AI BENCHY 对比

DeepSeek: DeepSeek V4 Pro vs OpenAI: GPT-5.2

摘要

DeepSeek V4 Pro vs GPT-5.2 benchmark 对比：GPT-5.2 平均分领先，为 8.4 vs 7.2。 DeepSeek V4 Pro benchmark 成本更低，为 $0.034 vs $0.548。 DeepSeek V4 Pro 更快，为 6.41s vs 16.88s，通过率为 52.4% vs 71.4%。

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GPT-5.2，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标	DeepSeek V4 Pro DeepSeek V4 Pro none 发布日期: 2026-04-24	GPT-5.2 GPT-5.2 medium 发布日期: 2025-12-11

指标	DeepSeek V4 Pro DeepSeek V4 Pro none 发布日期: 2026-04-24	GPT-5.2 GPT-5.2 medium 发布日期: 2025-12-11
分数	7.2	8.4
排名	#60	#22
可靠性	9.9	10.0
一致性	8.8	8.4
测试正确
尝试通过率	52.4%	71.4%
不稳定测试	3	4
总运行次数	63	63
每个结果成本	0.333	4.209
总成本	$0.034	$0.548
输入价格	$0.435 / 1M	$1.750 / 1M
输出价格	$0.870 / 1M	$14.000 / 1M
总输入令牌	53,558	33,967
输出令牌	11,424	2,901
推理令牌	0	31,932
响应时间（平均）	6.41s	16.88s
响应时间（最大）	30.09s	77.80s
响应时间（总计）	134.66s	236.34s

生成展示

Hamster playing table tennis

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

#60 DeepSeek V4 Pro

none

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#22 GPT-5.2

medium

成本: $0.047
时间: 49.2s
令牌: 3,396 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
GPT-5.2	6.5	8.0	58.3%	1		7.81s	606	567	2,002

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
GPT-5.2	10.0	10.0	100.0%	0		22.73s	7,302	511	11,912

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
GPT-5.2	10.0	10.0	100.0%	0		14.06s	11,019	291	1,757

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
GPT-5.2	10.0	10.0	100.0%	0		3.15s	7,140	234	420

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
GPT-5.2	5.9	7.2	55.6%	1		77.80s	473	42	10,342

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
GPT-5.2	3.7	9.7	0.0%	0		4.32s	477	162	269

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
GPT-5.2	9.9	10.0	100.0%	0		3.12s	660	94	614

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
GPT-5.2	7.5	7.3	77.8%	1		5.80s	642	735	924

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
GPT-5.2	4.7	1.6	66.7%	1		10.30s	5,453	239	469

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
GPT-5.2	3.0	10.0	0.0%	0		28.18s	195	26	3,223

快速对比

切换对比组合