#58 DeepSeek V4 Pro
none
无效SVG
- 成本
- $0.000
- 时间
- 300.0s
- 令牌
- 0 tok
AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs StepFun: Step 3.5 Flash
摘要
DeepSeek V4 Pro vs Step 3.5 Flash benchmark 对比：DeepSeek V4 Pro 平均分领先，为 7.2 vs 6.6。 DeepSeek V4 Pro benchmark 成本更低，为 $0.034 vs $0.070。 DeepSeek V4 Pro 更快，为 6.41s vs 72.53s，通过率为 52.4% vs 54.0%。
推荐模型: DeepSeek V4 Pro - 它在这里得分最高（7.2），同时成本比Step 3.5 Flash低约 2.1 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro none | Step 3.5 Flash Step 3.5 Flash medium |
|---|---|---|
| 分数 | 7.2 | 6.6 |
| 排名 | #58 | #80 |
| 可靠性 | 9.9 | 10.0 |
| 一致性 | 8.8 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 52.4% | 54.0% |
| 不稳定测试 | 3 | 1 |
| 总运行次数 | 63 | 60 |
| 每个结果成本 | 0.333 | 0.198 |
| 总成本 | $0.034 | $0.070 |
| 输入价格 | $0.435 / 1M | $0.090 / 1M |
| 输出价格 | $0.870 / 1M | $0.300 / 1M |
| 总输入令牌 | 53,558 | 34,431 |
| 输出令牌 | 11,424 | 91,587 |
| 推理令牌 | 0 | 195,973 |
| 响应时间（平均） | 6.41s | 72.53s |
| 响应时间（最大） | 30.09s | 453.94s |
| 响应时间（总计） | 134.66s | 1015.47s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#80 Step 3.5 Flash
medium- 成本
- $0.008
- 时间
- 277.1s
- 令牌
- 23,695 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 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 40.57s | 694 | 20,391 | 24,176 |
| 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 | |
| Step 3.5 Flash | 2.4 | 5.2 | 0.0% | 0 | 258.38s | 2,211 | 13,207 | 22,429 |
| 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 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 29.57s | 13,638 | 1,176 | 12,984 |
| 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 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.01s | 7,368 | 600 | 13,886 |
| 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 | |
| Step 3.5 Flash | 5.3 | 7.2 | 44.4% | 1 | 170.45s | 673 | 45,350 | 90,436 |
| 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 | |
| Step 3.5 Flash | 5.5 | 10.0 | 0.0% | 0 | 22.39s | 509 | 240 | 3,506 |
| 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 | |
| Step 3.5 Flash | 8.3 | 10.0 | 50.0% | 0 | 4.78s | 705 | 2,364 | 3,521 |
| 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 | |
| Step 3.5 Flash | 5.3 | 10.0 | 33.3% | 0 | 7.22s | 711 | 5,630 | 10,861 |
| 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 | |
| Step 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 7,701 | 275 | 3,802 |
| 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 | |
| Step 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 108.45s | 221 | 2,354 | 10,372 |
快速对比
切换对比组合
DeepSeek V4 PrononevsGemma 4 26B A4Bmedium免费可用DeepSeek V4 PrononevsStep 3.7 FlashhighDeepSeek V4 PrononevsGLM 5.1mediumGemini 3.1 Flash Lite PreviewlowvsStep 3.5 FlashmediumDeepSeek V4 PrononevsKimi K2.7 CodemediumGemini 3.1 Flash Lite PreviewnonevsStep 3.5 FlashmediumDeepSeek V4 PrononevsGrok 4.20mediumGemini 3.1 Flash LitelowvsStep 3.5 FlashmediumDeepSeek V4 PrononevsGemini 3 Flash PreviewlowGemini 3.5 FlashminimalvsStep 3.5 FlashmediumDeepSeek V4 PrononevsMiMo-V2.5-PromediumSeed-2.0-MinimediumvsDeepSeek V4 Pronone