AI BENCHY 对比

DeepSeek: DeepSeek V4 Pro vs Google: Gemini 2.5 Flash

摘要

DeepSeek V4 Pro vs Gemini 2.5 Flash benchmark 对比：Gemini 2.5 Flash 平均分领先，为 8.2 vs 7.2。 DeepSeek V4 Pro benchmark 成本更低，为 $0.034 vs $0.379。 DeepSeek V4 Pro 更快，为 6.41s vs 15.49s，通过率为 52.4% vs 69.8%。

推荐模型: DeepSeek V4 Pro - 它提供了最佳整体取舍：得分有竞争力（7.2），成本低于Gemini 2.5 Flash，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	DeepSeek V4 Pro DeepSeek V4 Pro none 发布日期: 2026-04-24	Gemini 2.5 Flash Gemini 2.5 Flash medium 发布日期: 2025-06-17

指标	DeepSeek V4 Pro DeepSeek V4 Pro none 发布日期: 2026-04-24	Gemini 2.5 Flash Gemini 2.5 Flash medium 发布日期: 2025-06-17
分数	7.2	8.2
排名	#58	#24
可靠性	9.9	10.0
一致性	8.8	9.6
测试正确
尝试通过率	52.4%	69.8%
不稳定测试	3	1
总运行次数	63	63
每个结果成本	0.333	2.701
总成本	$0.034	$0.379
输入价格	$0.435 / 1M	$0.300 / 1M
输出价格	$0.870 / 1M	$2.500 / 1M
总输入令牌	53,558	34,476
输出令牌	11,424	1,930
推理令牌	0	145,145
响应时间（平均）	6.41s	15.49s
响应时间（最大）	30.09s	95.48s
响应时间（总计）	134.66s	325.39s

生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#58 DeepSeek V4 Pro

none

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#24 Gemini 2.5 Flash

medium

无效SVG

成本: $0.000
时间: 274.0s
令牌: 0 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	3.2	6.1	16.7%	2		4.02s	540	1,168	0
Gemini 2.5 Flash	8.4	10.0	75.0%	0		6.30s	492	255	10,233

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	5.6	10.0	33.3%	0		13.38s	7,275	5,500	0
Gemini 2.5 Flash	7.8	10.0	66.7%	0		41.01s	6,669	543	32,303

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	9.5	10.0	100.0%	0		23.74s	27,529	2,235	0
Gemini 2.5 Flash	10.0	10.0	100.0%	0		28.44s	12,522	303	11,922

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		4.61s	7,568	200	0
Gemini 2.5 Flash	10.0	10.0	100.0%	0		4.06s	7,257	279	2,325

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	5.3	10.0	33.3%	0		3.72s	666	24	0
Gemini 2.5 Flash	5.9	7.2	55.6%	1		37.34s	633	18	80,702

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	5.0	10.0	0.0%	0		2.05s	471	126	0
Gemini 2.5 Flash	4.8	10.0	0.0%	0		4.86s	486	92	1,899

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	6.3	5.8	66.7%	1		4.12s	627	713	0
Gemini 2.5 Flash	9.8	10.0	100.0%	0		2.62s	615	69	1,203

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	10.0	10.0	100.0%	0		3.61s	594	442	0
Gemini 2.5 Flash	7.7	10.0	66.7%	0		3.18s	558	126	2,499

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	10.0	10.0	100.0%	0		7.40s	8,105	328	0
Gemini 2.5 Flash	10.0	10.0	100.0%	0		6.20s	5,088	234	1,140

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		5.76s	183	688	0
Gemini 2.5 Flash	3.0	10.0	0.0%	0		2.76s	156	11	919

快速对比

切换对比组合