BenchLeader

Deepseek v4 Flash Vision vs GPT-5.6 Sol

完整资料:Deepseek v4 Flash Vision(DeepSeek)和 GPT-5.6 Sol(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 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 31 倍(每百万 token 混合价格 $0.262 比 $8.00)。看重智能体与工具(70 比 68)选 Deepseek v4 Flash Vision;看重推理(65 比 47)、多模态(66 比 57)和长上下文(67 比 65)选 GPT-5.6 Sol。Deepseek v4 Flash Vision 的输出更快(约 1.5 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-5.6 Sol 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • Deepseek v4 Flash Vision 比 GPT-5.6 Sol 输出更快(约 1.5 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-5.6 Sol 领先 14 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 68;τ³-Banking (AA) 41.0% 比 44.3%中
推理GPT-5.6 Sol类别得分 65 比 47;GPQA Diamond (AA) 94.1% 比 91.3%高
长文档GPT-5.6 Sol类别得分 67 比 65;AA-LCR v1.1 84.0% 比 81.3%中
图像及其他媒体GPT-5.6 Sol类别得分 66 比 57;MMMU-Pro 83.4% 比 74.8%高
成本最低Deepseek v4 Flash Vision每百万 token 混合价格 $0.660 比 $8.00;智能体编程会话 $0.032 比 $0.320–
首次回答最快均可首个回答 token 43.1 秒(Deepseek v4 Flash Vision (max))比 33.5 秒(GPT-5.6 Sol (max))–
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-5.6 Sol (max) 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 31 倍(每百万 token 混合价格 $0.262 比 $8.00)。
  • Deepseek v4 Flash Vision (max) 的输出速度是对方的 1.6 倍(163 比 100 token/秒)。

概览

规格Deepseek v4 Flash VisionGPT-5.6 Sol
提供商DeepSeekOpenAI
发布日期2026年8月21日2026年7月9日
上下文窗口(token)1,048,5761,050,000
对比时的配置Deepseek v4 Flash Vision (max)GPT-5.6 Sol (max)
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$4.00 / $20.00 / $0.400

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-5.6 Sol (max)领先者
推理47.164.7GPT-5.6 Sol
编程–65.8无法比较
智能体与工具70.067.5Deepseek v4 Flash Vision
数学–70.0无法比较
知识–63.8无法比较
指令遵循–71.2无法比较
多模态57.165.9GPT-5.6 Sol
长上下文65.366.7GPT-5.6 Sol

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-5.6 Sol, 推理: 64.7GPT-5.6 Sol, 智能体与工具: 67.5GPT-5.6 Sol, 长上下文: 66.7GPT-5.6 Sol, 多模态: 65.9

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 1 项,GPT-5.6 Sol 领先 14 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-5.6 Sol (max)
每百万 token 混合价格$0.660$8.00
每百万 token 输入 / 输出$0.440 / $1.32$4.00 / $20.00
每百万 token 缓存输入$0.0030$0.400
每项任务价格:聊天回复$0.0006$0.0076
每项任务价格:总结一份 30 页的报告$0.0061$0.060
每项任务价格:代码编辑$0.0046$0.054
每项任务价格:智能体编程会话$0.032$0.320
每项任务价格:结构化信息提取$0.0011$0.012
智能体编程会话(输入大多命中缓存)$0.012$0.158
输出速度163 tok/s100 tok/s
首次回答时间43.1 秒33.5 秒
完整回答耗时(最近一次测量 2026年11月13日)97.8 秒157.3 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-5.6 Sol (max) 得分 65.3,首个回答 token 需 34 秒;GPT-5.6 Sol (xhigh) 为 63.9(17 秒),GPT-5.6 Sol (high) 为 63.4(10 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 153 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-5.6 Sol (max)
BenchLeader IndexBenchLeader–65.3
智能体与工具得分BenchLeader70.067.5
长上下文得分BenchLeader65.366.7
多模态得分BenchLeader57.165.9
推理得分BenchLeader47.164.7
编程得分BenchLeader–65.8
指令遵循得分BenchLeader–71.2
知识得分BenchLeader–63.8
数学得分BenchLeader–70.0
混合价格(美元/百万 token)BenchLeader$0.660$8.00
输出速度BenchLeader163 tok/s100 tok/s
首次回答时间BenchLeader43.1 秒33.5 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–93.5%
SimpleBenchSimpleBench–64.8%†
Arena Hard PromptsArena (LMArena)–1511†
LiveBench 1.0 ReasoningLiveBench85.4%†91.7%
GPQA Diamond (AA)Artificial Analysis91.3%94.1%
Humanity's Last Exam (AA)Artificial Analysis34.5%49.5%
HLE-Diamond (AA)Artificial Analysis21.1%–
GPQA Diamond (Vals)Vals AI–95.2%
EnigmaEvalScale AI SEAL–37.1%†
Kagi LLM BenchmarkKagi LLM Benchmark–67.0%†
ARC-AGI-1ARC Prize–96.5%
ARC-AGI-2ARC Prize–92.5%
ARC-AGI-3ARC Prize–7.8%
CritPtArtificial Analysis10.9%32.3%
CritPt v2 hard subset (AA)Artificial Analysis–60.0%
MysteryMechanismVals AI–33.3%
HLE-Diamond (Scale)Scale AI SEAL–31.2%†
Arena ExpertArena (LMArena)–1532†
Chess PuzzlesEpoch AI Benchmarking Hub–59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–58.0%
LMCAEpoch AI Benchmarking Hub–58.4%
DTBenchEpoch AI Benchmarking Hub–95.5%
ForecastBenchForecastBench–65.7%
BTF-3Epoch AI Benchmarking Hub–13.7%
编程
SciCodeSciCode–57.1%
显示全部 153 项基准测试
指标发布方Deepseek v4 Flash Vision (max)GPT-5.6 Sol (max)
编程
WeirdMLWeirdML–87.0%
FrontierCodeCognition–47.5%†
GSO-BenchGSO-Bench–76.5%†
Arena CodingArena (LMArena)–1533†
Arena WebDevArena (LMArena)–1615†
LiveBench 1.0 CodingLiveBench68.2%†83.9%
SciCode (AA)Artificial Analysis49.6%57.1%
LiveCodeBenchVals AI–82.6%
IOIVals AI–91.2%
SWE-bench (Vals)Vals AI–96.2%
Code MigrationVals AI–52.9%
ProgramBenchVals AI–1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI–80.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–46.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–45.9%†
SWE-Bench Pro V2Scale AI SEAL–95.5%†
SWE-Bench Pro V2 HARDScale AI SEAL–82.4%†
MirrorCodeEpoch AI Benchmarking Hub–20.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub–93.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–72.7%
CursorBenchCursor–41.7%
ALE-BenchEpoch AI Benchmarking Hub–2176.9
FrontierSWEEpoch AI Benchmarking Hub–32.2%
WeirdML v3WeirdML–15.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis12.1%39.9%
Terminal-Bench 2.1 (AA)Artificial Analysis74.2%88.0%
Startrise FrontendStartrise–66.2%†
GameBench 2 OverallDuelLab GameBench 2–67.0†
GameBench 2 by reasoning settingDuelLab GameBench 2–80.0†
Design Arena WebsiteDesign Arena–1319†
智能体与工具
Terminal-BenchTerminal-Bench–38.5%
OSWorld-Verified 2.0OSWorld–27.3%
APEX-AgentsMercor–51.4%†
Arena AgentArena (LMArena)–4.6†
LiveBench Agentic CodingLiveBench65.1%†56.2%
Terminal-Bench HardArtificial Analysis–65.9%
τ²-Bench Telecom (AA)Artificial Analysis–85.1%
Terminal-Bench 2.1 (Vals)Vals AI–85.8%
HiL-BenchScale AI SEAL–32.3%†
τ³-bench Bankingτ²-bench–46.9%†
GDPval-AA v2.1, normalised scoreArtificial Analysis52.3%–
GDPval-AA v2.1Artificial Analysis15551619
τ³-Banking (AA)Artificial Analysis41.0%44.3%
ITBench SRE (AA)Artificial Analysis–56.2%
Analyst Agent (AA)Artificial Analysis–47.5%
CUA-benchVals AI–8.3%
CyberBenchVals AI–76.3%
Finance Agent v2Vals AI–53.8%
Harvey's Legal Agent Benchmark v1Vals AI–2.5%
Legal Research BenchVals AI–48.1%
SkillsBenchVals AI–54.1%
SREBenchVals AI–30.5%
Tax Agent BenchVals AI–31.1%
Terminal-Bench 4.0 (Vals)Vals AI–37.9%
Terminal-Bench ScienceVals AI–20.0%
Time Horizon Index: KSPVals AI–23.8%
Web Search IndexVals AI–43.6%
Arena SearchArena (LMArena)–1255†
Arena Agent Task CompletionArena (LMArena)–2.3†
BALROGBALROG–60.0%
PostTrainBenchEpoch AI Benchmarking Hub–31.0%
GBAEvalEpoch AI Benchmarking Hub–52.6%†
Vending-Bench 2Andon Labs–9619.4†
AutomationBenchArtificial Analysis47.5%60.1%
GDP.pdf (AA)Artificial Analysis12.0%27.2%
EnterpriseOps-GymArtificial Analysis47.1%42.9%
AA-Briefcase v1.1Artificial Analysis14181479
Design Arena AgenticDesign Arena–1238†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–22.4%
FACTS SearchGoogle–92.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–89.1%
FrontierMath Tier 4Epoch AI Benchmarking Hub–82.9%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
ProofBenchVals AI–83.0%
LiveBench MathematicsLiveBench87.8%†96.2%
Arena MathsArena (LMArena)–1494†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–69.7%
LiveBench 1.0 Data AnalysisLiveBench79.5%†79.8%
MMLU-ProVals AI–89.1%
LegalBenchVals AI–87.0%
CorpFinVals AI–64.4%
TaxEvalVals AI–74.8%
PRBench FinanceScale AI SEAL–50.5%
PRBench LegalScale AI SEAL–50.5%
BioMysteryBenchVals AI–71.1%
Excel Modeling BenchmarkVals AI–72.3%
MedCodeVals AI–44.0%
MedScribeVals AI–85.2%
Public Benefits Bench v1.1Vals AI–66.5%
Financial Coaching BenchVals AI–74.9%
DrugDiscoveryBenchScale AI SEAL–56.5%
EBR-benchEpoch AI Benchmarking Hub–44.8%
GDP.pdfEpoch AI Benchmarking Hub–30.7%
FACTS ParametricGoogle–81.1%†
指令遵循
LiveBench LanguageLiveBench80.4%†87.7%
LiveBench Instruction FollowingLiveBench71.0%†71.8%
IFBenchArtificial Analysis–72.7%
Arena Instruction FollowingArena (LMArena)–1490†
人类偏好
Arena TextArena (LMArena)–1485†
EQ-Bench 4EQ-Bench–1236†
EQ-Bench Creative Writing v3EQ-Bench–1974†
Arena Creative WritingArena (LMArena)–1471†
Arena Multi-turnArena (LMArena)–1491†
Arena Longer QueriesArena (LMArena)–1498†
多模态
Arena VisionArena (LMArena)–1282†
MMMU-ProArtificial Analysis74.8%83.4%
MMMU-Pro (Vals)Vals AI–88.8%
MortgageTaxVals AI–67.3%
Humanity's Sixth SenseScale AI SEAL–30.0%
GeoBenchGeoBench–73.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub–56.7%
FACTS MultimodalGoogle–46.4%†
长上下文
AA-LCR v1.1Artificial Analysis81.3%84.0%
Arena DocumentArena (LMArena)–1487†
MLCRArtificial Analysis–30.0%
FACTS GroundingGoogle–61.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–163.0†
LiveBench 1.0LiveBench76.8%†81.0%
AA Intelligence Index v4.3.2Artificial Analysis34.847.0
AA Progress Index v1Artificial Analysis308.5331.5
Vals RSI IndexVals AI–23.9%
Vals Science IndexVals AI–41.5%
Vals Multimodal IndexVals AI–72.6%
安全与诚实
FORTRESSScale AI SEAL–20.1%†
DistressBenchScale AI SEAL–73.6%†

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-5.6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-5.6 Sol (max):1 项分数修订。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • GPT-5.6 Sol (max):1 项分数修订。
  • GPT-5.6 Sol (max):1 项分数修订。
  • Deepseek v4 Flash Vision (max):2 项新结果(AA Progress Index v1, HLE-Diamond (AA))。
  • GPT-5.6 Sol (max):2 项新结果(AA Progress Index v1, CritPt v2 hard subset (AA))。
  • Deepseek v4 Flash Vision (max):1 项新结果(AA-Briefcase v1.1)。
  • GPT-5.6 Sol (max):1 项新结果(AA-Briefcase v1.1)。
  • GPT-5.6 Sol (max):3 项新结果(Harvey's Legal Agent Benchmark v1, Vals RSI Index, Vals Science Index)。

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-5.6 Sol:常见问题

Deepseek v4 Flash Vision 和 GPT-5.6 Sol 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 $8.00(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-5.6 Sol 哪个更快?
Deepseek v4 Flash Vision 输出更快(约 1.5 倍;输出 163 比 100 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-5.6 Sol 更好?
Deepseek v4 Flash Vision 在智能体任务方面得分更高(类别得分 70 比 68,50 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-5.6 Sol 为 44.3%。
处理长文档哪个更好?
GPT-5.6 Sol 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-5.6 Sol 为 1,050,000)。
哪个延迟更低?
GPT-5.6 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 33.5 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-5.6 Sol 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 1 项,GPT-5.6 Sol 领先 14 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。