AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs Qwen: Qwen3.5-Flash
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 | Qwen3.5-Flash Qwen3.5-Flash none |
|---|---|---|
| 分数 | 6.7 | 6.2 |
| 排名 | #59 | #67 |
| 一致性 | 9.5 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 51.9% | 46.3% |
| 不稳定测试 | 1 | 1 |
| 总运行次数 | 26 | 54 |
| 每个结果成本 | 0.317 | 0.070 |
| 总成本 | $0.029 | $0.006 |
| ???? | $1.740 / 1M | $0.065 / 1M |
| ???? | $3.480 / 1M | $0.260 / 1M |
| 输出令牌 | 1,596 | 4,266 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 24.23s | 3.25s |
| 响应时间（最大） | 109.46s | 13.73s |
| 响应时间（总计） | 436.17s | 58.44s |
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 | |
| Qwen3.5-Flash | 3.5 | 8.3 | 8.3% | 1 | 1.32s | 690 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 33.40s | 246 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 1.29s | 489 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 9.5 | 10.0 | 100.0% | 0 | 34.55s | 826 | 0 | |
| Qwen3.5-Flash | 3.0 | 10.0 | 0.0% | 0 | 6.22s | 1,794 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 54.04s | 65 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 1.57s | 243 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 5.3 | 10.0 | 33.3% | 0 | 3.74s | 6 | 0 | |
| Qwen3.5-Flash | 7.7 | 10.0 | 66.7% | 0 | 905ms | 15 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 4.5 | 10.0 | 0.0% | 0 | 6.06s | 45 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 803ms | 100 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 6.5 | 10.0 | 50.0% | 0 | 3.57s | 22 | 0 | |
| Qwen3.5-Flash | 6.3 | 10.0 | 50.0% | 0 | 8.81s | 63 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 6.0 | 7.1 | 44.4% | 1 | 28.25s | 92 | 0 | |
| Qwen3.5-Flash | 3.3 | 10.0 | 0.0% | 0 | 5.90s | 608 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 6.47s | 73 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 3.67s | 264 | 0 |
快速对比
切换对比组合
DeepSeek V4 PrononevsGrok 4.1 FastmediumDeepSeek V4 PrononevsNemotron 3 Supermedium免费可用GPT-5 NanomediumvsQwen3.5-FlashnoneDeepSeek V4 PrononevsMercury 2mediumMercury 2mediumvsQwen3.5-FlashnoneDeepSeek V4 PrononevsGrok 4.20mediumDeepSeek V4 PrononevsKimi K2.5mediumDeepSeek V4 PrononevsGPT-5 Minimediumgpt-oss-120bmedium免费可用vsQwen3.5-FlashnoneDeepSeek V4 PrononevsGPT-5 NanomediumQwen3.5-FlashnonevsGrok 4.1 FastmediumNemotron 3 Supermedium免费可用vsQwen3.5-Flashnone