BenchLeader

DeepSeek V3.2

推理强度
质量第 82 / 339 名
56.7Index
前四分之一
较中位数 +6.5
价格第 68 / 255 名
$0.315每百万 token
比多数便宜
中位数的 0.4 倍
速度第 177 / 216 名
44token/秒
后四分之一
中位数的 0.5 倍
性价比第 56 / 255 名
180.0分/$
前四分之一
中位数的 3.3 倍

性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,便宜 56%。

有 2 个更便宜的已排名模型得分更高:GLM 5.3 Flash (57.8, $0.238)、DeepSeek V4 Flash (57.2, $0.262)。

截至 2026年11月16日,DeepSeek V3.2(DeepSeek)在 BenchLeader Index 上得分 56.7(共 608 个已排名配置)。表现最好的是智能体与工具(66),最弱的是数学(49)。API 价格为输入每百万 token $0.280、输出每百万 token $0.420(按 3:1 混合为 $0.315),为 2026年11月16日的标价。输出速度约为 44 token/秒(Artificial Analysis)。发布于 2025年12月1日。

要点(截至 2026年11月16日)

  • DeepSeek V3.2 的 API 价格为输入每百万 token $0.280、输出每百万 token $0.420(按 3:1 混合为 $0.315)(标价,2026年11月16日)。
  • DeepSeek V3.2 的输出速度约为 44 token/秒(Artificial Analysis,2026年11月16日)。
  • DeepSeek V3.2 于 2025年12月1日发布(DeepSeek)。

详细说明:DeepSeek V3.2 是 DeepSeek 的开放权重推理模型,发布于 2025年12月1日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 56.7 ±4.4,在 608 个配置中排第 170 名,处于上半区。关键在于这个“±”:另有 266 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,智能体与工具得分最高(66),数学最低(49)。按混合价格计,每百万 token $0.315,比大多数已排名模型便宜。输出速度为 44 token/秒,首次回答需 30.3 秒,位于最慢的四分之一。它已在 4 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。

混合价格
$0.315/M
输入 $0.280 · 输出 $0.420
来源:Artificial Analysis
输出速度
44 tok/s
由 Artificial Analysis 测量
首次回答
30 s
首 token 1.13 s
上下文
131k
来源:LiteLLM price table
完整回答
84 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12月1日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index57
  2. 推理60
  3. 编程52
  4. 智能体与工具66
  5. 数学49
  6. 知识53
  7. 指令遵循61
  8. 人类偏好60
  9. 长上下文61

嵌入这个排名

更多徽章样式
[![DeepSeek V3.2 on BenchLeader: 综合第 81 名](https://www.benchleader.com/badge/deepseek-v3-2.svg?style=compact)](https://www.benchleader.com/models/deepseek-v3-2)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

DeepSeek 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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 V3.2thinking本页2025年12月1日56.7#170
DeepSeek V3.1thinking2025年8月21日52.4#278

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
无推理52.1#28548 tok/s2.89 s$0.0002智能体与工具 62 · 编程 63 · 指令遵循 51 · 知识 44 · 长上下文 47 · 数学 51
high54.2#24031 tok/s1.13 s$0.0002编程 61 · 知识 49 · 数学 60
thinking最佳56.7#17044 tok/s30 s$0.0002智能体与工具 66 · 编程 52 · 人类偏好 60 · 指令遵循 61 · 知识 53 · 长上下文 61 · 数学 49 · 推理 60
未说明50.2#34131 tok/s1.13 s$0.0002智能体与工具 50 · 编程 43 · 人类偏好 60 · 知识 46 · 数学 54 · 推理 49

Index 走势

2026年9月8日 至 2026年11月16日
465462
  • thinking
  • high
  • 默认

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。

元数据

基准测试thinking来源趋势
AA Openness Index不计入 Index44.4#97Artificial Analysis

推理

基准测试无推理highthinking默认来源趋势
GPQA Diamond推理强度未说明–––83.4%#113Epoch AI Benchmarking Hub
Arena Hard Prompts––1446#1191447#117Arena (LMArena)
GPQA Diamond (AA)不计入 Index75.0%#255–84.0%#153–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index11.2%#316–24.6%#204–Artificial Analysis
GPQA Diamond (Vals)不计入 Index76.3%#7680.3%#67––Vals AI
Kagi LLM Benchmark推理强度未说明–––52.2%#77Kagi LLM Benchmark
ARC-AGI-1推理强度未说明–––57.0%#176ARC Prize
ARC-AGI-2推理强度未说明–––4.0%#193ARC Prize
CritPt不计入 Index0.9%#256–2.9%#201–Artificial Analysis
Arena Expert不计入 Index––1454#1111448#121Arena (LMArena)
CL-bench不计入 Index––13.2%#2012.4%#21Epoch AI Benchmarking Hub
CL-bench Life不计入 Index––9.5%#147.4%#15Epoch AI Benchmarking Hub
LMCA不计入 Index––29.1%#14828.8%#150Epoch AI Benchmarking Hub
DTBench不计入 Index––87.7%#10385.6%#113Epoch AI Benchmarking Hub

编程

基准测试无推理highthinking默认来源趋势
SciCode––38.9%#190–SciCode
WeirdML––39.5%#106–WeirdML
Arena Coding––1475#1161469#125Arena (LMArena)
Arena WebDev––1363#1151326#128Arena (LMArena)
LiveCodeBench––80.7%#6569.9%#90Vals AI
SWE-bench (Vals)不计入 Index–67.6%#68––Vals AI
SWE-Bench Pro推理强度未说明–––15.6%#20Scale AI SEAL
Aider Polyglot70.2%#16–74.2%#11–Aider polyglot leaderboard
SWE-bench Verified (bash only)–70.0%#13––SWE-bench
SWE-bench Multilingual (bash only)不计入 Index推理强度未说明–––59.0%#12SWE-bench
SWE-bench Verified (any scaffold)不计入 Index–70.0%#15––SWE-bench
Vibe Code Bench v1.1不计入 Index–5.1%#110––Vals AI
Terminal-Bench 2.1 (AA)不计入 Index––46.8%#128–Artificial Analysis
Design Arena Website不计入 Index推理强度未说明–––1171#107Design Arena
LiveCodeBench (AA)不计入 Index59.3%#111–86.2%#11–Artificial Analysis

智能体与工具

基准测试无推理highthinking默认来源趋势
Terminal-Bench推理强度未说明–––39.5%#56Terminal-Bench
APEX-Agents推理强度未说明–––21.3%#64Mercor
Terminal-Bench Hard32.6%#98–35.6%#74–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index79.0%#130–90.6%#62–Artificial Analysis
BFCL Overall––56.7%#1254.1%#17Berkeley Function Calling Leaderboard
GDPval-AA v2.1不计入 Index––699#223–Artificial Analysis
APEX-Agents (AA)不计入 Index––14.5%#24–Artificial Analysis
Poker Agent不计入 Index––1090.3%#4–Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index34.8%#4136.0%#40––Vals AI
TheAgentCompany不计入 Index推理强度未说明–––42.9%#1TheAgentCompany
Vending-Bench 2不计入 Index推理强度未说明–––1034#58Andon Labs

数学

基准测试无推理highthinking默认来源趋势
OTIS Mock AIME推理强度未说明–––87.8%#93Epoch AI Benchmarking Hub
ProofBench推理强度未说明–––8.0%#74Vals AI
AIME (Vals)64.8%#5584.6%#39––Vals AI
MGSM––86.0%#6490.9%#32Vals AI
AIME 2026––94.2%#20–MathArena
HMMT February 2026––84.1%#25–MathArena
MathArena Apex可能存在污染––2.1%#29–MathArena
Arena Maths––1429#1091426#114Arena (LMArena)
AIME 2025 (AA)不计入 Index59.0%#114–92.0%#17–Artificial Analysis

知识

基准测试无推理highthinking默认来源趋势
MMLU-Pro––84.9%#5983.1%#72Vals AI
LegalBench––76.1%#11066.0%#133Vals AI
CorpFin47.9%#10751.0%#102––Vals AI
TaxEval–68.2%#98––Vals AI
MedQA89.5%#5193.9%#20––Vals AI
CaseLaw v2不计入 Index–55.4%#34––Vals AI
Global-MMLU-Lite (AA)不计入 Index82.7%#54–86.5%#30–Artificial Analysis

指令遵循

基准测试无推理thinking默认来源趋势
IFBench49.0%#18360.7%#126–Artificial Analysis
Arena Instruction Following不计入 Index–1420#1121421#111Arena (LMArena)

人类偏好

基准测试thinking默认来源趋势
Arena Text1425#1211425#122Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–1515#57EQ-Bench
Arena Creative Writing不计入 Index1391#1241408#95Arena (LMArena)
Arena Multi-turn不计入 Index1428#1221428#121Arena (LMArena)
Arena Longer Queries不计入 Index1442#1111441#112Arena (LMArena)

长上下文

基准测试无推理thinking来源趋势
AA-LCR v1.145.7%#35673.3%#195Artificial Analysis

综合

基准测试无推理thinking默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明––146.3#86Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index–21.5#221–Artificial Analysis
AA Progress Index v1不计入 Index226.2#329264.9#223–Artificial Analysis

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
GMICloud53 tok/s1.05 s$0.209$0.310164kfp8
DigitalOcean27 tok/s1.91 s$0.300$0.960164k–
DeepInfra23 tok/s0.65 s$0.260$0.380164kfp4
AtlasCloud23 tok/s3.21 s$0.260$0.380164kfp8
SiliconFlow18 tok/s1.97 s$0.259$0.800164kfp8

使用情况

DeepSeek V3.2 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商

OpenRouter,过去一周
#58
token 份额 0.14%

来源: 使用情况: OpenRouter 排名 · 数据截至 2026年11月16日。

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,价格为每百万 token $0.130。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$0.0002$0.000237.1 s
总结一份 30 页的报告12,000 / 600$0.0036$0.002344.0 s
代码编辑6,000 / 1,500$0.0023$0.00161.1 min
智能体编程会话60,000 / 4,000$0.018$0.0122.0 min
结构化信息提取2,000 / 200$0.0006$0.000434.8 s

DeepSeek 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 DeepSeek V3.2 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![DeepSeek V3.2 on BenchLeader: 综合第 81 名](https://www.benchleader.com/badge/deepseek-v3-2.svg)](https://www.benchleader.com/models/deepseek-v3-2)

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 V3.2 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/deepseek-v3-2

BibTeX:

@misc{benchleader_deepseek_v3_2_20261116,
  author       = {{BenchLeader}},
  title        = {{DeepSeek V3.2 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/deepseek-v3-2}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

DeepSeek V3.2 的基准测试得分是多少?
截至 2026年11月16日,DeepSeek V3.2(推理强度 thinking)的 BenchLeader Index 为 56.7 ±4.4。最强的是智能体与工具(66),最弱的是数学(49)。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 V3.2 排名第几?
截至 2026年11月16日,DeepSeek V3.2(推理强度 thinking)在 608 个已排名配置中排第 170 名。另有 266 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 V3.2 每百万 token 的价格是多少?
截至 2026年11月16日,DeepSeek V3.2 的价格为输入每百万 token $0.280、输出每百万 token $0.420,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.315。
DeepSeek V3.2 是什么时候发布的?
DeepSeek 于 2025年12月1日发布了 DeepSeek V3.2。BenchLeader 收录了它在 4 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《DeepSeek V3.2: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-v3-2。