DeepSeek-V3vsGPT-4o(2024-11-20)
在 7 个共同 benchmark 中，DeepSeek-V3 整体领先：DeepSeek-V3 领先 4 项，GPT-4o(2024-11-20) 领先 3 项，持平 0 项，平均分差 +5.23。
DeepSeek-V3
DeepSeek-AI · 2024-12-26 · 聊天大模型
GPT-4o(2024-11-20)
OpenAI · 2024-11-20 · 聊天大模型
DeepSeek-V34 项(57%)(43%)3 项GPT-4o(2024-11-20)
评测分数
按能力类目分组，每组内按分差大小排列；共 7 项。
数学
DeepSeek-V3 领先 2/2| 评测项 | DeepSeek-V3 | GPT-4o(2024-11-20) | 分差 |
|---|---|---|---|
| MATH | 87.807 / 42Normal (No Tools) | 68.5024 / 42Normal (No Tools) | +19.30 |
| FrontierMath | 1.7049 / 60Normal (No Tools) | 0.3057 / 60Normal (No Tools) | +1.40 |
综合知识考试
胶着 2/2| 评测项 | DeepSeek-V3 | GPT-4o(2024-11-20) | 分差 |
|---|---|---|---|
| MMLU | 88.5018 / 124Normal (No Tools) | 85.7039 / 124Normal (No Tools) | +2.80 |
| MMLU-Pro | 75.9086 / 175Normal (No Tools) | 77.9077 / 175Normal (No Tools) | -2 |
事实可靠性与幻觉
GPT-4o(2024-11-20) 领先 1/1| 评测项 | DeepSeek-V3 | GPT-4o(2024-11-20) | 分差 |
|---|---|---|---|
| SimpleQA | 24.9031 / 46Normal (No Tools) | 38.8021 / 46Normal (No Tools) | -13.90 |
程序生成与编辑
GPT-4o(2024-11-20) 领先 1/1| 评测项 | DeepSeek-V3 | GPT-4o(2024-11-20) | 分差 |
|---|---|---|---|
| HumanEval | 899 / 101Normal (No Tools) | 90.207 / 101Normal (No Tools) | -1.20 |
自主开发与终端任务
DeepSeek-V3 领先 1/1| 评测项 | DeepSeek-V3 | GPT-4o(2024-11-20) | 分差 |
|---|---|---|---|
| Aider-Polyglot | 48.4034 / 59Normal (No Tools) | 18.2050 / 59Normal (No Tools) | +30.20 |
规格对比
| 字段 | DeepSeek-V3 | GPT-4o(2024-11-20) |
|---|---|---|
| 发布机构 | DeepSeek-AI | OpenAI |
| 发布时间 | 2024-12-26 | 2024-11-20 |
| 模型类型 | 聊天大模型 | 聊天大模型 |
| 架构 | 稠密模型 | 稠密模型 |
| 参数规模 | 6810亿 | 暂无数据 |
| 上下文长度 | 128K | 128K |
| 最大输出 | 暂无数据 | 暂无数据 |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | DeepSeek-V3 | GPT-4o(2024-11-20) |
|---|---|---|
| 文本输入 | $0.27 / 1M tokens | $2.5 / 1M tokens |
| 文本输出 | $1.1 / 1M tokens | $10 / 1M tokens |
| 缓存读取 | $0.07 / 1M tokens | $1.25 / 1M tokens |
| 缓存写入 | $0.27 / 1M tokens | 暂无公开价格 |
小结
- DeepSeek-V3在以下类目领先:数学 (2/2)、自主开发与终端任务 (1/1)
- GPT-4o(2024-11-20)在以下类目领先:事实可靠性与幻觉 (1/1)、程序生成与编辑 (1/1)
- 胶着类目:综合知识考试
7 个共同 benchmark 上，DeepSeek-V3 平均高出 5.23 分。
单项差距最大的 benchmark：Aider-Polyglot — DeepSeek-V3 48.40，GPT-4o(2024-11-20) 18.20（分差 +30.20）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。