AI BENCHY 对比

DeepSeek: DeepSeek V4 Pro vs Qwen: Qwen3.6 Plus

摘要

DeepSeek V4 Pro vs Qwen3.6 Plus benchmark 对比：Qwen3.6 Plus 平均分领先，为 7.8 vs 7.2。 DeepSeek V4 Pro benchmark 成本更低，为 $0.034 vs $0.294。 DeepSeek V4 Pro 更快，为 6.41s vs 30.70s，通过率为 52.4% vs 69.8%。

推荐模型: DeepSeek V4 Pro - 它的得分接近这里的最高分（7.2 vs 7.8），同时成本比Qwen3.6 Plus低约 8.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标	DeepSeek V4 Pro DeepSeek V4 Pro none 发布日期: 2026-04-24	Qwen3.6 Plus Qwen3.6 Plus medium 发布日期: 2026-04-20

指标	DeepSeek V4 Pro DeepSeek V4 Pro none 发布日期: 2026-04-24	Qwen3.6 Plus Qwen3.6 Plus medium 发布日期: 2026-04-20
分数	7.2	7.8
排名	#60	#31
可靠性	9.9	10.0
一致性	8.8	9.3
测试正确
尝试通过率	52.4%	69.8%
不稳定测试	3	2
总运行次数	63	63
每个结果成本	0.333	0.831
总成本	$0.034	$0.294
输入价格	$0.435 / 1M	$0.325 / 1M
输出价格	$0.870 / 1M	$1.950 / 1M
总输入令牌	53,558	41,565
输出令牌	11,424	1,853
推理令牌	0	141,973
响应时间（平均）	6.41s	30.70s
响应时间（最大）	30.09s	201.68s
响应时间（总计）	134.66s	613.99s

生成展示

Hamster playing table tennis

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

#60 DeepSeek V4 Pro

none

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#31 Qwen3.6 Plus

medium

成本: $0.024
时间: 219.0s
令牌: 12,235 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
Qwen3.6 Plus	10.0	10.0	100.0%	0		9.90s	672	207	7,557

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
Qwen3.6 Plus	6.1	7.8	44.4%	1		153.12s	7,098	58	50,586

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		34.95s	14,934	452	13,073

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		14.95s	7,782	270	10,706

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
Qwen3.6 Plus	2.9	7.2	11.1%	1		29.59s	771	56	33,464

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
Qwen3.6 Plus	5.1	10.0	0.0%	0		27.05s	516	111	5,232

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		7.54s	699	102	5,552

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		6.34s	696	309	6,712

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		5.87s	8,193	267	1,330

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
Qwen3.6 Plus	3.0	10.0	0.0%	0		47.51s	204	21	7,761

快速对比

切换对比组合