BenchLeader

Deepseek v4 Flash Vision vs GPT-5.5

完整资料:Deepseek v4 Flash Vision(DeepSeek)和 GPT-5.5(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月16日,两者共同的基准测试太少,无法判断质量高下。Deepseek v4 Flash Vision 更便宜,对方的价格是它的 43 倍(每百万 token 混合价格 $0.262 比 $11.25)。看重智能体与工具(70 比 62)选 Deepseek v4 Flash Vision;看重推理(68 比 47)、多模态(62 比 57)和长上下文(67 比 65)选 GPT-5.5。Deepseek v4 Flash Vision 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Deepseek v4 Flash Vision 每百万 token 混合价格为 $0.262(标价,2026年11月16日)。
  • GPT-5.5 每百万 token 混合价格为 $11.25(标价,2026年11月16日)。
  • Deepseek v4 Flash Vision 比 GPT-5.5 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 15 项基准测试中,GPT-5.5 领先 10 项(BenchLeader,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
智能体与工具调用Deepseek v4 Flash Vision类别得分 70 比 62;τ³-Banking (AA) 41.0% 比 39.0%高
推理GPT-5.5类别得分 68 比 47;GPQA Diamond (AA) 93.5% 比 91.3%高
长文档GPT-5.5类别得分 67 比 65;AA-LCR v1.1 84.3% 比 81.3%中
图像及其他媒体GPT-5.5类别得分 62 比 57;MMMU-Pro 79.9% 比 74.8%中
成本最低Deepseek v4 Flash Vision每百万 token 混合价格 $0.660 比 $11.25;智能体编程会话 $0.032 比 $0.420–
首次回答最快均可首个回答 token 43.1 秒(Deepseek v4 Flash Vision (max))比 38.3 秒(GPT-5.5 (xhigh))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 共同的基准测试太少,无法给出结论。
  • Deepseek v4 Flash Vision (max) 在智能体与工具方面更强。
  • GPT-5.5 (xhigh) 在长上下文、多模态、推理方面更强。
  • Deepseek v4 Flash Vision (max) 更便宜,对方的价格是它的 43 倍(每百万 token 混合价格 $0.262 比 $11.25)。
  • Deepseek v4 Flash Vision (max) 的输出速度是对方的 2.0 倍(163 比 81 token/秒)。

概览

规格Deepseek v4 Flash VisionGPT-5.5
提供商DeepSeekOpenAI
发布日期2026年8月21日2026年4月23日
上下文窗口(token)1,048,5761,050,000
对比时的配置Deepseek v4 Flash Vision (max)GPT-5.5 (xhigh)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.440 / $1.32 / $0.0030$5.00 / $30.00 / $0.500

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Deepseek v4 Flash Vision (max)GPT-5.5 (xhigh)领先者
推理47.168.1GPT-5.5
编程–60.7无法比较
智能体与工具70.061.8Deepseek v4 Flash Vision
数学–69.3无法比较
知识–63.6无法比较
指令遵循–74.0无法比较
多模态57.162.3GPT-5.5
长上下文65.366.9GPT-5.5

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理智能体与工具长上下文多模态Deepseek v4 Flash Vision, 推理: 47.1Deepseek v4 Flash Vision, 智能体与工具: 70.0Deepseek v4 Flash Vision, 长上下文: 65.3Deepseek v4 Flash Vision, 多模态: 57.1GPT-5.5, 推理: 68.1GPT-5.5, 智能体与工具: 61.8GPT-5.5, 长上下文: 66.9GPT-5.5, 多模态: 62.3

未绘制(测得的模型少于两个):编程, 数学, 知识, 指令遵循, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 15 项基准测试中,Deepseek v4 Flash Vision 领先 5 项,GPT-5.5 领先 10 项。

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Deepseek v4 Flash Vision (max)GPT-5.5 (xhigh)
每百万 token 混合价格$0.660$11.25
每百万 token 输入 / 输出$0.440 / $1.32$5.00 / $30.00
每百万 token 缓存输入$0.0030$0.500
每项任务价格:聊天回复$0.0006$0.011
每项任务价格:总结一份 30 页的报告$0.0061$0.078
每项任务价格:代码编辑$0.0046$0.075
每项任务价格:智能体编程会话$0.032$0.420
每项任务价格:结构化信息提取$0.0011$0.016
智能体编程会话(输入大多命中缓存)$0.012$0.217
输出速度163 tok/s81 tok/s
首次回答时间43.1 秒38.3 秒
完整回答耗时(最近一次测量 2026年11月13日)97.8 秒104.3 秒

每个模型都按其排名最高的推理强度设置进行对比。Deepseek v4 Flash Vision (max)首个回答 token 需 43 秒。GPT-5.5 (xhigh) 得分 64.1,首个回答 token 需 38 秒;GPT-5.5 (high) 为 63.5(16 秒),GPT-5.5 为 61.0(3 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 135 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Deepseek v4 Flash Vision (max)GPT-5.5 (xhigh)
BenchLeader IndexBenchLeader–64.1
智能体与工具得分BenchLeader70.061.8
长上下文得分BenchLeader65.366.9
多模态得分BenchLeader57.162.3
推理得分BenchLeader47.168.1
编程得分BenchLeader–60.7
指令遵循得分BenchLeader–74.0
知识得分BenchLeader–63.6
数学得分BenchLeader–69.3
混合价格(美元/百万 token)BenchLeader$0.660$11.25
输出速度BenchLeader163 tok/s81 tok/s
首次回答时间BenchLeader43.1 秒38.3 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–90.7%†
SimpleBenchSimpleBench–69.0%†
Arena Hard PromptsArena (LMArena)–1499†
LiveBench 1.0 ReasoningLiveBench85.4%†89.7%
GPQA Diamond (AA)Artificial Analysis91.3%93.5%
Humanity's Last Exam (AA)Artificial Analysis34.5%45.8%
HLE-Diamond (AA)Artificial Analysis21.1%–
GPQA Diamond (Vals)Vals AI–93.2%
Kagi LLM BenchmarkKagi LLM Benchmark–88.8%†
ARC-AGI-1ARC Prize–95.0%
ARC-AGI-2ARC Prize–85.0%
ARC-AGI-3ARC Prize–0.4%†
CritPtArtificial Analysis10.9%27.1%
Arena ExpertArena (LMArena)–1510†
Chess PuzzlesEpoch AI Benchmarking Hub–63.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–56.0%
CL-bench LifeEpoch AI Benchmarking Hub–22.2%†
LMCAEpoch AI Benchmarking Hub–54.3%
DTBenchEpoch AI Benchmarking Hub–96.0%
ForecastBenchForecastBench–64.2%†
BTF-3Epoch AI Benchmarking Hub–14.3%†
编程
SciCodeSciCode–55.8%
WeirdMLWeirdML–84.9%
FrontierCodeCognition–43.0%†
GSO-BenchGSO-Bench–40.2%
显示全部 135 项基准测试
指标发布方Deepseek v4 Flash Vision (max)GPT-5.5 (xhigh)
编程
Arena CodingArena (LMArena)–1510†
Arena WebDevArena (LMArena)–1512
LiveBench 1.0 CodingLiveBench68.2%†82.2%
SciCode (AA)Artificial Analysis49.6%55.8%
LiveCodeBenchVals AI–85.3%
SWE-bench (Vals)Vals AI–82.6%
Code MigrationVals AI–45.2%
ProgramBenchVals AI–0.5%
Vibe Code Bench v1.1Vals AI–69.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–45.4%
SWE Atlas v1.0: RefactoringScale AI SEAL–44.8%
SWE Atlas v1.0: Test WritingScale AI SEAL–42.6%
MirrorCodeEpoch AI Benchmarking Hub–23.3%
Surface Evolver BenchEpoch AI Benchmarking Hub–88.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–67.0%
ALE-BenchEpoch AI Benchmarking Hub–1943.0
Terminal-Bench 4.0 (AA)Artificial Analysis12.1%14.7%
Terminal-Bench 2.1 (AA)Artificial Analysis74.2%84.3%
GameBench 2 OverallDuelLab GameBench 2–49.2†
GameBench 2 by reasoning settingDuelLab GameBench 2–59.9
Design Arena WebsiteDesign Arena–1248†
智能体与工具
Terminal-BenchTerminal-Bench–84.7%†
OSWorld-Verified 2.0OSWorld–13.0%
Remote Labor IndexScale AI / CAIS–6.3%†
APEX-AgentsMercor–55.1%†
LiveBench Agentic CodingLiveBench65.1%†54.0%
Terminal-Bench HardArtificial Analysis–60.6%
τ²-Bench Telecom (AA)Artificial Analysis–93.9%
Terminal-Bench 2.1 (Vals)Vals AI–57.3%†
MCP AtlasScale AI SEAL–75.3%
HiL-BenchScale AI SEAL–39.7%†
τ³-bench Bankingτ²-bench–44.6%
GDPval-AA v2.1, normalised scoreArtificial Analysis52.3%–
GDPval-AA v2.1Artificial Analysis15551357
τ³-Banking (AA)Artificial Analysis41.0%39.0%
ITBench SRE (AA)Artificial Analysis–45.8%
Analyst Agent (AA)Artificial Analysis–50.0%
APEX-Agents (AA)Artificial Analysis–37.7%
Finance Agent v2Vals AI–51.8%
Harvey's Legal Agent Benchmark v1Vals AI–3.8%
Legal Research BenchVals AI–40.4%
SkillsBenchVals AI–62.2%
SREBenchVals AI–3.8%
Tax Agent BenchVals AI–21.8%
Terminal-Bench 2.0 (Vals)Vals AI–73.2%†
Time Horizon Index: KSPVals AI–8.3%
Arena SearchArena (LMArena)–1226†
DeepResearch BenchDeepResearch Bench–54.0%†
PostTrainBenchEpoch AI Benchmarking Hub–23.9%
ExploitBenchEpoch AI Benchmarking Hub–47.4%†
GBAEvalEpoch AI Benchmarking Hub–53.2%†
Vending-Bench 2Andon Labs–7523.8†
AutomationBenchArtificial Analysis47.5%47.3%
GDP.pdf (AA)Artificial Analysis12.0%21.2%
EnterpriseOps-GymArtificial Analysis47.1%46.6%
AA-Briefcase v1.1Artificial Analysis14181135
Design Arena AgenticDesign Arena–1113†
RoboDojo (LLM as robot policy)RoboDojo–1.1†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–85.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub–72.5%
OTIS Mock AIMEEpoch AI Benchmarking Hub–84.4%†
ProofBenchVals AI–50.0%
LiveBench MathematicsLiveBench87.8%†95.9%
AIME 2026MathArena–100.0%
HMMT February 2026MathArena–98.5%
USAMO 2026MathArena–98.2%
MathArena ApexMathArena–80.2%
Arena MathsArena (LMArena)–1500†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–63.0%
LiveBench 1.0 Data AnalysisLiveBench79.5%†81.6%
MMLU-ProVals AI–88.1%
LegalBenchVals AI–86.5%
CorpFinVals AI–68.4%
TaxEvalVals AI–75.0%
CaseLaw v2Vals AI–66.2%
Excel Modeling BenchmarkVals AI–64.5%
MedCodeVals AI–49.1%
MedScribeVals AI–86.9%
Public Benefits Bench v1.1Vals AI–60.9%
DrugDiscoveryBenchScale AI SEAL–51.6%
EBR-benchEpoch AI Benchmarking Hub–34.3%
GDP.pdfEpoch AI Benchmarking Hub–26.0%
指令遵循
LiveBench LanguageLiveBench80.4%†87.4%
LiveBench Instruction FollowingLiveBench71.0%†70.7%
IFBenchArtificial Analysis–75.8%
Arena Instruction FollowingArena (LMArena)–1475†
人类偏好
Arena TextArena (LMArena)–1476†
EQ-Bench 4EQ-Bench–1295†
EQ-Bench Creative Writing v3EQ-Bench–1845†
Arena Creative WritingArena (LMArena)–1448†
Arena Multi-turnArena (LMArena)–1484†
Arena Longer QueriesArena (LMArena)–1486†
多模态
Arena VisionArena (LMArena)–1296†
MMMU-ProArtificial Analysis74.8%79.9%
MMMU-Pro (Vals)Vals AI–88.3%
MortgageTaxVals AI–68.8%
Blueprint-Bench 2Epoch AI Benchmarking Hub–36.2%†
Furniture AssemblyEpoch AI Benchmarking Hub–44.2%
Code2Video-AAArtificial Analysis–1000
长上下文
AA-LCR v1.1Artificial Analysis81.3%84.3%
Arena DocumentArena (LMArena)–1479†
MLCRArtificial Analysis–28.9%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–160.1†
LiveBench 1.0LiveBench76.8%†80.2%
AA Intelligence Index v4.3.2Artificial Analysis34.838.4
AA Progress Index v1Artificial Analysis308.5320
Vals RSI IndexVals AI–16.5%
Vals Multimodal IndexVals AI–68.1%
安全与诚实
FORTRESSScale AI SEAL–16.3%

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • GPT-5.5 (xhigh):1 项新结果(GDPval-AA v2.1)。
  • GPT-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
  • GPT-5.5 (xhigh):1 项分数修订。
  • GPT-5.5 (xhigh):1 项新结果(MirrorCode)。
  • GPT-5.5 (xhigh):1 项分数修订。
  • Deepseek v4 Flash Vision (max):2 项新结果(AA Progress Index v1, HLE-Diamond (AA))。
  • GPT-5.5 (xhigh):1 项新结果(AA Progress Index v1)。
  • GPT-5.5 (xhigh):价格 $2.63/M → $2.10/M。
  • Deepseek v4 Flash Vision (max):1 项新结果(AA-Briefcase v1.1)。
  • GPT-5.5 (xhigh):1 项新结果(AA-Briefcase v1.1)。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Deepseek v4 Flash Vision vs GPT-5.5:常见问题

Deepseek v4 Flash Vision 和 GPT-5.5 哪个更便宜?价格会变吗?
目前 Deepseek v4 Flash Vision 更便宜:每百万 token $0.262 比 $11.25(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
Deepseek v4 Flash Vision 和 GPT-5.5 哪个更快?
Deepseek v4 Flash Vision 输出更快(约 2 倍;输出 163 比 81 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Deepseek v4 Flash Vision 还是 GPT-5.5 更好?
Deepseek v4 Flash Vision 在智能体任务方面得分更高(类别得分 70 比 62,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 τ³-Banking (AA) 上,Deepseek v4 Flash Vision 为 41.0%,GPT-5.5 为 39.0%。
处理长文档哪个更好?
GPT-5.5 在长上下文基准测试上得分更高(67 比 65)。两者都约为 1.1M token(Deepseek v4 Flash Vision 为 1,048,576,GPT-5.5 为 1,050,000)。
哪个延迟更低?
GPT-5.5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 38.3 秒比 43.1 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
更多问题(2)
第三方基准测试对 Deepseek v4 Flash Vision 和 GPT-5.5 的看法一致吗?
在两者都有结果的 15 项基准测试中,Deepseek v4 Flash Vision 领先 5 项,GPT-5.5 领先 10 项。
Deepseek v4 Flash Vision 是什么时候发布的?
Deepseek v4 Flash Vision 于 2026年8月21日 发布。