BenchLeader

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”。

用途推荐理由置信度
编程Gemini 3 Pro类别得分 58 比 55;WeirdML 69.9% 比 57.0%中
数学DeepSeek V4 Flash类别得分 62 比 54;Arena Maths 1441 比 1475高
推理Gemini 3 Pro类别得分 63 比 59;Arena Hard Prompts 1502 比 1459中
知识Gemini 3 Pro类别得分 56 比 55;MMLU-Pro 90.1% 比 86.2%中
对话质量(人类偏好)Gemini 3 ProArena 投票 68 比 62中
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 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 FlashGemini 3 Pro
提供商DeepSeekGoogle
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59.262.6Gemini 3 Pro
编程55.057.8Gemini 3 Pro
智能体与工具–61.7无法比较
数学61.954.0DeepSeek V4 Flash
知识54.855.9Gemini 3 Pro
指令遵循–61.1无法比较
人类偏好62.067.7Gemini 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。

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: 62.0Gemini 3 Pro, 推理: 62.6Gemini 3 Pro, 编程: 57.8Gemini 3 Pro, 数学: 54.0Gemini 3 Pro, 知识: 55.9Gemini 3 Pro, 人类偏好: 67.7

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 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 IndexDeepSeek V4 Flash (high)Gemini 3 Pro领先者
BenchLeader Index57.260.0不相上下
Arena Text14391486Gemini 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 IndexBenchLeader57.260.0
编程得分BenchLeader55.057.8
人类偏好得分BenchLeader62.067.7
知识得分BenchLeader54.855.9
数学得分BenchLeader61.954.0
推理得分BenchLeader59.262.6
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BenchLeader82 tok/s–
首次回答时间BenchLeader0.7 秒–
上下文窗口BenchLeader1,048,576 token–
推理
GPQA DiamondEpoch AI Benchmarking Hub91.0%†92.6%
Humanity's Last ExamScale AI / CAIS–37.5%
SimpleBenchSimpleBench61.1%†76.4%
Arena Hard PromptsArena (LMArena)14591502
LiveBench 1.0 ReasoningLiveBench86.6%†–
GPQA Diamond (AA)Artificial Analysis90.8%†90.8%†
Humanity's Last Exam (AA)Artificial Analysis38.5%†39.7%†
GPQA Diamond (Vals)Vals AI89.9%91.7%†
Kagi LLM BenchmarkKagi LLM Benchmark52.2%†80.1%
GPQA Diamond (HELM)HELM Capabilities–80.3%
ARC-AGI-1ARC Prize87.0%75.0%
ARC-AGI-2ARC Prize56.0%31.1%
CritPtArtificial Analysis16.6%†9.1%†
SciPredictScale AI SEAL–25.3%
Arena ExpertArena (LMArena)14671499
Chess PuzzlesEpoch AI Benchmarking Hub32.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%†–
CL-benchEpoch AI Benchmarking Hub–15.8%
LMCAEpoch AI Benchmarking Hub41.7%†–
DTBenchEpoch AI Benchmarking Hub90.9%†–
ForecastBenchForecastBench–65.0%
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–72.9%
SciCodeSciCode42.0%–
WeirdMLWeirdML57.0%69.9%
FrontierCodeCognition18.8%†–
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-BenchGSO-Bench–18.6%
Arena CodingArena (LMArena)14801517
Arena WebDevArena (LMArena)15821441
LiveBench 1.0 CodingLiveBench75.0%†–
SciCode (AA)Artificial Analysis50.4%†–
LiveCodeBenchVals AI87.3%86.4%
IOIVals AI32.7%–
SWE-bench (Vals)Vals AI88.8%76.4%†
SWE-Bench ProScale 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 MigrationVals AI38.6%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI74.7%14.3%†
SWE-Bench Pro (private)Scale AI SEAL–17.9%
ALE-BenchEpoch AI Benchmarking Hub678.21176.8
AlgoTuneAlgoTune–1.8
Terminal-Bench 4.0 (AA)Artificial Analysis12.1%†–
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†–
GameBench 2 OverallDuelLab GameBench 234.1†–
GameBench 2 by reasoning settingDuelLab GameBench 243.4–
Design Arena WebsiteDesign Arena1199†1244
LiveCodeBench (AA)Artificial Analysis–91.8%†
智能体与工具
Terminal-BenchTerminal-Bench–69.4%
GDPvalOpenAI–40.3%
Remote Labor IndexScale AI / CAIS–1.3%
LiveBench Agentic CodingLiveBench46.8%†–
Terminal-Bench HardArtificial Analysis–41.7%†
τ²-Bench Telecom (AA)Artificial Analysis–87.1%†
Terminal-Bench 2.1 (Vals)Vals AI67.0%†–
MCP AtlasScale AI SEAL–70.3%
HiL-BenchScale AI SEAL47.8%†–
BFCL OverallBerkeley Function Calling Leaderboard–72.5%
τ²-benchτ²-bench–82.5%†
τ³-bench Bankingτ²-bench–18.0%†
GDPval-AA v2.1Artificial Analysis1437†–
τ³-Banking (AA)Artificial Analysis39.4%†–
CyberBenchVals AI72.1%–
Finance Agent v2Vals AI49.5%–
Harvey's Legal Agent Benchmark v1Vals AI8.3%–
Legal Research BenchVals AI30.3%–
Poker AgentVals AI–1078.9%
SkillsBenchVals AI50.7%–
Tax Agent BenchVals AI28.1%–
Terminal-Bench 2.0 (Vals)Vals AI–55.1%†
Terminal-Bench 4.0 (Vals)Vals AI18.7%–
Terminal-Bench ScienceVals AI4.3%–
Arena SearchArena (LMArena)–1201
BALROGBALROG–58.1%
DeepResearch BenchDeepResearch Bench–46.3%†
METR Time HorizonsMETR–71.0%
Vending-Bench 2Andon Labs–5478.2
AutomationBenchArtificial Analysis54.0%†–
GDP.pdf (AA)Artificial Analysis11.0%†–
AA-Briefcase v1.1Artificial Analysis1255†–
Design Arena AgenticDesign Arena–1080
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub57.5%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub24.4%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†91.4%
ProofBenchVals AI56.0%†20.0%
LiveBench MathematicsLiveBench86.8%†–
AIME (Vals)Vals AI–96.7%†
MGSMVals AI–93.9%†
AIME 2026MathArena95.8%†91.7%
HMMT February 2026MathArena93.9%†86.4%
MathArena ApexMathArena27.1%†23.4%
Omni-MATH (HELM)HELM Capabilities–55.6%
MATH 500Vals AI–96.4%†
Arena MathsArena (LMArena)14411475
AIME 2025 (AA)Artificial Analysis–95.7%†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.6%†–
LiveBench 1.0 Data AnalysisLiveBench79.3%†–
MMLU-ProVals AI86.2%90.1%
LegalBenchVals AI77.7%87.0%†
CorpFinVals AI61.9%63.7%†
TaxEvalVals AI70.7%72.6%†
MedQAVals AI–96.0%†
PRBench FinanceScale AI SEAL–39.2%
PRBench LegalScale AI SEAL–40.6%
MultiNRCScale AI SEAL–59.0%
MMLU-Pro (HELM)HELM Capabilities–90.3%
BioMysteryBenchVals AI64.4%–
CaseLaw v2Vals AI–53.1%†
Excel Modeling BenchmarkVals AI57.0%–
MedCodeVals AI41.4%52.2%†
MedScribeVals AI80.4%72.0%†
Global-MMLU-Lite (AA)Artificial Analysis–92.2%†
指令遵循
LiveBench LanguageLiveBench79.2%†–
LiveBench Instruction FollowingLiveBench65.5%†–
IFBenchArtificial Analysis–70.4%†
MultiChallengeScale AI SEAL–65.7%
TutorBenchScale AI SEAL–53.7%
IFEval (HELM)HELM Capabilities–87.6%
WildBench (HELM)HELM Capabilities–85.9%
Arena Instruction FollowingArena (LMArena)14341473
人类偏好
Arena TextArena (LMArena)14391486
EQ-Bench Creative Writing v3EQ-Bench1559†1524
Arena Creative WritingArena (LMArena)14111484
Arena Multi-turnArena (LMArena)14471495
Arena Longer QueriesArena (LMArena)14491491
多模态
Arena VisionArena (LMArena)–1305
MMMU-ProArtificial Analysis–80.2%†
VISTAScale AI SEAL–51.5%
MMMU-Pro (Vals)Vals AI–87.5%†
MortgageTaxVals AI–69.1%†
AudioMCScale AI SEAL–54.6%†
AudioMC (text output)Scale AI SEAL–54.6%†
VTBScale AI SEAL–26.9%
GeoBenchGeoBench–84.0%
VPCTEpoch AI Benchmarking Hub–91.0%
长上下文
AA-LCR v1.1Artificial Analysis79.7%†76.0%†
Arena DocumentArena (LMArena)–1451
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.4†153.0
LiveBench 1.0LiveBench74.2%†–
AA Intelligence Index v4.3.2Artificial Analysis34.3†28.0†
AA Progress Index v1Artificial Analysis309.4†290.7†
HELM Capabilities meanHELM Capabilities–79.9%
安全与诚实
FORTRESSScale AI SEAL–41.7%
MASKScale AI SEAL–42.6%
PropensityBenchScale AI SEAL–52.9%
元数据
AA Openness IndexArtificial Analysis44.4†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。

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。