BenchLeader

DeepSeek V4 Flash vs DeepSeek V4 Pro

完整资料:DeepSeek V4 Flash(DeepSeek)和 DeepSeek V4 Pro(DeepSeek),包括全部基准测试、价格和排名。

更新于 · 数据来自 8 个来源

截至 2026年11月16日,DeepSeek V4 Flash 与 DeepSeek V4 Pro 的质量不相上下(BenchLeader Index 57.2 比 56.0,在 ±5.9 的误差范围内)。DeepSeek V4 Flash 更便宜,对方的价格是它的 3.8 倍(每百万 token 混合价格 $0.262 比 $0.990)。看重知识(55 比 41)、推理(59 比 56)和编程(55 比 52)选 V4 Flash;看重人类偏好(65 比 62)和数学(65 比 62)选 V4 Pro。V4 Flash 的首次回答更快(0.7 秒 比 42.8 秒)。V4 Flash 的输出更快。

要点(截至 2026年11月16日)

  • DeepSeek V4 Flash 的 BenchLeader Index 为 57.2,DeepSeek V4 Pro 为 56.0(BenchLeader,2026年11月16日)。
  • DeepSeek V4 Flash 每百万 token 混合价格为 $0.262(标价,2026年11月16日)。
  • DeepSeek V4 Pro 每百万 token 混合价格为 $0.990(标价,2026年11月16日)。
  • DeepSeek V4 Flash 比 DeepSeek V4 Pro 输出更快(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,DeepSeek V4 Pro 领先 13 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,DeepSeek V4 Flash 的评分为 1582,DeepSeek V4 Pro 为 1581(LMArena,截至 2026年11月16日 的公布数据)。

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
编程DeepSeek V4 Flash类别得分 55 比 52;Arena WebDev 1582 比 1581中
数学DeepSeek V4 Pro类别得分 65 比 62;Arena Maths 1465 比 1441中
推理DeepSeek V4 Flash类别得分 59 比 56;ARC-AGI-2 56.0% 比 59.7%中
知识DeepSeek V4 Flash类别得分 55 比 41高
对话质量(人类偏好)DeepSeek V4 ProArena 投票 65 比 62中
成本最低DeepSeek V4 Flash每百万 token 混合价格 $0.262 比 $1.98;智能体编程会话 $0.011 比 $0.095–
首次回答最快DeepSeek V4 Flash首个回答 token 0.7 秒(DeepSeek V4 Flash (high))比 42.8 秒(DeepSeek V4 Pro (high))–
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

  • DeepSeek V4 Flash (high) 与 DeepSeek V4 Pro (high) 的质量不相上下(57.2 比 56.0,在 ±5.9 的误差范围内)。
  • DeepSeek V4 Flash (high) 在编程、知识、推理方面更强。
  • DeepSeek V4 Pro (high) 在人类偏好、数学方面更强。
  • DeepSeek V4 Flash (high) 更便宜,对方的价格是它的 3.8 倍(每百万 token 混合价格 $0.262 比 $0.990)。

概览

规格DeepSeek V4 FlashDeepSeek V4 Pro
提供商DeepSeekDeepSeek
发布日期2026年7月31日2026年8月13日
上下文窗口(token)1,048,5761,048,576
对比时的配置DeepSeek V4 Flash (high)DeepSeek V4 Pro (high)
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.150 / $0.600 / $0.0030$1.32 / $3.96 / $0.022

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 (high)DeepSeek V4 Pro (high)领先者
推理59.255.6DeepSeek V4 Flash
编程55.051.5DeepSeek V4 Flash
数学61.964.5DeepSeek V4 Pro
知识54.841.2DeepSeek V4 Flash
人类偏好62.065.0DeepSeek V4 Pro
长上下文–64.3无法比较

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推理编程数学知识人类偏好DeepSeek V4 Flash, 推理: 59.2DeepSeek V4 Flash, 编程: 55.0DeepSeek V4 Flash, 数学: 61.9DeepSeek V4 Flash, 知识: 54.8DeepSeek V4 Flash, 人类偏好: 62.0DeepSeek V4 Pro, 推理: 55.6DeepSeek V4 Pro, 编程: 51.5DeepSeek V4 Pro, 数学: 64.5DeepSeek V4 Pro, 知识: 41.2DeepSeek V4 Pro, 人类偏好: 65.0

未绘制(测得的模型少于两个):智能体与工具, 指令遵循, 长上下文, 多模态。

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 领先 2 项,DeepSeek V4 Pro 领先 13 项。所有同时评测两者的综合评分都认为 DeepSeek V4 Pro 更强。

综合 IndexDeepSeek V4 Flash (high)DeepSeek V4 Pro (high)领先者
BenchLeader Index57.256.0不相上下
Arena Text14391464DeepSeek V4 Pro

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 (high)DeepSeek V4 Pro (high)
每百万 token 混合价格$0.262$1.98
每百万 token 输入 / 输出$0.150 / $0.600$1.32 / $3.96
每百万 token 缓存输入$0.0030$0.022
每项任务价格:聊天回复$0.0002$0.0017
每项任务价格:总结一份 30 页的报告$0.0022$0.018
每项任务价格:代码编辑$0.0018$0.014
每项任务价格:智能体编程会话$0.011$0.095
每项任务价格:结构化信息提取$0.0004$0.0034
智能体编程会话(输入大多命中缓存)$0.0048$0.037
每项基准测试任务成本(AA Index)–$0.849
每项任务输出 token(AA Index)–70k
其中推理部分–45k
每项任务耗时(AA Index)–15 min
输出速度82 tok/s80 tok/s
首次回答时间0.7 秒42.8 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 (high) 得分 57.2,首个回答 token 需 1 秒;DeepSeek V4 Flash (max) 为 56.8(28 秒),DeepSeek V4 Flash 为 53.8(1 秒)。DeepSeek V4 Pro (high) 得分 56.0,首个回答 token 需 43 秒;DeepSeek V4 Pro (max) 为 54.7(47 秒),DeepSeek V4 Pro 为 53.0(1 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 125 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 (high)DeepSeek V4 Pro (high)
BenchLeader IndexBenchLeader57.256.0
编程得分BenchLeader55.051.5
人类偏好得分BenchLeader62.065.0
知识得分BenchLeader54.841.2
数学得分BenchLeader61.964.5
推理得分BenchLeader59.255.6
长上下文得分BenchLeader–64.3
混合价格(美元/百万 token)BenchLeader$0.262$1.98
输出速度BenchLeader82 tok/s80 tok/s
首次回答时间BenchLeader0.7 秒42.8 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub91.0%†90.9%
SimpleBenchSimpleBench61.1%†–
Arena Hard PromptsArena (LMArena)14591482
LiveBench 1.0 ReasoningLiveBench86.6%†85.8%†
GPQA Diamond (AA)Artificial Analysis90.8%†92.8%†
Humanity's Last Exam (AA)Artificial Analysis38.5%†41.5%
HLE-Diamond (AA)Artificial Analysis–20.5%
GPQA Diamond (Vals)Vals AI89.9%92.4%†
Kagi LLM BenchmarkKagi LLM Benchmark52.2%†53.5%†
ARC-AGI-1ARC Prize87.0%87.2%
ARC-AGI-2ARC Prize56.0%59.7%
CritPtArtificial Analysis16.6%†18.6%
CritPt v2 hard subset (AA)Artificial Analysis–28.5%
HLE-Diamond (Scale)Scale AI SEAL–13.4%†
Arena ExpertArena (LMArena)14671481
Chess PuzzlesEpoch AI Benchmarking Hub32.0%†16.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%†43.0%†
CL-bench LifeEpoch AI Benchmarking Hub–13.5%
LMCAEpoch AI Benchmarking Hub41.7%†45.5%†
DTBenchEpoch AI Benchmarking Hub90.9%†93.9%†
ForecastBenchForecastBench–60.7%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–77.6%†
SciCodeSciCode42.0%46.4%
WeirdMLWeirdML57.0%46.5%
FrontierCodeCognition18.8%†28.6%
显示全部 125 项基准测试
指标发布方DeepSeek V4 Flash (high)DeepSeek V4 Pro (high)
编程
Arena CodingArena (LMArena)14801503
Arena WebDevArena (LMArena)15821581
LiveBench 1.0 CodingLiveBench75.0%†77.2%†
SciCode (AA)Artificial Analysis50.4%†51.7%
LiveCodeBenchVals AI87.3%87.5%†
IOIVals AI32.7%51.6%†
SWE-bench (Vals)Vals AI88.8%96.4%†
Code MigrationVals AI38.6%41.5%†
Code Migration v1.1Vals AI–52.0%†
ProgramBenchVals AI0.0%0.0%†
Vibe Code Bench 1-100Vals AI–17.5%†
Vibe Code Bench v1.1Vals AI74.7%82.3%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL–27.1%†
SWE Atlas v1.0: Test WritingScale AI SEAL–27.1%†
MirrorCodeEpoch AI Benchmarking Hub–33.3%†
Surface Evolver BenchEpoch AI Benchmarking Hub–40.0%
ALE-BenchEpoch AI Benchmarking Hub678.21006.1
Terminal-Bench 4.0 (AA)Artificial Analysis12.1%†6.1%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†78.7%†
Startrise FrontendStartrise–62.7%†
GameBench 2 OverallDuelLab GameBench 234.1†41.9†
GameBench 2 by reasoning settingDuelLab GameBench 243.445.1
Design Arena WebsiteDesign Arena1199†1227†
FrontierCode 1.1 (AA)Artificial Analysis–38.8%†
FrontierCode 2.0 (AA)Artificial Analysis–16.7%
智能体与工具
Terminal-BenchTerminal-Bench–6.7%†
APEX-AgentsMercor–47.3%†
LiveBench Agentic CodingLiveBench46.8%†55.0%†
Terminal-Bench 2.1 (Vals)Vals AI67.0%†50.2%†
HiL-BenchScale AI SEAL47.8%†38.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–47.5%†
GDPval-AA v2.1Artificial Analysis1437†1336
τ³-Banking (AA)Artificial Analysis39.4%†39.6%†
CyberBenchVals AI72.1%72.9%†
Finance Agent v2Vals AI49.5%50.4%†
Finance Agent v2.1Vals AI–57.1%†
Harvey's Legal Agent Benchmark v1.1Vals AI–10.8%†
Harvey's Legal Agent Benchmark v1Vals AI8.3%7.5%†
Legal Research BenchVals AI30.3%40.9%†
SkillsBenchVals AI50.7%53.8%†
SREBenchVals AI–1.9%†
Tax Agent BenchVals AI28.1%26.8%†
Terminal-Bench 2.0 (Vals)Vals AI–56.2%†
Terminal-Bench 4.0 (Vals)Vals AI18.7%14.1%†
Terminal-Bench ScienceVals AI4.3%4.3%†
Vending-Bench 2Andon Labs–3284.5†
AutomationBenchArtificial Analysis54.0%†46.2%
GDP.pdf (AA)Artificial Analysis11.0%†10.4%
EnterpriseOps-GymArtificial Analysis–49.6%†
AA-Briefcase v1.1Artificial Analysis1255†1148
Design Arena AgenticDesign Arena–927†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–1.9%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub57.5%†64.6%†
FrontierMath Tier 4Epoch AI Benchmarking Hub24.4%†26.8%†
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†95.6%
ProofBenchVals AI56.0%†50.0%†
LiveBench MathematicsLiveBench86.8%†95.1%†
AIME 2026MathArena95.8%†96.7%†
HMMT February 2026MathArena93.9%†93.9%†
USAMO 2026MathArena–60.7%†
MathArena ApexMathArena27.1%†28.1%†
Arena MathsArena (LMArena)14411465
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.6%†52.9%†
LiveBench 1.0 Data AnalysisLiveBench79.3%†79.2%†
AA-Omniscience v1.1Artificial Analysis–-6.5
MMLU-ProVals AI86.2%87.3%†
LegalBenchVals AI77.7%82.4%†
CorpFinVals AI61.9%65.4%†
TaxEvalVals AI70.7%73.1%†
BioMysteryBenchVals AI64.4%–
CaseLaw v2Vals AI–59.4%†
Excel Modeling BenchmarkVals AI57.0%52.8%†
Excel Modeling Benchmark v1.1Vals AI–65.1%†
MedCodeVals AI41.4%42.5%†
MedScribeVals AI80.4%80.2%†
Public Benefits Bench v1.1Vals AI–62.9%†
Immigration BenchVals AI–61.7%†
DrugDiscoveryBenchScale AI SEAL–31.7%†
AA-Omniscience v1.1: accuracyArtificial Analysis–45.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–5.9%
指令遵循
LiveBench LanguageLiveBench79.2%†82.1%†
LiveBench Instruction FollowingLiveBench65.5%†67.7%†
Arena Instruction FollowingArena (LMArena)14341461
人类偏好
Arena TextArena (LMArena)14391464
EQ-Bench 4EQ-Bench–1156†
EQ-Bench Creative Writing v3EQ-Bench1559†1553†
Arena Creative WritingArena (LMArena)14111444
Arena Multi-turnArena (LMArena)14471469
Arena Longer QueriesArena (LMArena)14491474
长上下文
AA-LCR v1.1Artificial Analysis79.7%†79.3%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.4†155.9†
LiveBench 1.0LiveBench74.2%†77.4%†
AA Intelligence Index v5.0.1Artificial Analysis–20.8
AA Intelligence Index v4.3.2Artificial Analysis34.3†36†
AA Progress Index v1Artificial Analysis309.4†311.5†
Vals IndexVals AI–53.0†
Vals Finance IndexVals AI–52.9%†
Vals Router IndexVals AI–53.0%†
Vals Legal IndexVals AI–69.0%†
元数据
AA Openness IndexArtificial Analysis44.4†44.4

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

  • DeepSeek V4 Flash (high):1 项分数修订。
  • DeepSeek V4 Pro (high):BenchLeader Index 59.1 → 56.0。
  • DeepSeek V4 Pro (high):17 项新结果(AA Intelligence Index v5.0.1, Humanity's Last Exam (AA), HLE-Diamond (AA)…);输入价格 $0.66/M → $1.32/M;输出价格 $1.98/M → $3.96/M。
  • DeepSeek V4 Pro (high):BenchLeader Index 57.5 → 59.1。
  • DeepSeek V4 Pro (high):1 项分数修订。
  • DeepSeek V4 Flash (high):1 项分数修订。
  • DeepSeek V4 Pro (high):1 项分数修订。
  • DeepSeek V4 Flash (high):1 项新结果(GameBench 2 by reasoning setting)。
  • DeepSeek V4 Flash (high):1 项新结果(Harvey's Legal Agent Benchmark v1)。
  • DeepSeek V4 Flash (high):BenchLeader Index 59.3 → 57.3。

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 vs DeepSeek V4 Pro:常见问题

DeepSeek V4 Flash 比 DeepSeek V4 Pro 更好吗?
DeepSeek V4 Flash (high) 与 DeepSeek V4 Pro (high) 的质量不相上下(57.2 比 56.0,在 ±5.9 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
DeepSeek V4 Flash 和 DeepSeek V4 Pro 哪个更便宜?价格会变吗?
目前 DeepSeek V4 Flash 更便宜:每百万 token $0.262 比 $0.990(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。
编程用 DeepSeek V4 Flash 还是 DeepSeek V4 Pro 更好?
DeepSeek V4 Flash 在编程方面得分更高(类别得分 55 比 52,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,DeepSeek V4 Flash 为 1582,DeepSeek V4 Pro 为 1581。
DeepSeek V4 Flash 和 DeepSeek V4 Pro 哪个更快?
DeepSeek V4 Flash 输出更快(输出 82 比 80 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都支持 1,048,576 token 的上下文。
更多问题(3)
哪个延迟更低?
DeepSeek V4 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 0.7 秒比 42.8 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 DeepSeek V4 Flash 和 DeepSeek V4 Pro 的看法一致吗?
在两者都有结果的 15 项基准测试中,DeepSeek V4 Flash 领先 2 项,DeepSeek V4 Pro 领先 13 项。所有同时评测两者的综合评分都认为 DeepSeek V4 Pro 更强。
DeepSeek V4 Pro 是什么时候发布的?
DeepSeek V4 Pro 于 2026年8月13日 发布。