DeepSeek V4 Flash vs Gemini 3 Pro
完整资料:DeepSeek V4 Flash(DeepSeek)和 Gemini 3 Pro(Google),包括全部基准测试、价格和排名。
更新于 · 数据来自 15 个来源
截至 2026年11月16日,DeepSeek V4 Flash 与 Gemini 3 Pro 的质量不相上下(BenchLeader Index 57.2 比 60.0,在 ±5.2 的误差范围内)。DeepSeek V4 Flash 更便宜,对方的价格是它的 17 倍(每百万 token 混合价格 $0.262 比 $4.50)。看重数学(62 比 54)选 DeepSeek V4 Flash;看重人类偏好(68 比 62)、推理(63 比 59)和编程(58 比 55)选 Gemini 3 Pro。
要点(截至 2026年11月16日)
- DeepSeek V4 Flash 的 BenchLeader Index 为 57.2,Gemini 3 Pro 为 60.0(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)。
- Gemini 3 Pro 每百万 token 混合价格为 $4.50(标价,2026年11月16日)。
- 在两者都有结果的 15 项基准测试中,Gemini 3 Pro 领先 11 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,DeepSeek V4 Flash 的评分为 1582,Gemini 3 Pro 为 1441(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”。
主要差异
- DeepSeek V4 Flash (high) 与 Gemini 3 Pro 的质量不相上下(57.2 比 60.0,在 ±5.2 的误差范围内)。
- DeepSeek V4 Flash (high) 在数学方面更强。
- Gemini 3 Pro 在编程、人类偏好、知识、推理方面更强。
- DeepSeek V4 Flash (high) 更便宜,对方的价格是它的 17 倍(每百万 token 混合价格 $0.262 比 $4.50)。
概览
| 规格 | DeepSeek V4 Flash | Gemini 3 Pro |
|---|---|---|
| 提供商 | DeepSeek | |
| 发布日期 | 2026年7月31日 | 2025年11月18日 |
| 上下文窗口(token) | 1,048,576 | – |
| 对比时的配置 | DeepSeek V4 Flash (high) | Gemini 3 Pro |
| 开放权重 | 是 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $0.150 / $0.600 / $0.0030 | – |
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) | Gemini 3 Pro | 领先者 |
|---|---|---|---|
| 推理 | 59.2 | 62.6 | Gemini 3 Pro |
| 编程 | 55.0 | 57.8 | Gemini 3 Pro |
| 智能体与工具 | – | 61.7 | 无法比较 |
| 数学 | 61.9 | 54.0 | DeepSeek V4 Flash |
| 知识 | 54.8 | 55.9 | Gemini 3 Pro |
| 指令遵循 | – | 61.1 | 无法比较 |
| 人类偏好 | 62.0 | 67.7 | Gemini 3 Pro |
| 多模态 | – | 65.6 | 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。
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。
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 4 项,Gemini 3 Pro 领先 11 项。所有同时评测两者的综合评分都认为 Gemini 3 Pro 更强。
| 综合 Index | DeepSeek V4 Flash (high) | Gemini 3 Pro | 领先者 |
|---|---|---|---|
| BenchLeader Index | 57.2 | 60.0 | 不相上下 |
| Arena Text | 1439 | 1486 | Gemini 3 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) | Gemini 3 Pro |
|---|---|---|
| 每百万 token 混合价格 | $0.262 | – |
| 每百万 token 输入 / 输出 | $0.150 / $0.600 | – / – |
| 每百万 token 缓存输入 | $0.0030 | – |
| 每项任务价格:聊天回复 | $0.0002 | – |
| 每项任务价格:总结一份 30 页的报告 | $0.0022 | – |
| 每项任务价格:代码编辑 | $0.0018 | – |
| 每项任务价格:智能体编程会话 | $0.011 | – |
| 每项任务价格:结构化信息提取 | $0.0004 | – |
| 智能体编程会话(输入大多命中缓存) | $0.0048 | – |
| 输出速度 | 82 tok/s | – |
| 首次回答时间 | 0.7 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)。Gemini 3 Pro 得分 60.0;Gemini 3 Pro (high) 为 60.0。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 147 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) | Gemini 3 Pro |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 57.2 | 60.0 |
| 编程得分 | BenchLeader | 55.0 | 57.8 |
| 人类偏好得分 | BenchLeader | 62.0 | 67.7 |
| 知识得分 | BenchLeader | 54.8 | 55.9 |
| 数学得分 | BenchLeader | 61.9 | 54.0 |
| 推理得分 | BenchLeader | 59.2 | 62.6 |
| 智能体与工具得分 | BenchLeader | – | 61.7 |
| 指令遵循得分 | BenchLeader | – | 61.1 |
| 多模态得分 | BenchLeader | – | 65.6 |
| 混合价格(美元/百万 token) | BenchLeader | $0.262 | – |
| 输出速度 | BenchLeader | 82 tok/s | – |
| 首次回答时间 | BenchLeader | 0.7 秒 | – |
| 上下文窗口 | BenchLeader | 1,048,576 token | – |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 91.0%† | 92.6% |
| Humanity's Last Exam | Scale AI / CAIS | – | 37.5% |
| SimpleBench | SimpleBench | 61.1%† | 76.4% |
| Arena Hard Prompts | Arena (LMArena) | 1459 | 1502 |
| LiveBench 1.0 Reasoning | LiveBench | 86.6%† | – |
| GPQA Diamond (AA) | Artificial Analysis | 90.8%† | 90.8%† |
| Humanity's Last Exam (AA) | Artificial Analysis | 38.5%† | 39.7%† |
| GPQA Diamond (Vals) | Vals AI | 89.9% | 91.7%† |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 52.2%† | 80.1% |
| GPQA Diamond (HELM) | HELM Capabilities | – | 80.3% |
| ARC-AGI-1 | ARC Prize | 87.0% | 75.0% |
| ARC-AGI-2 | ARC Prize | 56.0% | 31.1% |
| CritPt | Artificial Analysis | 16.6%† | 9.1%† |
| SciPredict | Scale AI SEAL | – | 25.3% |
| Arena Expert | Arena (LMArena) | 1467 | 1499 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 32.0%† | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 34.0%† | – |
| CL-bench | Epoch AI Benchmarking Hub | – | 15.8% |
| LMCA | Epoch AI Benchmarking Hub | 41.7%† | – |
| DTBench | Epoch AI Benchmarking Hub | 90.9%† | – |
| ForecastBench | ForecastBench | – | 65.0% |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 72.9% |
| SciCode | SciCode | 42.0% | – |
| WeirdML | WeirdML | 57.0% | 69.9% |
| FrontierCode | Cognition | 18.8%† | – |
显示全部 147 项基准测试
| 指标 | 发布方 | DeepSeek V4 Flash (high) | Gemini 3 Pro |
|---|---|---|---|
| 编程 | |||
| GSO-Bench | GSO-Bench | – | 18.6% |
| Arena Coding | Arena (LMArena) | 1480 | 1517 |
| Arena WebDev | Arena (LMArena) | 1582 | 1441 |
| LiveBench 1.0 Coding | LiveBench | 75.0%† | – |
| SciCode (AA) | Artificial Analysis | 50.4%† | – |
| LiveCodeBench | Vals AI | 87.3% | 86.4% |
| IOI | Vals AI | 32.7% | – |
| SWE-bench (Vals) | Vals AI | 88.8% | 76.4%† |
| SWE-Bench Pro | Scale AI SEAL | – | 43.3% |
| SWE-bench Verified (bash only) | SWE-bench | – | 74.2% |
| SWE-bench Multilingual (bash only) | SWE-bench | – | 68.7% |
| SWE-bench Verified (any scaffold) | SWE-bench | – | 77.4% |
| Code Migration | Vals AI | 38.6% | – |
| ProgramBench | Vals AI | 0.0% | – |
| Vibe Code Bench v1.1 | Vals AI | 74.7% | 14.3%† |
| SWE-Bench Pro (private) | Scale AI SEAL | – | 17.9% |
| ALE-Bench | Epoch AI Benchmarking Hub | 678.2 | 1176.8 |
| AlgoTune | AlgoTune | – | 1.8 |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 12.1%† | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 78.7%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 34.1† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 43.4 | – |
| Design Arena Website | Design Arena | 1199† | 1244 |
| LiveCodeBench (AA) | Artificial Analysis | – | 91.8%† |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | – | 69.4% |
| GDPval | OpenAI | – | 40.3% |
| Remote Labor Index | Scale AI / CAIS | – | 1.3% |
| LiveBench Agentic Coding | LiveBench | 46.8%† | – |
| Terminal-Bench Hard | Artificial Analysis | – | 41.7%† |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 87.1%† |
| Terminal-Bench 2.1 (Vals) | Vals AI | 67.0%† | – |
| MCP Atlas | Scale AI SEAL | – | 70.3% |
| HiL-Bench | Scale AI SEAL | 47.8%† | – |
| BFCL Overall | Berkeley Function Calling Leaderboard | – | 72.5% |
| τ²-bench | τ²-bench | – | 82.5%† |
| τ³-bench Banking | τ²-bench | – | 18.0%† |
| GDPval-AA v2.1 | Artificial Analysis | 1437† | – |
| τ³-Banking (AA) | Artificial Analysis | 39.4%† | – |
| CyberBench | Vals AI | 72.1% | – |
| Finance Agent v2 | Vals AI | 49.5% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 8.3% | – |
| Legal Research Bench | Vals AI | 30.3% | – |
| Poker Agent | Vals AI | – | 1078.9% |
| SkillsBench | Vals AI | 50.7% | – |
| Tax Agent Bench | Vals AI | 28.1% | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 55.1%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 18.7% | – |
| Terminal-Bench Science | Vals AI | 4.3% | – |
| Arena Search | Arena (LMArena) | – | 1201 |
| BALROG | BALROG | – | 58.1% |
| DeepResearch Bench | DeepResearch Bench | – | 46.3%† |
| METR Time Horizons | METR | – | 71.0% |
| Vending-Bench 2 | Andon Labs | – | 5478.2 |
| AutomationBench | Artificial Analysis | 54.0%† | – |
| GDP.pdf (AA) | Artificial Analysis | 11.0%† | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1255† | – |
| Design Arena Agentic | Design Arena | – | 1080 |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 57.5%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 24.4%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 94.4%† | 91.4% |
| ProofBench | Vals AI | 56.0%† | 20.0% |
| LiveBench Mathematics | LiveBench | 86.8%† | – |
| AIME (Vals) | Vals AI | – | 96.7%† |
| MGSM | Vals AI | – | 93.9%† |
| AIME 2026 | MathArena | 95.8%† | 91.7% |
| HMMT February 2026 | MathArena | 93.9%† | 86.4% |
| MathArena Apex | MathArena | 27.1%† | 23.4% |
| Omni-MATH (HELM) | HELM Capabilities | – | 55.6% |
| MATH 500 | Vals AI | – | 96.4%† |
| Arena Maths | Arena (LMArena) | 1441 | 1475 |
| AIME 2025 (AA) | Artificial Analysis | – | 95.7%† |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 33.6%† | – |
| LiveBench 1.0 Data Analysis | LiveBench | 79.3%† | – |
| MMLU-Pro | Vals AI | 86.2% | 90.1% |
| LegalBench | Vals AI | 77.7% | 87.0%† |
| CorpFin | Vals AI | 61.9% | 63.7%† |
| TaxEval | Vals AI | 70.7% | 72.6%† |
| MedQA | Vals AI | – | 96.0%† |
| PRBench Finance | Scale AI SEAL | – | 39.2% |
| PRBench Legal | Scale AI SEAL | – | 40.6% |
| MultiNRC | Scale AI SEAL | – | 59.0% |
| MMLU-Pro (HELM) | HELM Capabilities | – | 90.3% |
| BioMysteryBench | Vals AI | 64.4% | – |
| CaseLaw v2 | Vals AI | – | 53.1%† |
| Excel Modeling Benchmark | Vals AI | 57.0% | – |
| MedCode | Vals AI | 41.4% | 52.2%† |
| MedScribe | Vals AI | 80.4% | 72.0%† |
| Global-MMLU-Lite (AA) | Artificial Analysis | – | 92.2%† |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 79.2%† | – |
| LiveBench Instruction Following | LiveBench | 65.5%† | – |
| IFBench | Artificial Analysis | – | 70.4%† |
| MultiChallenge | Scale AI SEAL | – | 65.7% |
| TutorBench | Scale AI SEAL | – | 53.7% |
| IFEval (HELM) | HELM Capabilities | – | 87.6% |
| WildBench (HELM) | HELM Capabilities | – | 85.9% |
| Arena Instruction Following | Arena (LMArena) | 1434 | 1473 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1439 | 1486 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1559† | 1524 |
| Arena Creative Writing | Arena (LMArena) | 1411 | 1484 |
| Arena Multi-turn | Arena (LMArena) | 1447 | 1495 |
| Arena Longer Queries | Arena (LMArena) | 1449 | 1491 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | – | 1305 |
| MMMU-Pro | Artificial Analysis | – | 80.2%† |
| VISTA | Scale AI SEAL | – | 51.5% |
| MMMU-Pro (Vals) | Vals AI | – | 87.5%† |
| MortgageTax | Vals AI | – | 69.1%† |
| AudioMC | Scale AI SEAL | – | 54.6%† |
| AudioMC (text output) | Scale AI SEAL | – | 54.6%† |
| VTB | Scale AI SEAL | – | 26.9% |
| GeoBench | GeoBench | – | 84.0% |
| VPCT | Epoch AI Benchmarking Hub | – | 91.0% |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 79.7%† | 76.0%† |
| Arena Document | Arena (LMArena) | – | 1451 |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 154.4† | 153.0 |
| LiveBench 1.0 | LiveBench | 74.2%† | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 34.3† | 28.0† |
| AA Progress Index v1 | Artificial Analysis | 309.4† | 290.7† |
| HELM Capabilities mean | HELM Capabilities | – | 79.9% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 41.7% |
| MASK | Scale AI SEAL | – | 42.6% |
| PropensityBench | Scale AI SEAL | – | 52.9% |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 44.4† | 5.6† |
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
- Gemini 3 Pro:1 项分数修订。
- DeepSeek V4 Flash (high):1 项分数修订。
- Gemini 3 Pro:1 项新结果(Arena Search)。
- DeepSeek V4 Flash (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)。
- Gemini 3 Pro:1 项分数修订。
- DeepSeek V4 Flash (high):BenchLeader Index 59.3 → 57.3。
- DeepSeek V4 Flash (high):输入价格 $0.11/M → $0.15/M;输出价格 $0.23/M → $0.60/M。
- Gemini 3 Pro:1 项分数修订。
相关对比
- DeepSeek V4 Flash vs Claude Fable 5.1
- DeepSeek V4 Flash vs GPT-6.1 Sol
- Gemini 3 Pro vs Gemini 4 Carbon
- Gemini 3 Pro vs Claude Opus 5.5
- Gemini 3 Pro vs GPT-6 Astra
- DeepSeek V4 Flash vs Gemini 4 Argon
- DeepSeek V4 Flash vs Claude Sonnet 5.5
- DeepSeek V4 Flash vs Muse Spark 1.3
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 Gemini 3 Pro:常见问题
- DeepSeek V4 Flash 比 Gemini 3 Pro 更好吗?
- DeepSeek V4 Flash (high) 与 Gemini 3 Pro 的质量不相上下(57.2 比 60.0,在 ±5.2 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 Gemini 3 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 $4.50(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 Gemini 3 Pro 更好?
- Gemini 3 Pro 在编程方面得分更高(类别得分 58 比 55,50 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,Gemini 3 Pro 为 1441。
- 第三方基准测试对 DeepSeek V4 Flash 和 Gemini 3 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 4 项,Gemini 3 Pro 领先 11 项。所有同时评测两者的综合评分都认为 Gemini 3 Pro 更强。
- DeepSeek V4 Flash 是什么时候发布的?
- DeepSeek V4 Flash 于 2026年7月31日 发布。