导航
AI BENCHY
Advertise here

AI BENCHY 对比

DeepSeek: DeepSeek V4 Pro vs xAI: Grok 4.20

摘要

DeepSeek V4 Pro vs Grok 4.20 benchmark 对比：Grok 4.20 平均分领先，为 7.3 vs 7.2。 DeepSeek V4 Pro benchmark 成本更低，为 $0.034 vs $0.609。 DeepSeek V4 Pro 更快，为 6.41s vs 27.68s，通过率为 52.4% vs 63.5%。

推荐模型: DeepSeek V4 Pro - 它的得分接近这里的最高分（7.2 vs 7.3），同时成本比Grok 4.20低约 18.3 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 发布日期: 2026-04-24 Grok 4.20 Grok 4.20 medium 发布日期: 2026-03-31
分数 7.2 7.3
排名 #58 #53
可靠性 9.9 10.0
一致性 8.8 8.8
测试正确
尝试通过率 52.4% 63.5%
不稳定测试 3 3
总运行次数 63 63
每个结果成本 0.333 8.309
总成本 $0.034 $0.609
输入价格 $0.435 / 1M $1.250 / 1M
输出价格 $0.870 / 1M $2.500 / 1M
总输入令牌 53,558 44,433
输出令牌 11,424 1,819
推理令牌 0 219,524
响应时间（平均） 6.41s 27.68s
响应时间（最大） 30.09s 199.66s
响应时间（总计） 134.66s 581.26s

生成展示

Hamster playing table tennis

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

#58 DeepSeek V4 Pro

none
无效SVG
成本
$0.000
时间
300.0s
令牌
0 tok

#53 xAI: Grok 4.20

medium
成本
$0.041
时间
110.3s
令牌
16,336 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
Grok 4.20 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
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
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
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
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
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
Grok 4.20 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
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
Grok 4.20 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
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
Grok 4.20 3.9 2.6 33.3% 1 24.48s 825 65 6,440
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
Grok 4.20 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
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
Grok 4.20 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
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
Grok 4.20 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
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
Grok 4.20 3.0 10.0 0.0% 0 63.48s 531 9 16,442

快速对比

切换对比组合

DeepSeek V4 PrononevsGemma 4 26B A4Bmedium免费可用Gemini 3 Flash PreviewlowvsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumDeepSeek V4 PrononevsStep 3.7 FlashhighDeepSeek V4 PrononevsGLM 5.1mediumClaude Opus 4.8nonevsGrok 4.20mediumDeepSeek V4 PrononevsKimi K2.7 CodemediumGPT-5.3 ChatnonevsGrok 4.20mediumQwen3.7 PlusnonevsGrok 4.20mediumDeepSeek V4 PrononevsGemini 3 Flash PreviewlowGrok 4.20mediumvsGLM 5.2noneDeepSeek V4 PrononevsMiMo-V2.5-Promedium