AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs Google: Gemini 2.5 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-29
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro none | Gemini 2.5 Flash Gemini 2.5 Flash none |
|---|---|---|
| 分数 | 6.2 | 6.4 |
| 排名 | #98 | #95 |
| 可靠性 | 8.5 | 10.0 |
| 一致性 | 8.9 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 48.3% | 48.3% |
| 不稳定测试 | 3 | 1 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.564 | 0.159 |
| 总成本 | $0.046 | $0.015 |
| 输入价格 | $0.435 / 1M | $0.300 / 1M |
| 输出价格 | $0.870 / 1M | $2.500 / 1M |
| 输出令牌 | 5,345 | 1,764 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 12.91s | 889ms |
| 响应时间（最大） | 58.65s | 4.39s |
| 响应时间（总计） | 258.27s | 17.79s |
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 | 3.5 | 8.0 | 16.7% | 1 | 14.02s | 704 | 0 | |
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 582ms | 102 | 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 | 5.4 | 6.8 | 33.3% | 1 | 8.27s | 527 | 0 | |
| Gemini 2.5 Flash | 6.8 | 10.0 | 50.0% | 0 | 810ms | 477 | 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 | 9.5 | 10.0 | 100.0% | 0 | 25.49s | 1,911 | 0 | |
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 4.39s | 366 | 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 | 10.0 | 10.0 | 100.0% | 0 | 30.54s | 170 | 0 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 652ms | 279 | 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 | 5.3 | 10.0 | 33.3% | 0 | 3.17s | 18 | 0 | |
| Gemini 2.5 Flash | 5.9 | 7.2 | 55.6% | 1 | 495ms | 12 | 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 | 4.3 | 9.9 | 0.0% | 0 | 3.75s | 132 | 0 | |
| Gemini 2.5 Flash | 5.0 | 10.0 | 0.0% | 0 | 615ms | 78 | 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 | 6.3 | 10.0 | 50.0% | 0 | 8.23s | 64 | 0 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 590ms | 72 | 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 | 7.6 | 7.2 | 77.8% | 1 | 15.95s | 173 | 0 | |
| Gemini 2.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 604ms | 132 | 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 | 5.92s | 219 | 0 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 1.91s | 234 | 0 |
| 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 | 15.59s | 1,427 | 0 | |
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 1.15s | 12 | 0 |
快速对比
切换对比组合
DeepSeek V4 PrononevsGPT-5 NanomediumGemini 2.5 FlashnonevsMercury 2mediumGemini 2.5 FlashnonevsQwen3.6 27BmediumDeepSeek V4 PrononevsNemotron 3 Supermedium免费可用DeepSeek V4 Prononevsgpt-oss-120bmedium免费可用Gemini 2.5 FlashnonevsGPT-5 NanomediumDeepSeek V4 PrononevsOwl AlphamediumDeepSeek V4 PrononevsMercury 2mediumGemini 2.5 FlashnonevsKimi K2.5mediumDeepSeek V4 PrononevsQwen3.6 27BmediumGemini 2.5 FlashnonevsNemotron 3 Supermedium免费可用Gemini 2.5 Flashnonevsgpt-oss-120bmedium免费可用