AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs OpenAI: GPT-5.2
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-24
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro none | GPT-5.2 GPT-5.2 medium |
|---|---|---|
| 分数 | 6.7 | 7.5 |
| 排名 | #59 | #46 |
| 一致性 | 9.5 | 8.1 |
| 测试正确 | ||
| 尝试通过率 | 51.9% | 72.2% |
| 不稳定测试 | 1 | 4 |
| 总运行次数 | 26 | 54 |
| 每个结果成本 | 0.317 | 3.193 |
| 总成本 | $0.029 | $0.352 |
| ???? | $1.740 / 1M | $1.750 / 1M |
| ???? | $3.480 / 1M | $14.000 / 1M |
| 输出令牌 | 1,596 | 2,705 |
| 推理令牌 | 0 | 18,977 |
| 响应时间（平均） | 24.23s | 14.04s |
| 响应时间（最大） | 109.46s | 77.80s |
| 响应时间（总计） | 436.17s | 154.41s |
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 | 4.8 | 10.0 | 25.0% | 0 | 36.12s | 221 | 0 | |
| GPT-5.2 | 6.5 | 8.0 | 58.3% | 1 | 7.81s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 33.40s | 246 | 0 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 15.12s | 467 | 2,166 |
| 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 | 34.55s | 826 | 0 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 14.06s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 54.04s | 65 | 0 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 3.15s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 5.3 | 10.0 | 33.3% | 0 | 3.74s | 6 | 0 | |
| GPT-5.2 | 5.9 | 7.2 | 55.6% | 1 | 77.80s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 4.5 | 10.0 | 0.0% | 0 | 6.06s | 45 | 0 | |
| GPT-5.2 | 3.7 | 9.7 | 0.0% | 0 | 4.32s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 6.5 | 10.0 | 50.0% | 0 | 3.57s | 22 | 0 | |
| GPT-5.2 | 9.9 | 10.0 | 100.0% | 0 | 3.12s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 6.0 | 7.1 | 44.4% | 1 | 28.25s | 92 | 0 | |
| GPT-5.2 | 7.7 | 7.3 | 77.8% | 1 | 5.47s | 609 | 938 |
| 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 | 6.47s | 73 | 0 | |
| GPT-5.2 | 4.7 | 1.6 | 66.7% | 1 | 10.30s | 239 | 469 |
快速对比
切换对比组合
DeepSeek V4 PrononevsGrok 4.1 FastmediumDeepSeek V4 PrononevsNemotron 3 Supermedium免费可用Claude Sonnet 4.6nonevsGPT-5.2mediumDeepSeek V4 ProhighvsGPT-5.2mediumDeepSeek V4 PrononevsMercury 2mediumDeepSeek V4 PrononevsGrok 4.20mediumDeepSeek V4 PrononevsKimi K2.5mediumDeepSeek V4 PrononevsGPT-5 MinimediumDeepSeek V4 FlashhighvsGPT-5.2mediumDeepSeek V4 PrononevsGPT-5 NanomediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.2mediumDeepSeek V4 PrononevsGPT-5.4 Minimedium