BenchLeader

DeepSeek V4 Pro vs GPT-6 Sol

完整资料:DeepSeek V4 Pro(DeepSeek)和 GPT-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-6 Sol 领先 DeepSeek V4 Pro(BenchLeader Index 62.6 比 56.0)。不过,DeepSeek V4 Pro 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $0.990 比 $4.00)。在两者都有成绩的所有类别中,GPT-6 Sol 均领先。GPT-6 Sol 输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • DeepSeek V4 Pro 的 BenchLeader Index 为 56.0,GPT-6 Sol 为 62.6(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-6 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • GPT-6 Sol 比 DeepSeek V4 Pro 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 33 项基准测试中,GPT-6 Sol 领先 28 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,DeepSeek V4 Pro 的评分为 1581,GPT-6 Sol 为 1673(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GPT-6 Sol类别得分 66 比 52;Arena WebDev 1673 比 1581高
数学GPT-6 Sol类别得分 68 比 65;OTIS Mock AIME 100.0% 比 95.6%中
推理GPT-6 Sol类别得分 66 比 56;GPQA Diamond 94.3% 比 90.9%高
知识GPT-6 Sol类别得分 61 比 41;AA-Omniscience v1.1 21.4 比 -6.5高
长文档GPT-6 Sol类别得分 67 比 64;AA-LCR v1.1 83.7% 比 79.3%中
对话质量(人类偏好)均可Arena 投票 65 比 64均可
成本最低DeepSeek V4 Pro每百万 token 混合价格 $1.98 比 $4.00;智能体编程会话 $0.095 比 $0.160–
首次回答最快均可首个回答 token 42.8 秒(DeepSeek V4 Pro (high))比 36.9 秒(GPT-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-6 Sol (max) 领先:62.6 比 56.0。
  • DeepSeek V4 Pro (high) 在人类偏好方面更强。
  • GPT-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 4.0 倍(每百万 token 混合价格 $0.990 比 $4.00)。
  • GPT-6 Sol (max) 的输出速度是对方的 1.6 倍(127 比 80 token/秒)。

概览

规格DeepSeek V4 ProGPT-6 Sol
提供商DeepSeekOpenAI
发布日期2026年8月13日2026年9月22日
上下文窗口(token)1,048,5761,050,000
对比时的配置DeepSeek V4 Pro (high)GPT-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$2.00 / $10.00 / $0.200

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-6 Sol (max)领先者
推理55.666.0GPT-6 Sol
编程51.566.3GPT-6 Sol
智能体与工具–58.8无法比较
数学64.568.0GPT-6 Sol
知识41.260.6GPT-6 Sol
人类偏好65.064.2持平
多模态–60.6无法比较
长上下文64.366.6GPT-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人类偏好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: 64.3DeepSeek V4 Pro, 人类偏好: 65.0GPT-6 Sol, 推理: 66.0GPT-6 Sol, 编程: 66.3GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知识: 60.6GPT-6 Sol, 长上下文: 66.6GPT-6 Sol, 人类偏好: 64.2

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。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 33 项基准测试中,DeepSeek V4 Pro 领先 5 项,GPT-6 Sol 领先 28 项。第三方来源看法不一:DeepSeek V4 Pro 在 Arena Text 上领先;GPT-6 Sol 在 BenchLeader Index和AA Intelligence Index v5.0.1 上领先。

综合 IndexDeepSeek V4 Pro (high)GPT-6 Sol (max)领先者
BenchLeader Index56.062.6GPT-6 Sol
AA Intelligence Index v5.0.120.844.2GPT-6 Sol
Arena Text14641457DeepSeek 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 Pro (high)GPT-6 Sol (max)
每百万 token 混合价格$1.98$4.00
每百万 token 输入 / 输出$1.32 / $3.96$2.00 / $10.00
每百万 token 缓存输入$0.022$0.200
每项任务价格:聊天回复$0.0017$0.0038
每项任务价格:总结一份 30 页的报告$0.018$0.030
每项任务价格:代码编辑$0.014$0.027
每项任务价格:智能体编程会话$0.095$0.160
每项任务价格:结构化信息提取$0.0034$0.0060
智能体编程会话(输入大多命中缓存)$0.037$0.079
每项基准测试任务成本(AA Index)$0.849$2.47
每项任务输出 token(AA Index)70k54k
其中推理部分45k35k
每项任务耗时(AA Index)15 min7 min
输出速度80 tok/s127 tok/s
首次回答时间42.8 秒36.9 秒
完整回答耗时(最近一次测量 2026年11月13日)–143.8 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 DeepSeek V4 Pro (high) 上花费 $0.849,在 GPT-6 Sol (max) 上花费 $2.47;完成同样的工作,DeepSeek V4 Pro (high) 输出的 token 是对方的 1.3 倍,这是只看 token 单价看不出来的。

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-6 Sol (max) 得分 62.6,首个回答 token 需 37 秒;GPT-6 Sol (xhigh) 为 58.4(19 秒),GPT-6 Sol (high) 为 58.1(6 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 159 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-6 Sol (max)
BenchLeader IndexBenchLeader56.062.6
编程得分BenchLeader51.566.3
人类偏好得分BenchLeader65.064.2
知识得分BenchLeader41.260.6
长上下文得分BenchLeader64.366.6
数学得分BenchLeader64.568.0
推理得分BenchLeader55.666.0
智能体与工具得分BenchLeader–58.8
多模态得分BenchLeader–60.6
混合价格(美元/百万 token)BenchLeader$1.98$4.00
输出速度BenchLeader80 tok/s127 tok/s
首次回答时间BenchLeader42.8 秒36.9 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.9%94.3%
SimpleBenchSimpleBench–73.1%†
Arena Hard PromptsArena (LMArena)14821483
LiveBench 1.0 ReasoningLiveBench85.8%†88.7%
GPQA Diamond (AA)Artificial Analysis92.8%†–
Humanity's Last Exam (AA)Artificial Analysis41.5%47.9%
HLE-Diamond (AA)Artificial Analysis20.5%45.2%
GPQA Diamond (Vals)Vals AI92.4%†–
Kagi LLM BenchmarkKagi LLM Benchmark53.5%†–
ARC-AGI-1ARC Prize87.2%95.5%
ARC-AGI-2ARC Prize59.7%89.6%
ARC-AGI-3ARC Prize–23.0%
CritPtArtificial Analysis18.6%30.9%
CritPt v2 hard subset (AA)Artificial Analysis28.5%66.5%
MysteryMechanismVals AI–30.2%
HLE-Diamond (Scale)Scale AI SEAL13.4%†33.8%†
Arena ExpertArena (LMArena)14811496
Chess PuzzlesEpoch AI Benchmarking Hub16.0%56.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub43.0%†56.0%
CL-bench LifeEpoch AI Benchmarking Hub13.5%–
LMCAEpoch AI Benchmarking Hub45.5%†59.1%
DTBenchEpoch AI Benchmarking Hub93.9%†97.3%
ForecastBenchForecastBench60.7%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub77.6%†–
SciCodeSciCode46.4%57.6%
显示全部 159 项基准测试
指标发布方DeepSeek V4 Pro (high)GPT-6 Sol (max)
编程
WeirdMLWeirdML46.5%–
FrontierCodeCognition28.6%49.3%
Arena CodingArena (LMArena)15031521
Arena WebDevArena (LMArena)15811673
LiveBench 1.0 CodingLiveBench77.2%†81.8%
SciCode (AA)Artificial Analysis51.7%57.6%
LiveCodeBenchVals AI87.5%†–
IOIVals AI51.6%†82.6%
SWE-bench (Vals)Vals AI96.4%†–
Code MigrationVals AI41.5%†57.2%
Code Migration v1.1Vals AI52.0%†–
ProgramBenchVals AI0.0%†2.0%
Vibe Code Bench 1-100Vals AI17.5%†–
Vibe Code Bench v1.1Vals AI82.3%†87.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL27.1%†–
SWE Atlas v1.0: Test WritingScale AI SEAL27.1%†–
MirrorCodeEpoch AI Benchmarking Hub33.3%†48.9%
Surface Evolver BenchEpoch AI Benchmarking Hub40.0%–
ALE-BenchEpoch AI Benchmarking Hub1006.12462
WeirdML v3WeirdML–19.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis6.1%43.9%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†–
Startrise FrontendStartrise62.7%†–
GameBench 2 OverallDuelLab GameBench 241.9†73.0†
GameBench 2 by reasoning settingDuelLab GameBench 245.179.4†
Design Arena WebsiteDesign Arena1227†1290†
FrontierCode 1.1 (AA)Artificial Analysis38.8%†–
FrontierCode 2.0 (AA)Artificial Analysis16.7%35.6%
智能体与工具
Terminal-BenchTerminal-Bench6.7%†50.3%
APEX-AgentsMercor47.3%†54.3%
Arena AgentArena (LMArena)–6.9
LiveBench Agentic CodingLiveBench55.0%†52.9%
Terminal-Bench 2.1 (Vals)Vals AI50.2%†83.2%
HiL-BenchScale AI SEAL38.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis47.5%†–
GDPval-AA v2.1Artificial Analysis13361514
τ³-Banking (AA)Artificial Analysis39.6%†–
ITBench SRE (AA)Artificial Analysis–49.4%
CyberBenchVals AI72.9%†78.0%
Finance Agent v2Vals AI50.4%†49.0%
Finance Agent v2.1Vals AI57.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI10.8%†–
Harvey's Legal Agent Benchmark v1Vals AI7.5%†1.7%
Legal Research BenchVals AI40.9%†28.9%
SkillsBenchVals AI53.8%†–
SREBenchVals AI1.9%†30.5%
Tax Agent BenchVals AI26.8%†15.0%
Terminal-Bench 2.0 (Vals)Vals AI56.2%†–
Terminal-Bench 4.0 (Vals)Vals AI14.1%†44.4%
Terminal-Bench ScienceVals AI4.3%†30.0%
Arena SearchArena (LMArena)–1229
Arena Agent Task CompletionArena (LMArena)–4.5
Vending-Bench 2Andon Labs3284.5†14427.9†
SpireClimbEpoch AI Benchmarking Hub–9.2%
AutomationBenchArtificial Analysis46.2%61.6%
GDP.pdf (AA)Artificial Analysis10.4%25.2%
Harvey LAB-AA v1.1Harvey–3.6%
EnterpriseOps-GymArtificial Analysis49.6%†–
AA-Briefcase v1.1Artificial Analysis11481476
Design Arena AgenticDesign Arena927†1218†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis1.9%30.0%
CWE-Bench (AA)Artificial Analysis–64.2%
DeepSec-Bench (AA)Artificial Analysis–46.3%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub64.6%†89.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†90.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%100.0%
ProofBenchVals AI50.0%†83.0%†
LiveBench MathematicsLiveBench95.1%†96.4%
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena93.9%†–
USAMO 2026MathArena60.7%†–
MathArena ApexMathArena28.1%†–
Arena MathsArena (LMArena)14651440
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub52.9%†60.7%
LiveBench 1.0 Data AnalysisLiveBench79.2%†81.2%
AA-Omniscience v1.1Artificial Analysis-6.521.4
MMLU-ProVals AI87.3%†–
LegalBenchVals AI82.4%†–
CorpFinVals AI65.4%†–
TaxEvalVals AI73.1%†–
PRBench LegalScale AI SEAL–38.6%†
BioMysteryBenchVals AI–74.8%
CaseLaw v2Vals AI59.4%†–
Excel Modeling BenchmarkVals AI52.8%†71.5%
Excel Modeling Benchmark v1.1Vals AI65.1%†–
MedCodeVals AI42.5%†47.1%
MedScribeVals AI80.2%†82.0%
Public Benefits Bench v1.1Vals AI62.9%†56.6%
Financial Coaching BenchVals AI–62.6%
Immigration BenchVals AI61.7%†–
DrugDiscoveryBenchScale AI SEAL31.7%†–
EBR-benchEpoch AI Benchmarking Hub–53.3%
GDP.pdfEpoch AI Benchmarking Hub–26.4%
AA-Omniscience v1.1: accuracyArtificial Analysis45.1%51.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis5.9%39.1%
HealthBench Professional (AA)OpenAI–62.3%
FACTS ParametricGoogle–76.1%†
指令遵循
LiveBench LanguageLiveBench82.1%†85.3%
LiveBench Instruction FollowingLiveBench67.7%†68.6%
Arena Instruction FollowingArena (LMArena)14611449
人类偏好
Arena TextArena (LMArena)14641457
EQ-Bench 4EQ-Bench1156†–
EQ-Bench Creative Writing v3EQ-Bench1553†2126†
Arena Creative WritingArena (LMArena)14441428
Arena Multi-turnArena (LMArena)14691468
Arena Longer QueriesArena (LMArena)14741466
多模态
Arena VisionArena (LMArena)–1233
MMMU-ProArtificial Analysis–83.0%
Humanity's Sixth SenseScale AI SEAL–31.2%
Blueprint-Bench 2Epoch AI Benchmarking Hub–36.9%†
Furniture AssemblyEpoch AI Benchmarking Hub–58.3%
AA-3DArtificial Analysis–1131
FACTS MultimodalGoogle–43.9%†
长上下文
AA-LCR v1.1Artificial Analysis79.3%83.7%
MLCRArtificial Analysis–33.9%
FACTS GroundingGoogle–83.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.9†163.8†
LiveBench 1.0LiveBench77.4%†79.3%
AA Intelligence Index v5.0.1Artificial Analysis20.844.2
AA Intelligence Index v4.3.2Artificial Analysis36†47.6
AA Progress Index v1Artificial Analysis311.5†334
Vals IndexVals AI53.0†–
Vals Finance IndexVals AI52.9%†–
Vals RSI IndexVals AI–28.1%
Vals Science IndexVals AI–45.0%
Vals Router IndexVals AI53.0%†–
Vals Legal IndexVals AI69.0%†–
AA Cyber IndexArtificial Analysis–36.8
安全与诚实
FORTRESSScale AI SEAL–13.5%†
DistressBenchScale AI SEAL–68.0%†
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-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-6 Sol (max):1 项新结果(MirrorCode)。
  • DeepSeek V4 Pro (high):BenchLeader Index 57.5 → 59.1。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GPT-6 Sol (max):2 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。
  • DeepSeek V4 Pro (high):1 项分数修订。
  • GPT-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-6 Sol:常见问题

GPT-6 Sol 比 DeepSeek V4 Pro 更好吗?
质量上 GPT-6 Sol (max) 领先:62.6 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-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-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 $4.00(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-6 Sol 更好?
GPT-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 Arena WebDev 上,DeepSeek V4 Pro 为 1581,GPT-6 Sol 为 1673。
DeepSeek V4 Pro 和 GPT-6 Sol 哪个更快?
GPT-6 Sol 输出更快(3 倍以上;输出 127 比 80 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
GPT-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-6 Sol 为 1,050,000)。
更多问题(3)
哪个延迟更低?
GPT-6 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 36.9 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-6 Sol 的看法一致吗?
在两者都有结果的 33 项基准测试中,DeepSeek V4 Pro 领先 5 项,GPT-6 Sol 领先 28 项。第三方来源看法不一:DeepSeek V4 Pro 在 Arena Text 上领先;GPT-6 Sol 在 BenchLeader Index和AA Intelligence Index v5.0.1 上领先。
GPT-6 Sol 是什么时候发布的?
GPT-6 Sol 于 2026年9月22日 发布。