DeepSeek V3.2-Exp 评测详情

DeepSeek V3.2-Exp 当前已收录的代表性评测结果包括 SimpleQA（1 / 46，得分 97.10）、MMLU-Pro（28 / 175，得分 85）、Aider-Polyglot（11 / 59，得分 74.20）。

评测结果

DeepSeek V3.2-Exp

评测结果

综合知识考试

共 5 项评测

评测名称 / 模式

得分

排名/总数

常规模式

84

40 / 175

思考模式

85

28 / 175

常规模式

8.60

203 / 235

思考模式

19.80

157 / 235

思考模式工具

20.30

155 / 235

科学知识与推理

共 4 项评测

评测名称 / 模式

得分

排名/总数

常规模式

74

161 / 253

思考模式

79.90

132 / 253

常规模式

1.40

139 / 204

思考模式

1.40

139 / 204

事实可靠性与幻觉

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式工具

97.10

1 / 46

仓库修复与多文件工程

共 1 项评测

评测名称 / 模式

得分

排名/总数

SWE-bench Verified

思考模式工具

67.80

73 / 116

算法与竞赛编程

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

55

88 / 125

思考模式

74.10

45 / 125

数学

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

58

92 / 110

思考模式

89.30

42 / 110

自主开发与终端任务

共 6 项评测

评测名称 / 模式

得分

排名/总数

常规模式

70.20

17 / 59

思考模式

74.20

11 / 59

常规模式工具

23

30 / 35

思考模式工具

37.70

14 / 35

Terminal Bench Hard

常规模式工具

25

128 / 244

Terminal Bench Hard

思考模式工具

31.10

105 / 244

客服与业务流程

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式工具

66.70

28 / 44

事实查找与深度检索

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式工具

40.10

53 / 58

跨能力综合测试

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

49.85

93 / 117

思考模式

58.90

75 / 117

跨能力聚合指数

共 1 项评测

评测名称 / 模式

得分

排名/总数

unknown

145.02

77 / 167

与其他模型对比