.3 vs 7.6。 DeepSeek V4 Pro (high) benchmark 成本更低，为 $0.157 vs $1.696。 Grok 4.5 (medium) 更快，为 62.63s vs 77.20s，通过率为 66.7% vs 77.8%。
推荐模型: Grok 4.5 (medium) - 它在本次比较中得分最高（8.3），并且在全部 2 个模型中兼顾成本和响应时间最好。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-08
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro high | Grok 4.5 Grok 4.5 medium |
|---|---|---|
| 分数 | 7.6 | 8.3 |
| 排名 | #45 | #23 |
| 可靠性 | 9.3 | 9.9 |
| 一致性 | 7.0 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 66.7% | 77.8% |
| 不稳定测试 | 8 | 3 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 1.742 | 11.304 |
| 总成本 | $0.157 | $1.696 |
| 输入价格 | $0.435 / 1M | $2.000 / 1M |
| 输出价格 | $0.870 / 1M | $6.000 / 1M |
| 总输入令牌 | 38,726 | 53,500 |
| 输出令牌 | 6,334 | 1,621 |
| 推理令牌 | 159,151 | 263,127 |
| 响应时间（平均） | 77.20s | 62.63s |
| 响应时间（最大） | 416.76s | 436.38s |
| 响应时间（总计） | 1621.17s | 1315.20s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#23 xAI: Grok 4.5
medium- 成本
- $0.044
- 时间
- 59.4s
- 令牌
- 7,512 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 23.50s | 2,991 | 147 | 4,018 |
| 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 | 6.1 | 4.6 | 66.7% | 2 | 243.00s | 5,090 | 383 | 84,580 | |
| Grok 4.5 | 7.6 | 7.2 | 77.8% | 1 | 155.69s | 9,579 | 390 | 104,634 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 15.65s | 15,084 | 261 | 4,254 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 6.29s | 8,937 | 225 | 3,657 |
| 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 | 151.46s | 569 | 4,404 | 50,391 | |
| Grok 4.5 | 2.9 | 7.2 | 11.1% | 1 | 198.89s | 2,212 | 11 | 121,922 |
| 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 | |
| Grok 4.5 | 6.5 | 3.4 | 66.7% | 1 | 12.84s | 1,077 | 71 | 2,384 |
| 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 | |
| Grok 4.5 | 9.8 | 10.0 | 100.0% | 0 | 6.06s | 1,857 | 57 | 2,728 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 7.75s | 2,430 | 254 | 3,641 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 6.57s | 8,544 | 192 | 968 |
| 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 | |
| Grok 4.5 | 3.0 | 10.0 | 0.0% | 0 | 74.44s | 789 | 13 | 14,921 |
快速对比
切换对比组合
DeepSeek V4 ProhighvsMiniMax M3mediumDeepSeek V4 ProhighvsGrok Build 0.1mediumDeepSeek V4 ProhighvsKimi K2.5mediumDeepSeek V4 ProhighvsMercury 2mediumDeepSeek V4 FlashhighvsGrok 4.5mediumDeepSeek V4 ProhighvsStep 3.7 FlashlowClaude Opus 4.6mediumvsDeepSeek V4 ProhighDeepSeek V4 ProhighvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsGPT-5.4 NanomediumDeepSeek V4 ProhighvsGrok 4.3mediumClaude Opus 4.8lowvsDeepSeek V4 ProhighDeepSeek V4 ProhighvsQwen3.5-122B-A10Bmedium