AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs OpenAI: gpt-oss-120b
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-oss-120b gpt-oss-120b medium 免费可用 |
|---|---|---|
| 分数 | 6.7 | 5.8 |
| 排名 | #59 | #76 |
| 一致性 | 9.5 | 7.2 |
| 测试正确 | ||
| 尝试通过率 | 51.9% | 51.9% |
| 不稳定测试 | 1 | 6 |
| 总运行次数 | 26 | 54 |
| 每个结果成本 | 0.317 | 0.144 |
| 总成本 | $0.029 | $0.011 |
| ???? | $1.740 / 1M | $0.000 / 1M |
| ???? | $3.480 / 1M | $0.000 / 1M |
| 输出令牌 | 1,596 | 13,493 |
| 推理令牌 | 0 | 36,879 |
| 响应时间（平均） | 24.23s | 16.08s |
| 响应时间（最大） | 109.46s | 50.92s |
| 响应时间（总计） | 436.17s | 176.88s |
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-oss-120b | 6.7 | 9.9 | 50.0% | 0 | 10.21s | 3,518 | 2,177 |
| 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-oss-120b | 4.3 | 1.1 | 66.7% | 1 | 26.33s | 228 | 2,549 |
| 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-oss-120b | 10.0 | 10.0 | 100.0% | 0 | 31.18s | 694 | 5,072 |
| 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-oss-120b | 6.4 | 5.9 | 66.7% | 1 | 1.98s | 241 | 1,114 |
| 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-oss-120b | 2.9 | 4.4 | 22.2% | 2 | 50.92s | 6,784 | 20,606 |
| 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-oss-120b | 4.3 | 10.0 | 0.0% | 0 | 7.90s | 107 | 387 |
| 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-oss-120b | 9.9 | 10.0 | 100.0% | 0 | 7.63s | 126 | 1,799 |
| 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-oss-120b | 3.2 | 4.7 | 22.2% | 2 | 11.80s | 1,508 | 2,092 |
| 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-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 6.91s | 287 | 1,083 |
快速对比
切换对比组合
DeepSeek V4 PrononevsGrok 4.1 FastmediumKimi K2.6nonevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsQwen3.5-27BnoneDeepSeek V4 PrononevsNemotron 3 Supermedium免费可用gpt-oss-120bmedium免费可用vsMiMo-V2.5-Prononegpt-oss-120bmedium免费可用vsQwen3.5-122B-A10Bnonegpt-oss-120bmedium免费可用vsMiMo-V2-PrononeDeepSeek V3.2nonevsgpt-oss-120bmedium免费可用DeepSeek V4 PrononevsMercury 2mediumgpt-oss-120bmedium免费可用vsGLM 4.7 Flashnonegpt-oss-120bmedium免费可用vsGLM 5.1nonegpt-oss-120bmedium免费可用vsQwen3.5-35B-A3Bnone