BenchLeader

DeepSeek V4 Pro vs GPT-5.6 Sol

完整资料:DeepSeek V4 Pro(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 12 个来源

截至 2026年11月16日,质量上 GPT-5.6 Sol 领先 DeepSeek V4 Pro(BenchLeader Index 65.3 比 56.0)。不过,DeepSeek V4 Pro 更便宜,对方的价格是它的 8.1 倍(每百万 token 混合价格 $0.990 比 $8.00)。在两者都有成绩的所有类别中,GPT-5.6 Sol 均领先。GPT-5.6 Sol 输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • DeepSeek V4 Pro 的 BenchLeader Index 为 56.0,GPT-5.6 Sol 为 65.3(BenchLeader,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)。
  • GPT-5.6 Sol 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • GPT-5.6 Sol 比 DeepSeek V4 Pro 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 19 项基准测试中,GPT-5.6 Sol 领先 19 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
编程GPT-5.6 Sol类别得分 66 比 52;SciCode 57.1% 比 46.4%高
数学GPT-5.6 Sol类别得分 70 比 65;OTIS Mock AIME 100.0% 比 95.6%中
推理GPT-5.6 Sol类别得分 65 比 56;GPQA Diamond 93.5% 比 90.9%高
知识GPT-5.6 Sol类别得分 64 比 41高
长文档GPT-5.6 Sol类别得分 67 比 64;AA-LCR v1.1 84.0% 比 79.3%中
对话质量(人类偏好)–只有 DeepSeek V4 Pro 有 Arena 评分(类别得分 65)无法比较
成本最低DeepSeek V4 Pro每百万 token 混合价格 $1.98 比 $8.00;智能体编程会话 $0.095 比 $0.320–
首次回答最快均可首个回答 token 42.8 秒(DeepSeek V4 Pro (high))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

  • 质量上 GPT-5.6 Sol (max) 领先:65.3 比 56.0。
  • GPT-5.6 Sol (max) 在编程、知识、长上下文、数学、推理方面更强。
  • DeepSeek V4 Pro (high) 更便宜,对方的价格是它的 8.1 倍(每百万 token 混合价格 $0.990 比 $8.00)。

概览

规格DeepSeek V4 ProGPT-5.6 Sol
提供商DeepSeekOpenAI
发布日期2026年8月13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 Pro (high)GPT-5.6 Sol (max)
开放权重是否
每百万 token 价格(输入 / 输出 / 缓存输入)$1.32 / $3.96 / $0.022$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 Pro (high)GPT-5.6 Sol (max)领先者
推理55.664.7GPT-5.6 Sol
编程51.565.8GPT-5.6 Sol
智能体与工具–67.5无法比较
数学64.570.0GPT-5.6 Sol
知识41.263.8GPT-5.6 Sol
指令遵循–71.2无法比较
人类偏好65.0–无法比较
多模态–65.9无法比较
长上下文64.366.7GPT-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推理编程数学知识长上下文DeepSeek 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, 长上下文: 64.3GPT-5.6 Sol, 推理: 64.7GPT-5.6 Sol, 编程: 65.8GPT-5.6 Sol, 数学: 70.0GPT-5.6 Sol, 知识: 63.8GPT-5.6 Sol, 长上下文: 66.7

未绘制(测得的模型少于两个):智能体与工具, 指令遵循, 多模态, 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 19 项基准测试中,DeepSeek V4 Pro 领先 0 项,GPT-5.6 Sol 领先 19 项。所有同时评测两者的综合评分都认为 GPT-5.6 Sol 更强。

综合 IndexDeepSeek V4 Pro (high)GPT-5.6 Sol (max)领先者
BenchLeader Index56.065.3GPT-5.6 Sol
Arena Text14641485†GPT-5.6 Sol

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 Pro (high)GPT-5.6 Sol (max)
每百万 token 混合价格$1.98$8.00
每百万 token 输入 / 输出$1.32 / $3.96$4.00 / $20.00
每百万 token 缓存输入$0.022$0.400
每项任务价格:聊天回复$0.0017$0.0076
每项任务价格:总结一份 30 页的报告$0.018$0.060
每项任务价格:代码编辑$0.014$0.054
每项任务价格:智能体编程会话$0.095$0.320
每项任务价格:结构化信息提取$0.0034$0.012
智能体编程会话(输入大多命中缓存)$0.037$0.158
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80 tok/s100 tok/s
首次回答时间42.8 秒33.5 秒
完整回答耗时(最近一次测量 2026年11月13日)–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 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)。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 177 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 Pro (high)GPT-5.6 Sol (max)
BenchLeader IndexBenchLeader56.065.3
编程得分BenchLeader51.565.8
人类偏好得分BenchLeader65.0–
知识得分BenchLeader41.263.8
长上下文得分BenchLeader64.366.7
数学得分BenchLeader64.570.0
推理得分BenchLeader55.664.7
智能体与工具得分BenchLeader–67.5
指令遵循得分BenchLeader–71.2
多模态得分BenchLeader–65.9
混合价格(美元/百万 token)BenchLeader$1.98$8.00
输出速度BenchLeader80 tok/s100 tok/s
首次回答时间BenchLeader42.8 秒33.5 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.9%93.5%
SimpleBenchSimpleBench–64.8%†
Arena Hard PromptsArena (LMArena)14821511†
LiveBench 1.0 ReasoningLiveBench85.8%†91.7%
GPQA Diamond (AA)Artificial Analysis92.8%†94.1%
Humanity's Last Exam (AA)Artificial Analysis41.5%49.5%
HLE-Diamond (AA)Artificial Analysis20.5%–
GPQA Diamond (Vals)Vals AI92.4%†95.2%
EnigmaEvalScale AI SEAL–37.1%†
Kagi LLM BenchmarkKagi LLM Benchmark53.5%†67.0%†
ARC-AGI-1ARC Prize87.2%96.5%
ARC-AGI-2ARC Prize59.7%92.5%
ARC-AGI-3ARC Prize–7.8%
CritPtArtificial Analysis18.6%32.3%
CritPt v2 hard subset (AA)Artificial Analysis28.5%60.0%
MysteryMechanismVals AI–33.3%
HLE-Diamond (Scale)Scale AI SEAL13.4%†31.2%†
Arena ExpertArena (LMArena)14811532†
Chess PuzzlesEpoch AI Benchmarking Hub16.0%59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub43.0%†58.0%
CL-bench LifeEpoch AI Benchmarking Hub13.5%–
LMCAEpoch AI Benchmarking Hub45.5%†58.4%
DTBenchEpoch AI Benchmarking Hub93.9%†95.5%
ForecastBenchForecastBench60.7%†65.7%
BTF-3Epoch AI Benchmarking Hub–13.7%
显示全部 177 项基准测试
指标发布方DeepSeek V4 Pro (high)GPT-5.6 Sol (max)
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub77.6%†–
SciCodeSciCode46.4%57.1%
WeirdMLWeirdML46.5%87.0%
FrontierCodeCognition28.6%47.5%†
GSO-BenchGSO-Bench–76.5%†
Arena CodingArena (LMArena)15031533†
Arena WebDevArena (LMArena)15811615†
LiveBench 1.0 CodingLiveBench77.2%†83.9%
SciCode (AA)Artificial Analysis51.7%57.1%
LiveCodeBenchVals AI87.5%†82.6%
IOIVals AI51.6%†91.2%
SWE-bench (Vals)Vals AI96.4%†96.2%
Code MigrationVals AI41.5%†52.9%
Code Migration v1.1Vals AI52.0%†–
ProgramBenchVals AI0.0%†1.5%
Vibe Code Bench 1-100Vals AI17.5%†20.0%
Vibe Code Bench v1.1Vals AI82.3%†80.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL27.1%†46.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL27.1%†45.9%†
SWE-Bench Pro V2Scale AI SEAL–95.5%†
SWE-Bench Pro V2 HARDScale AI SEAL–82.4%†
MirrorCodeEpoch AI Benchmarking Hub33.3%†20.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub40.0%93.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–72.7%
CursorBenchCursor–41.7%
ALE-BenchEpoch AI Benchmarking Hub1006.12176.9
FrontierSWEEpoch AI Benchmarking Hub–32.2%
WeirdML v3WeirdML–15.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis6.1%39.9%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†88.0%
Startrise FrontendStartrise62.7%†66.2%†
GameBench 2 OverallDuelLab GameBench 241.9†67.0†
GameBench 2 by reasoning settingDuelLab GameBench 245.180.0†
Design Arena WebsiteDesign Arena1227†1319†
FrontierCode 1.1 (AA)Artificial Analysis38.8%†–
FrontierCode 2.0 (AA)Artificial Analysis16.7%–
智能体与工具
Terminal-BenchTerminal-Bench6.7%†38.5%
OSWorld-Verified 2.0OSWorld–27.3%
APEX-AgentsMercor47.3%†51.4%†
Arena AgentArena (LMArena)–4.6†
LiveBench Agentic CodingLiveBench55.0%†56.2%
Terminal-Bench HardArtificial Analysis–65.9%
τ²-Bench Telecom (AA)Artificial Analysis–85.1%
Terminal-Bench 2.1 (Vals)Vals AI50.2%†85.8%
HiL-BenchScale AI SEAL38.5%†32.3%†
τ³-bench Bankingτ²-bench–46.9%†
GDPval-AA v2.1, normalised scoreArtificial Analysis47.5%†–
GDPval-AA v2.1Artificial Analysis13361619
τ³-Banking (AA)Artificial Analysis39.6%†44.3%
ITBench SRE (AA)Artificial Analysis–56.2%
Analyst Agent (AA)Artificial Analysis–47.5%
CUA-benchVals AI–8.3%
CyberBenchVals AI72.9%†76.3%
Finance Agent v2Vals AI50.4%†53.8%
Finance Agent v2.1Vals AI57.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI10.8%†–
Harvey's Legal Agent Benchmark v1Vals AI7.5%†2.5%
Legal Research BenchVals AI40.9%†48.1%
SkillsBenchVals AI53.8%†54.1%
SREBenchVals AI1.9%†30.5%
Tax Agent BenchVals AI26.8%†31.1%
Terminal-Bench 2.0 (Vals)Vals AI56.2%†–
Terminal-Bench 4.0 (Vals)Vals AI14.1%†37.9%
Terminal-Bench ScienceVals AI4.3%†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 Labs3284.5†9619.4†
AutomationBenchArtificial Analysis46.2%60.1%
GDP.pdf (AA)Artificial Analysis10.4%27.2%
EnterpriseOps-GymArtificial Analysis49.6%†42.9%
AA-Briefcase v1.1Artificial Analysis11481479
Design Arena AgenticDesign Arena927†1238†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis1.9%22.4%
FACTS SearchGoogle–92.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub64.6%†89.1%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†82.9%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%100.0%
ProofBenchVals AI50.0%†83.0%
LiveBench MathematicsLiveBench95.1%†96.2%
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena93.9%†–
USAMO 2026MathArena60.7%†–
MathArena ApexMathArena28.1%†–
Arena MathsArena (LMArena)14651494†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub52.9%†69.7%
LiveBench 1.0 Data AnalysisLiveBench79.2%†79.8%
AA-Omniscience v1.1Artificial Analysis-6.5–
MMLU-ProVals AI87.3%†89.1%
LegalBenchVals AI82.4%†87.0%
CorpFinVals AI65.4%†64.4%
TaxEvalVals AI73.1%†74.8%
PRBench FinanceScale AI SEAL–50.5%
PRBench LegalScale AI SEAL–50.5%
BioMysteryBenchVals AI–71.1%
CaseLaw v2Vals AI59.4%†–
Excel Modeling BenchmarkVals AI52.8%†72.3%
Excel Modeling Benchmark v1.1Vals AI65.1%†–
MedCodeVals AI42.5%†44.0%
MedScribeVals AI80.2%†85.2%
Public Benefits Bench v1.1Vals AI62.9%†66.5%
Financial Coaching BenchVals AI–74.9%
Immigration BenchVals AI61.7%†–
DrugDiscoveryBenchScale AI SEAL31.7%†56.5%
EBR-benchEpoch AI Benchmarking Hub–44.8%
GDP.pdfEpoch AI Benchmarking Hub–30.7%
AA-Omniscience v1.1: accuracyArtificial Analysis45.1%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis5.9%–
FACTS ParametricGoogle–81.1%†
指令遵循
LiveBench LanguageLiveBench82.1%†87.7%
LiveBench Instruction FollowingLiveBench67.7%†71.8%
IFBenchArtificial Analysis–72.7%
Arena Instruction FollowingArena (LMArena)14611490†
人类偏好
Arena TextArena (LMArena)14641485†
EQ-Bench 4EQ-Bench1156†1236†
EQ-Bench Creative Writing v3EQ-Bench1553†1974†
Arena Creative WritingArena (LMArena)14441471†
Arena Multi-turnArena (LMArena)14691491†
Arena Longer QueriesArena (LMArena)14741498†
多模态
Arena VisionArena (LMArena)–1282†
MMMU-ProArtificial Analysis–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 Analysis79.3%84.0%
Arena DocumentArena (LMArena)–1487†
MLCRArtificial Analysis–30.0%
FACTS GroundingGoogle–61.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.9†163.0†
LiveBench 1.0LiveBench77.4%†81.0%
AA Intelligence Index v5.0.1Artificial Analysis20.8–
AA Intelligence Index v4.3.2Artificial Analysis36†47.0
AA Progress Index v1Artificial Analysis311.5†331.5
Vals IndexVals AI53.0†–
Vals Finance IndexVals AI52.9%†–
Vals RSI IndexVals AI–23.9%
Vals Science IndexVals AI–41.5%
Vals Multimodal IndexVals AI–72.6%
Vals Router IndexVals AI53.0%†–
Vals Legal IndexVals AI69.0%†–
安全与诚实
FORTRESSScale AI SEAL–20.1%†
DistressBenchScale AI SEAL–73.6%†
元数据
AA Openness IndexArtificial Analysis44.4–

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

  • GPT-5.6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • 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。
  • GPT-5.6 Sol (max):1 项分数修订。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • DeepSeek V4 Pro (high):BenchLeader Index 57.5 → 59.1。
  • GPT-5.6 Sol (max):1 项分数修订。
  • DeepSeek V4 Pro (high):1 项分数修订。
  • DeepSeek V4 Pro (high):1 项分数修订。
  • GPT-5.6 Sol (max):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 Pro vs GPT-5.6 Sol:常见问题

GPT-5.6 Sol 比 DeepSeek V4 Pro 更好吗?
质量上 GPT-5.6 Sol (max) 领先:65.3 比 56.0。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,GPT-5.6 Sol (max) 总体领先,但请结合你的用途查看各类别得分。
DeepSeek V4 Pro 和 GPT-5.6 Sol 哪个更便宜?价格会变吗?
目前 DeepSeek V4 Pro 更便宜:每百万 token $0.990 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。
编程用 DeepSeek V4 Pro 还是 GPT-5.6 Sol 更好?
GPT-5.6 Sol 在编程方面得分更高(类别得分 66 比 52,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,DeepSeek V4 Pro 为 46.4%,GPT-5.6 Sol 为 57.1%。
DeepSeek V4 Pro 和 GPT-5.6 Sol 哪个更快?
GPT-5.6 Sol 输出更快(约 2 倍;输出 100 比 80 token/秒,Artificial Analysis 7 日中位数)。
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 64)。两者都约为 1.1M token(DeepSeek V4 Pro 为 1,048,576,GPT-5.6 Sol 为 1,050,000)。
更多问题(3)
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 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 Pro 和 GPT-5.6 Sol 的看法一致吗?
在两者都有结果的 19 项基准测试中,DeepSeek V4 Pro 领先 0 项,GPT-5.6 Sol 领先 19 项。所有同时评测两者的综合评分都认为 GPT-5.6 Sol 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。