DeepSeek R1
性价比更高: Qwen3.5-4B $0.060/M 即可获得 Index 46.7,价格只有 42 分之一。
有 116 个更便宜的已排名模型得分更高:GPT-6.1 Terra (64.1, $2.00)、Muse Spark 1.1 (62.2, $2.00)、Gemini 3.7 Flash (62.1, $1.50),另有 113 个。
截至 2026年11月16日,DeepSeek R1(DeepSeek)在 BenchLeader Index 上得分 47.2(共 608 个已排名配置)。表现最好的是数学(57),最弱的是智能体与工具(36)。API 价格为输入每百万 token $2.00、输出每百万 token $4.00(按 3:1 混合为 $2.50),为 2026年11月16日的标价。输出速度约为 110 token/秒(Artificial Analysis)。发布于 2025年1月20日。
要点(截至 2026年11月16日)
- DeepSeek R1 的 API 价格为输入每百万 token $2.00、输出每百万 token $4.00(按 3:1 混合为 $2.50)(标价,2026年11月16日)。
- DeepSeek R1 的输出速度约为 110 token/秒(Artificial Analysis,2026年11月16日)。
- DeepSeek R1 于 2025年1月20日发布(DeepSeek)。
详细说明:DeepSeek R1 是 DeepSeek 的开放权重推理模型,发布于 2025年1月20日。其最佳配置在 BenchLeader Index 上得分 47.2 ±4.0,在 608 个配置中排第 412 名,处于下半区。关键在于这个“±”:另有 238 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,数学得分最高(57),智能体与工具最低(36)。按混合价格计,每百万 token $2.50,比大多数已排名模型贵。输出速度为 107 token/秒,首次回答需 14.1 秒,比大多数模型快。它已被 DeepSeek R1 0528 取代,如今应与后者进行比较。最近一次测量:2026年11月11日。
- 混合价格
- $2.50/M
- 输入 $2.00 · 输出 $4.00
- 来源:Artificial Analysis
- 输出速度
- 107 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 14 s
- 上下文
- 66k
- 来源:LiteLLM price table
- 完整回答
- 22 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2025年1月20日
- 综合 Index47
- 推理43
- 编程49
- 智能体与工具36
- 数学57
- 知识48
- 指令遵循42
- 人类偏好57
- 长上下文43
版本
DeepSeek 以这个名称发布过 2 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| DeepSeek R1 0528 | 2025年5月28日 | 49.1 | #367 |
| DeepSeek R1本页 | 2025年1月20日 | 47.2 | #412 |
Index 走势
2026年9月8日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GPQA Diamond | 71.7%#175 | Epoch AI Benchmarking Hub | |
| SimpleBench | 30.9%#89 | SimpleBench | |
| Arena Hard Prompts | 1419#159 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 70.8%#298 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 8.5%#370 | Artificial Analysis | |
| Kagi LLM Benchmark | 69.4%#29 | Kagi LLM Benchmark | |
| ARC-AGI-1 | 15.8%#235 | ARC Prize | |
| ARC-AGI-2 | 1.3%#226 | ARC Prize | |
| CritPt不计入 Index | 0.6%#274 | Artificial Analysis | |
| Arena Expert不计入 Index | 1402#171 | Arena (LMArena) |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| SciCode | 38.3%#198 | SciCode | |
| WeirdML | 36.5%#124 | WeirdML | |
| Arena Coding | 1444#160 | Arena (LMArena) | |
| SciCode (AA)不计入 Index | 38.3%#207 | Artificial Analysis | |
| LiveCodeBench | 70.2%#87 | Vals AI | |
| Aider Polyglot | 56.9%#25 | Aider polyglot leaderboard | |
| AlgoTune不计入 Index | 1.7#7 | AlgoTune | |
| Terminal-Bench 4.0 (AA)不计入 Index | 0.0%#186 | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)不计入 Index | 19.1%#180 | Artificial Analysis | |
| LiveCodeBench (AA)不计入 Index | 61.7%#105 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Terminal-Bench Hard | 6.1%#271 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 11.4%#381 | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index | 302#265 | Artificial Analysis | |
| τ³-Banking (AA) | 6.4%#170 | Artificial Analysis | |
| BALROG不计入 Index | 34.9%#12 | BALROG | |
| METR Time Horizons不计入 Index | 51.9%#25 | METR | |
| AutomationBench不计入 Index | 0.2%#252 | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index | 2.4%#223 | Artificial Analysis | |
| AA-Briefcase v1.1不计入 Index | 129#245 | Artificial Analysis |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| OTIS Mock AIME | 53.3%#190 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 93.0%#18 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | 74.0%#52 | Vals AI | |
| MGSM | 92.3%#20 | Vals AI | |
| MATH 500不计入 Index | 92.2%#18 | Vals AI | |
| Arena Maths | 1412#136 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 68.0%#98 | Artificial Analysis |
知识
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 39.0%#278 | Artificial Analysis | |
| Arena Instruction Following不计入 Index | 1397#147 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1398#160 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 1500#59 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1374#149 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1409#150 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1400#170 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 83.0%#9 | Lech Mazur |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Fiction.LiveBench 120k | 33.3%#32 | Fiction.live | |
| AA-LCR v1.1 | 57.7%#309 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 138.6#119 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 11.4#363 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 208.7#386 | Artificial Analysis |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 74.4%#83 | Scale AI SEAL | |
| MASK不计入 Index | 57.3%#40 | Scale AI SEAL |
价格历史
上述价格(每百万 token)在每个变动日的数值。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0020 | – | 16.9 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.026 | – | 19.7 s |
| 代码编辑 | 6,000 / 1,500 | $0.018 | – | 28.1 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.136 | – | 51.4 s |
| 结构化信息提取 | 2,000 / 200 | $0.0048 | – | 16.0 s |
DeepSeek 的更多模型
另请参阅
嵌入或引用
引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). DeepSeek R1 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/deepseek-r1
BibTeX:
@misc{benchleader_deepseek_r1_20261116,
author = {{BenchLeader}},
title = {{DeepSeek R1 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/deepseek-r1}},
note = {Data as of 2026-11-16}
}常见问题
- DeepSeek R1 的基准测试得分是多少?
- 截至 2026年11月16日,DeepSeek R1 的 BenchLeader Index 为 47.2 ±4.0。最强的是数学(57),最弱的是智能体与工具(36)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- DeepSeek R1 排名第几?
- 截至 2026年11月16日,DeepSeek R1 在 608 个已排名配置中排第 412 名。另有 238 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- DeepSeek R1 每百万 token 的价格是多少?
- 截至 2026年11月16日,DeepSeek R1 的价格为输入每百万 token $2.00、输出每百万 token $4.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $2.50。标价最近一次变动是在 2026年9月9日。
- DeepSeek R1 是什么时候发布的?
- DeepSeek 于 2025年1月20日发布了 DeepSeek R1。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《DeepSeek R1:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/deepseek-r1。