AI BENCHY 对比

DeepSeek: DeepSeek V4 Pro vs OpenAI: GPT-5.4 Mini

摘要

DeepSeek V4 Pro vs GPT-5.4 Mini benchmark 对比：GPT-5.4 Mini 平均分领先，为 8.0 vs 7.2。 DeepSeek V4 Pro benchmark 成本更低，为 $0.030 vs $0.526。 DeepSeek V4 Pro 更快，为 5.30s vs 22.34s，通过率为 52.4% vs 73.0%。

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-5.4 Mini，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	DeepSeek V4 Pro DeepSeek V4 Pro none 发布日期: 2026-04-24	GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17

指标	DeepSeek V4 Pro DeepSeek V4 Pro none 发布日期: 2026-04-24	GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17
分数	7.2	8.0
排名	#61	#31
可靠性	9.9	10.0
一致性	8.8	8.0
测试正确
尝试通过率	52.4%	73.0%
不稳定测试	3	5
总运行次数	61	63
每个结果成本	0.293	4.381
总成本	$0.030	$0.526
输入价格	$0.435 / 1M	$0.750 / 1M
输出价格	$0.870 / 1M	$4.500 / 1M
总输入令牌	53,078	34,116
输出令牌	7,047	2,181
推理令牌	0	108,937
响应时间（平均）	5.30s	22.34s
响应时间（最大）	23.74s	138.75s
响应时间（总计）	111.39s	469.20s

Generation showcase

Hamster playing table tennis

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

#61 DeepSeek V4 Pro

none

Invalid SVG

Cost: $0.000
Time: 300.0s
Tokens: 0 tok

#31 GPT-5.4 Mini

medium

Cost: $0.056
Time: 95.5s
Tokens: 12,464 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-5.4 Mini	8.6	7.9	91.7%	1		4.05s	606	296	2,876

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		5.62s	6,795	1,123	0
GPT-5.4 Mini	8.4	7.4	88.9%	1		57.87s	7,305	467	40,902

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-5.4 Mini	10.0	10.0	100.0%	0		17.81s	11,019	317	4,317

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-5.4 Mini	10.0	10.0	100.0%	0		2.43s	7,140	234	650

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-5.4 Mini	4.1	4.4	44.5%	2		65.31s	619	60	43,286

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-5.4 Mini	4.5	10.0	0.0%	0		3.72s	477	150	510

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-5.4 Mini	9.8	10.0	100.0%	0		2.13s	660	96	1,185

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-5.4 Mini	7.8	10.0	66.7%	0		4.37s	642	278	2,443

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-5.4 Mini	4.7	1.6	66.7%	1		9.62s	5,453	251	2,594

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-5.4 Mini	3.0	10.0	0.0%	0		30.10s	195	32	10,174

快速对比

切换对比组合