#86 DeepSeek V4 Pro
none
无效SVG
- 成本
- $0.000
- 时间
- 300.0s
- 令牌
- 0 tok
DeepSeek: DeepSeek V4 Pro vs OpenAI: GPT-5.5
DeepSeek V4 Pro 平均分领先，为 6.9 vs 6.9。 DeepSeek V4 Pro benchmark 成本更低，为 $0.096 vs $0.544。 GPT-5.5 更快，为 2.36s vs 11.55s，通过率为 51.5% vs 56.1%。
推荐模型DeepSeek V4 Pro它在这里得分最高（6.9），同时成本比GPT-5.5低约 5.7 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-22
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro none | GPT-5.5 GPT-5.5 none |
|---|---|---|
| 分数 | 6.9 | 6.9 |
| 排名 | #86 | #91 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.6 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 51.5% | 56.1% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 0.954 | 4.945 |
| 总成本 | $0.096 | $0.544 |
| 输入价格 | $0.435 / 1M | $5.000 / 1M |
| 输出价格 | $0.870 / 1M | $30.000 / 1M |
| 总输入令牌 | 148,069 | 79,285 |
| 输出令牌 | 35,551 | 4,915 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 11.55s | 2.36s |
| 响应时间（最大） | 119.44s | 12.24s |
| 响应时间（总计） | 254.11s | 51.88s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#91 GPT-5.5
none- 成本
- $0.090
- 时间
- 54.3s
- 令牌
- 3,063 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-5.5 | 6.9 | 7.9 | 66.7% | 1 | 1.31s | 606 | 213 | 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-5.5 | 5.5 | 10.0 | 33.3% | 0 | 1.35s | 7,305 | 462 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 7.9 | 6.9 | 66.7% | 1 | 71.59s | 122,040 | 26,362 | 0 | |
| GPT-5.5 | 6.5 | 10.0 | 50.0% | 0 | 8.90s | 56,092 | 3,244 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 1.18s | 7,140 | 222 | 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-5.5 | 2.9 | 7.2 | 11.1% | 1 | 1.31s | 723 | 52 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.41s | 477 | 124 | 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-5.5 | 6.2 | 5.8 | 66.7% | 1 | 1.15s | 660 | 81 | 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-5.5 | 7.7 | 10.0 | 66.7% | 0 | 1.29s | 642 | 252 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.90s | 5,445 | 247 | 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-5.5 | 3.0 | 10.0 | 0.0% | 0 | 5.01s | 195 | 18 | 0 |
快速对比
切换对比组合
GPT-5.5nonevsStep 3.7 FlashhighGPT-5.5nonevsQwen3.6 FlashmediumDeepSeek V4 PrononevsMiMo-V2.5-PromediumDeepSeek V4 PrononevsKAT-Coder-Pro V2.5mediumGPT-5.5nonevsMiMo-V2.5-PromediumDeepSeek V4 PrononevsQwen3.6 FlashmediumGemini 3.5 FlashminimalvsGPT-5.5noneDeepSeek V4 PrononevsStep 3.7 FlashhighSeed-2.0-MinimediumvsDeepSeek V4 PrononeKAT-Coder-Pro V2.5mediumvsGPT-5.5noneDeepSeek V4 PrononevsMercury 2mediumDeepSeek V4 PrononevsKimi K2.5medium