studioglobal
熱門探索內容
報告已發布9 個來源

GPT-5.5 và DeepSeek V4: so sánh benchmark, coding, agent và chi phí

Chưa có đủ bằng chứng để nói GPT 5.5 hoặc DeepSeek V4 thắng toàn diện: BenchLM cho thấy DeepSeek V4 Flash High dẫn ở coding với 72,2 so với 58,6, còn GPT 5.5 dẫn ở agentic tasks với 81,8 so với 55,4; điểm cần nhớ là c... VentureBeat so sánh DeepSeek V4 Pro Max với GPT 5.5; trong bảng đó, GPT 5.5 cao hơn ở GPQA Diamo...

使用 Studio Global AI 搜尋並查證事實探索更多內容
18K0
GPT-5.5 與 DeepSeek V4 基準測試、coding、agent 任務與價格比較的抽象科技視覺
GPT-5.5 vs DeepSeek V4：基準測試、Coding、Agentic Tasks 與價格比較AI 生成的示意圖，用於呈現 GPT-5.5 與 DeepSeek V4 在基準測試與成本上的對照。
AI 提示詞

Create a landscape editorial hero image for this Studio Global article: GPT-5.5 vs DeepSeek V4：基準測試、Coding、Agentic Tasks 與價格比較. Article summary: 目前沒有足夠證據說 GPT 5.5 或 DeepSeek V4 全面勝出：BenchLM 顯示 DeepSeek V4 Flash High 在 coding 以 72.2 對 58.6 領先，GPT 5.5 在 agentic tasks 以 81.8 對 55.4 領先；結論取決於版本與任務 [13]。. Topic tags: ai, openai, deepseek, benchmarks, coding. Reference image context from search candidates: Reference image 1: visual subject "The image displays a comparison chart showing that GPT-5.5 outperforms DeepSeek V4 across various coding agentic benchmarks, with GPT-5.5 winning in most categories except for Deep" Reference image 2: visual subject "The image displays a comparison chart highlighting the capabilities and upcoming features of DeepSeek V4, Claude 4.5, and GPT-5.2 AI models, including benchmark scores, ability to" Style: premium digital editorial illustration, source-backed res

openai.com

Nếu chỉ hỏi GPT-5.5 hay DeepSeek V4 mạnh hơn, câu trả lời rất dễ bị sai hướng. Lý do là các nguồn công khai hiện không so sánh cùng một cấu hình: BenchLM dùng DeepSeek V4 Flash High, VentureBeat dùng DeepSeek-V4-Pro-Max, còn Artificial Analysis đặt DeepSeek V4 Pro Reasoning, Max Effort cạnh GPT-5.5 xhigh [4][13][16].

Với đội kỹ thuật, cách đọc thực dụng hơn là: đừng tìm một nhà vô địch chung cuộc; hãy xem điểm số đó thuộc phiên bản nào, chạy ở chế độ suy luận nào, kiểm tra loại việc gì và tốn bao nhiêu tiền token. Đây mới là phần quyết định khi đưa mô hình vào sản phẩm.

Kết luận nhanh: chọn theo loại việc, không chọn theo thương hiệu

Đối chiếu trực tiếp rõ nhất hiện đến từ BenchLM. Trong nhóm coding, DeepSeek V4 Flash High đạt điểm trung bình 72,2, cao hơn GPT-5.5 ở mức 58,6; nhưng trong nhóm agentic tasks, tức các tác vụ kiểu tác nhân tự hành phải lập kế hoạch, dùng công cụ hoặc đi qua nhiều bước, GPT-5.5 đạt 81,8, cao hơn DeepSeek V4 Flash High ở mức 55,4 [13].

Một bộ số liệu khác từ VentureBeat lại dùng DeepSeek-V4-Pro-Max. Trong bảng này, GPT-5.5 cao hơn DeepSeek-V4-Pro-Max ở GPQA Diamond, Humanity’s Last Exam, Terminal-Bench 2.0 và SWE-Bench Pro / SWE Pro [16].

Vì vậy, không nên cộng gộp các bảng này thành một bảng tổng xếp hạng. Nếu nhu cầu chính là tạo, sửa hoặc xử lý mã với chi phí thấp, DeepSeek V4 Flash High đáng được thử sớm. Nếu bài toán nghiêng về agentic workflow, thao tác terminal hoặc quy trình kỹ nghệ phần mềm phức tạp, GPT-5.5 hiện có nhiều điểm số công khai ủng hộ hơn [13][16].

Vì sao tên phiên bản DeepSeek V4 làm thay đổi kết luận

DeepSeek V4 không phải một cấu hình duy nhất. DataCamp mô tả DeepSeek V4 gồm hai preview models là V4-Pro và V4-Flash, trong đó V4-Pro có context window 1 triệu token và tổng cộng 1,6 nghìn tỷ tham số [5]. Nhưng các trang so sánh bên thứ ba lại dùng nhiều tên khác nhau, gồm DeepSeek V4 Flash High, DeepSeek-V4-Pro-Max và DeepSeek V4 Pro Reasoning, Max Effort [4][13][16].

Điều này rất quan trọng. Điểm coding trung bình của DeepSeek V4 Flash High không tự động đại diện cho V4-Pro-Max; ngược lại, điểm Terminal-Bench 2.0 của V4-Pro-Max trong bảng VentureBeat cũng không thể phủ nhận kết quả coding của Flash High trên BenchLM [13][16].

NguồnPhiên bản được so sánhThông tin hữu ích nhấtLưu ý chính
BenchLMDeepSeek V4 Flash High vs GPT-5.5DeepSeek V4 Flash High dẫn ở coding trung bình; GPT-5.5 dẫn ở agentic tasks [13]Không thể suy rộng thẳng sang V4-Pro-Max
VentureBeatDeepSeek-V4-Pro-Max vs GPT-5.5GPT-5.5 cao hơn ở GPQA Diamond, Humanity’s Last Exam, Terminal-Bench 2.0 và SWE-Bench Pro / SWE Pro [16]Đối tượng so sánh không phải Flash High
Artificial AnalysisDeepSeek V4 Pro Reasoning, Max Effort vs GPT-5.5 xhighDeepSeek có context window 1000k token, GPT-5.5 xhigh là 922k token; GPT-5.5 xhigh hỗ trợ image input, cấu hình DeepSeek này không hỗ trợ [4]So sánh tính năng không đồng nghĩa thắng thua ở mọi benchmark
DataCampDeepSeek V4-Pro và V4-FlashMô tả V4-Pro có context window 1 triệu token và 1,6 nghìn tỷ tham số [5]Không phải mọi bài test bên thứ ba đều dùng cùng tên hoặc cùng cấu hình

Bảng benchmark: các con số công khai đang nói gì

Hạng mụcGPT-5.5Phiên bản DeepSeek V4 và điểm sốCách đọc hiện tại
Coding trung bình58,6DeepSeek V4 Flash High: 72,2Trong đối chiếu coding của BenchLM, DeepSeek V4 Flash High dẫn [13]
Agentic tasks trung bình81,8DeepSeek V4 Flash High: 55,4Trong đối chiếu agentic tasks của BenchLM, GPT-5.5 dẫn [13]
GPQA Diamond93,6%DeepSeek-V4-Pro-Max: 90,1%Trong bảng VentureBeat, GPT-5.5 cao hơn [16]
Humanity’s Last Exam, không dùng công cụ41,4%DeepSeek-V4-Pro-Max: 37,7%Trong bảng VentureBeat, GPT-5.5 cao hơn [16]
Humanity’s Last Exam, có dùng công cụ52,2%DeepSeek-V4-Pro-Max: 48,2%Trong bảng VentureBeat, GPT-5.5 cao hơn [16]
Terminal-Bench 2.082,7%DeepSeek-V4-Pro-Max: 67,9%VentureBeat cho thấy GPT-5.5 dẫn; nhưng BenchLM lại nói Terminal-Bench 2.0 là bài con tạo khoảng cách lớn cho DeepSeek V4 Flash High trong nhóm coding, cho thấy khác biệt phiên bản và phương pháp là then chốt [13][16]
SWE-Bench Pro / SWE Pro58,6%DeepSeek-V4-Pro-Max: 55,4%Trong bảng VentureBeat, GPT-5.5 nhỉnh hơn [16]
SWE-bench Verified88,7%DeepSeek V4-Pro: 80,6%Hướng dẫn bên thứ ba của O-mega liệt kê GPT-5.5 dẫn [14]

Điểm mấu chốt của bảng này không phải là lấy trung bình tất cả con số. Nó cho thấy mỗi loại việc đang nghiêng về một hướng khác nhau: BenchLM nghiêng về DeepSeek V4 Flash High ở coding, cùng nguồn đó nghiêng về GPT-5.5 ở agentic tasks, còn bảng VentureBeat với DeepSeek-V4-Pro-Max lại nghiêng về GPT-5.5 ở nhiều bài suy luận và kỹ nghệ phần mềm [13][16].

Coding: DeepSeek V4 Flash High có lợi thế rõ, nhưng không thắng mọi bài kỹ thuật

Dữ liệu có lợi nhất cho DeepSeek V4 hiện là nhóm coding trên BenchLM. Nguồn này ghi DeepSeek V4 Flash High đạt trung bình 72,2, so với 58,6 của GPT-5.5, và nêu Terminal-Bench 2.0 là bài con tạo khoảng cách lớn nhất trong nhóm đó [13].

Tuy nhiên, các nguồn khác cho thấy góc nhìn khác. Trong bảng VentureBeat dùng DeepSeek-V4-Pro-Max, GPT-5.5 dẫn ở Terminal-Bench 2.0 với 82,7% so với 67,9%, và cũng cao hơn ở SWE-Bench Pro / SWE Pro với 58,6% so với 55,4% [16]. O-mega cũng liệt kê GPT-5.5 dẫn DeepSeek V4-Pro ở SWE-bench Verified với 88,7% so với 80,6% [14].

Vì vậy, nếu workload nội bộ của bạn giống nhóm coding trên BenchLM, DeepSeek V4 Flash High nên nằm trong danh sách thử nghiệm. Nhưng nếu coding agent phải làm việc gần với terminal, sửa lỗi trong repo, chạy kiểm thử hoặc đi qua quy trình phần mềm hoàn chỉnh, GPT-5.5 hiện có thêm bằng chứng công khai từ VentureBeat và O-mega [13][14][16].

Agentic tasks: bằng chứng công khai đang tập trung hơn về GPT-5.5

BenchLM, trong cùng so sánh DeepSeek V4 Flash High với GPT-5.5, ghi GPT-5.5 đạt trung bình 81,8 ở agentic tasks, còn DeepSeek V4 Flash High đạt 55,4; nguồn này cũng nêu BrowseComp là bài con tạo khoảng cách lớn nhất [13].

Tài liệu OpenAI API khuyến nghị bắt đầu với gpt-5.5 cho complex reasoning và coding, trong khi các workload cần độ trễ thấp hoặc chi phí thấp hơn có thể chọn gpt-5.4-mini hoặc gpt-5.4-nano [24]. System card của GPT-5.5 cũng mô tả mô hình này được thiết kế cho các công việc thực tế phức tạp, gồm viết mã, nghiên cứu trực tuyến và phân tích thông tin [30].

Định vị chính thức không thay thế benchmark độc lập. Dù vậy, nó đi cùng hướng với kết quả agentic tasks của BenchLM: nếu sản phẩm của bạn cần suy luận nhiều bước, nghiên cứu trên web hoặc điều phối công cụ theo kiểu agent, GPT-5.5 nên được đưa vào vòng thử nghiệm đầu tiên [13][24][30].

Ngữ cảnh dài và đa phương thức: đừng chỉ nhìn bảng điểm tổng

Nếu nút thắt của bạn là độ dài ngữ cảnh, DeepSeek V4 Pro đáng được đánh giá riêng. DataCamp mô tả V4-Pro có context window 1 triệu token; Artificial Analysis cũng ghi DeepSeek V4 Pro Reasoning, Max Effort có context window 1000k token, nhỉnh hơn GPT-5.5 xhigh ở mức 922k token [4][5].

Nhưng tính năng không chỉ có ngữ cảnh. Artificial Analysis cũng cho biết GPT-5.5 xhigh hỗ trợ image input, trong khi cấu hình DeepSeek V4 Pro Reasoning, Max Effort không hỗ trợ [4]. Nếu sản phẩm cần đọc ảnh, xử lý tài liệu rất dài hoặc kết hợp cả hai, các khả năng này phải được test riêng; không nên ra quyết định chỉ bằng điểm coding hay điểm agentic trung bình.

Giá: DeepSeek V4 Flash rất rẻ, nhưng giá V4 Pro đầu vào đang có lệch nguồn

Giá là lợi thế thương mại nổi bật nhất của DeepSeek V4. TechCrunch và Yahoo/Decrypt cùng báo cáo DeepSeek V4 Flash có giá 0,14 USD cho mỗi 1 triệu token đầu vào và 0,28 USD cho mỗi 1 triệu token đầu ra [1][2]. Yahoo/Decrypt cũng nêu GPT-5.5 có giá 5 USD đầu vào và 30 USD đầu ra cho mỗi 1 triệu token, còn GPT-5.5 Pro là 30 USD đầu vào và 180 USD đầu ra [2].

Mô hình / phiên bảnGiá đầu vào được báo cáoGiá đầu ra được báo cáoGhi chú
DeepSeek V4 Flash0,14 USD / 1 triệu token0,28 USD / 1 triệu tokenTechCrunch và Yahoo/Decrypt thống nhất [1][2]
DeepSeek V4 ProTechCrunch: 0,145 USD / 1 triệu token; Yahoo/Decrypt: 1,74 USD / 1 triệu token3,48 USD / 1 triệu tokenHai nguồn khác nhau về giá đầu vào, thống nhất về giá đầu ra [1][2]
GPT-5.55 USD / 1 triệu token30 USD / 1 triệu tokenGiá do Yahoo/Decrypt báo cáo [2]
GPT-5.5 Pro30 USD / 1 triệu token180 USD / 1 triệu tokenGiá do Yahoo/Decrypt báo cáo [2]

Nếu sản phẩm của bạn tiêu thụ lượng token lớn mỗi ngày, mức giá được báo cáo của DeepSeek V4 Flash có thể thay đổi đáng kể mô hình chi phí [1][2]. Nhưng trước khi mua hoặc chuyển tải sản xuất, cần kiểm tra ít nhất hai điểm: giá đầu vào của DeepSeek V4 Pro không thống nhất giữa TechCrunch và Yahoo/Decrypt; và phần giá GPT-5.5 trong bài này đến từ báo chí, không phải đoạn tài liệu OpenAI API được trích ở đây [1][2][24].

Gợi ý chọn mô hình cho đội kỹ thuật

Ưu tiên thử GPT-5.5 nếu trọng tâm là agentic workflow. BenchLM cho thấy điểm agentic tasks trung bình nghiêng rõ về GPT-5.5, và tài liệu OpenAI cũng đặt gpt-5.5 làm điểm bắt đầu cho complex reasoning và coding [13][24].

Ưu tiên thử GPT-5.5 nếu tác vụ giống terminal hoặc kỹ nghệ phần mềm khó. VentureBeat liệt kê GPT-5.5 cao hơn DeepSeek-V4-Pro-Max ở Terminal-Bench 2.0 và SWE-Bench Pro / SWE Pro; O-mega cũng liệt kê GPT-5.5 cao hơn DeepSeek V4-Pro ở SWE-bench Verified [14][16].

Ưu tiên thử DeepSeek V4 Flash High nếu nhu cầu chính là coding throughput chi phí thấp. Điểm coding trung bình của BenchLM ủng hộ DeepSeek V4 Flash High, trong khi giá DeepSeek V4 Flash được báo cáo thấp hơn rất nhiều so với giá GPT-5.5 trong nguồn báo chí được trích ở đây [1][2][13].

Đưa DeepSeek V4 Pro vào vòng đánh giá nếu context window là nút thắt. DataCamp mô tả V4-Pro có context window 1 triệu token, còn Artificial Analysis ghi DeepSeek V4 Pro Reasoning, Max Effort có context window 1000k token, nhỉnh hơn GPT-5.5 xhigh ở mức 922k token [4][5].

Giới hạn của bằng chứng: benchmark công khai chỉ giúp chọn ai để thử trước

Có ba giới hạn lớn trong dữ liệu hiện có.

Thứ nhất, các nguồn dùng tên DeepSeek V4 không nhất quán: V4-Flash, V4 Flash High, V4-Pro, V4-Pro-Max và V4 Pro Reasoning, Max Effort [4][5][13][16].

Thứ hai, riêng Terminal-Bench 2.0 đã cho thấy không thể nhập mọi nguồn thành một kết luận duy nhất. BenchLM nói bài này tạo khoảng cách cho DeepSeek V4 Flash High trong nhóm coding; VentureBeat lại ghi GPT-5.5 cao hơn DeepSeek-V4-Pro-Max ở Terminal-Bench 2.0 [13][16].

Thứ ba, dữ liệu giá vẫn cần xác minh, đặc biệt là giá đầu vào của DeepSeek V4 Pro đang khác nhau giữa TechCrunch và Yahoo/Decrypt [1][2].

Quyết định an toàn nhất cho môi trường sản xuất vẫn là chạy A/B eval bằng prompt, dữ liệu, công cụ gọi hàm, yêu cầu độ trễ và ngân sách token của chính bạn. Benchmark công khai giúp rút gọn danh sách ứng viên; nó không nên thay thế bài kiểm tra nội bộ.

Phán đoán cuối cùng

Dựa trên nhóm nguồn có thể trích hiện tại, chưa có đủ căn cứ để nói GPT-5.5 hay DeepSeek V4 thắng toàn diện. DeepSeek V4 Flash High dẫn ở điểm coding trung bình trên BenchLM, còn GPT-5.5 dẫn agentic tasks trong cùng nguồn; bảng VentureBeat với DeepSeek-V4-Pro-Max lại nghiêng về GPT-5.5 ở nhiều benchmark suy luận, terminal và kỹ nghệ phần mềm [13][16].

Nếu đang chọn mô hình, kết luận thực dụng là: agentic workflows, nghiên cứu trực tuyến và tác vụ terminal nên thử GPT-5.5 trước; pipeline coding khối lượng lớn, nhạy chi phí nên thử DeepSeek V4 Flash High trước; còn nhu cầu ngữ cảnh dài nên tách DeepSeek V4 Pro và GPT-5.5 xhigh ra để đo bằng dữ liệu thật của bạn [1][2][4][13][16][24][30].

Studio Global AI

Search, cite, and publish your own answer

Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.

使用 Studio Global AI 搜尋並查證事實

重點整理

  • Chưa có đủ bằng chứng để nói GPT 5.5 hoặc DeepSeek V4 thắng toàn diện: BenchLM cho thấy DeepSeek V4 Flash High dẫn ở coding với 72,2 so với 58,6, còn GPT 5.5 dẫn ở agentic tasks với 81,8 so với 55,4; điểm cần nhớ là c...
  • VentureBeat so sánh DeepSeek V4 Pro Max với GPT 5.5; trong bảng đó, GPT 5.5 cao hơn ở GPQA Diamond, Humanity’s Last Exam, Terminal Bench 2.0 và SWE Bench Pro / SWE Pro [16].
  • Về giá, DeepSeek V4 Flash được báo cáo ở mức 0,14 USD/1 triệu token đầu vào và 0,28 USD/1 triệu token đầu ra, thấp hơn giá GPT 5.5 theo Yahoo/Decrypt là 5 USD đầu vào và 30 USD đầu ra; riêng giá đầu vào của V4 Pro đan...

大家也會問

「GPT-5.5 và DeepSeek V4: so sánh benchmark, coding, agent và chi phí」的簡短答案是什麼？

Chưa có đủ bằng chứng để nói GPT 5.5 hoặc DeepSeek V4 thắng toàn diện: BenchLM cho thấy DeepSeek V4 Flash High dẫn ở coding với 72,2 so với 58,6, còn GPT 5.5 dẫn ở agentic tasks với 81,8 so với 55,4; điểm cần nhớ là c...

最值得優先驗證的重點是什麼？

Chưa có đủ bằng chứng để nói GPT 5.5 hoặc DeepSeek V4 thắng toàn diện: BenchLM cho thấy DeepSeek V4 Flash High dẫn ở coding với 72,2 so với 58,6, còn GPT 5.5 dẫn ở agentic tasks với 81,8 so với 55,4; điểm cần nhớ là c... VentureBeat so sánh DeepSeek V4 Pro Max với GPT 5.5; trong bảng đó, GPT 5.5 cao hơn ở GPQA Diamond, Humanity’s Last Exam, Terminal Bench 2.0 và SWE Bench Pro / SWE Pro [16].

接下來在實務上該怎麼做？

Về giá, DeepSeek V4 Flash được báo cáo ở mức 0,14 USD/1 triệu token đầu vào và 0,28 USD/1 triệu token đầu ra, thấp hơn giá GPT 5.5 theo Yahoo/Decrypt là 5 USD đầu vào và 30 USD đầu ra; riêng giá đầu vào của V4 Pro đan...

下一步適合探索哪個相關主題？

繼續閱讀「Claude Opus 4.7、GPT-5.5、DeepSeek V4、Kimi K2.6 基準比較：2026 年誰最值得信？」，從另一個角度查看更多引用來源。

開啟相關頁面

我應該拿這個和什麼比較？

將這個答案與「DeepSeek V4 工程解析：1M 上下文、MoE 與 API 遷移重點」交叉比對。

開啟相關頁面

繼續深入研究

Comparativa de benchmarks 2026 entre Claude Opus 4.7, GPT-5.5, DeepSeek V4 y Kimi K2.6

Claude Opus 4.7、GPT-5.5、DeepSeek V4、Kimi K2.6 基準比較：2026 年誰最值得信？

Claude Opus 4.7、GPT-5.5、DeepSeek V4、Kimi K2.6：2026 基準測試與決策結論

DeepSeek V4 工程架构示意图，包含 1M 上下文、MoE 专家路由和 API 服务化元素

DeepSeek V4 工程解析：1M 上下文、MoE 與 API 遷移重點

DeepSeek V4 工程解析：1M 上下文、MoE 與 API 遷移重點

木材市場與需求彈性概念的編輯插圖

Northwest vs. Southeast Timber 彈性題解：為什麼是 larger; larger

Northwest 與 Southeast Timber：替代性越高，為什麼答案是 larger; larger？

抽象 AI 晶片與多個聊天機器人平台競爭的示意圖，象徵 DeepSeek 挑戰 OpenAI、Claude、Gemini 與 Grok

DeepSeek 會擊敗 OpenAI、Claude、Gemini、Grok 嗎？關鍵不是榜單，而是成本與信任

DeepSeek 會擊敗 OpenAI、Claude、Gemini、Grok 嗎？關鍵不是榜單，而是成本與信任

研究對話

你

研究問題

研究並向我展示 GPT-5.5 與 DeepSeek V4 的基準測試比較。

Studio Global AI39 個來源

附引用的答案

現有證據只足以做「有限比較」：GPT-5.5 是 OpenAI API 文件中列出的模型，官方建議用於複雜推理與程式設計工作負載 [1]；DeepSeek V4 的直接基準證據主要來自第三方比較頁，顯示 DeepSeek V4 Flash High 在程式設計類平均分領先 GPT-5.5，而 GPT-5.5 在 agentic tasks 類別領先 [5]。由於缺少 DeepSeek 官方基準、完整分項分數與一致版本定義，整體結論應視為初步比較；Insufficient evidence.

Key findings

  • 程式設計基準：DeepSeek V4 Flash High 領先 GPT-5.5。 可用證據顯示，DeepSeek V4 Flash High 在 coding 類別平均分為 72.2，GPT-5.5 為 58.6；該比較指出 Terminal-Bench 2.0 是拉開差距最大的子測試 [5]。

  • Agentic tasks：GPT-5.5 領先 DeepSeek V4 Flash High。 同一第三方比較指出，GPT-5.5 在 agentic tasks 類別相對 DeepSeek V4 Flash High 佔優，但可用片段未提供具體分數 [5]。

  • 官方定位：GPT-5.5 被 OpenAI 推薦用於複雜推理與程式設計。 OpenAI API 模型文件寫明，複雜推理與 coding 可從 gpt-5.5 開始選用，而較低延遲、較低成本工作負載可選 gpt-5.4-mini 或 gpt-5.4-nano [1]。

  • 價格比較：DeepSeek V4 系列被多個報導描述為顯著更便宜。 可用證據稱 DeepSeek V4 Flash 的價格為每百萬輸入 token $0.14、每百萬輸出 token $0.28，且低於 GPT-5.4 Nano、Gemini 3.1 Flash、GPT-5.4 Mini 與 Claude Haiku 4.5 [4]。

  • GPT-5.5 價格資料來自媒體報導而非官方證據。 可用報導稱 GPT-5.5 價格為每百萬輸入 token $5、每百萬輸出 token $30，GPT-5.5 Pro 為每百萬輸入 token $30、每百萬輸出 token $180 [6]。

  • DeepSeek V4 Preview / Pro 的價格優勢說法不完全一致。 一項報導稱 DeepSeek V4 Preview 約比 GPT-5.5 便宜 85% [7]；另一項報導標題稱 DeepSeek V4 Pro 版本比 GPT-5.5 Pro 便宜 98% [6]。

Benchmark comparison

面向GPT-5.5DeepSeek V4目前可支持的結論
Coding 平均分58.672.2，版本為 DeepSeek V4 Flash HighDeepSeek V4 Flash High 在可用 coding 比較中領先 [5]
Terminal-Bench 2.0未提供具體分數未提供具體分數該子測試被描述為造成 coding 差距最大的 benchmark，但缺少分項分數 [5]
Agentic tasks領先落後於 GPT-5.5GPT-5.5 在 agentic tasks 類別佔優，但缺少具體分數 [5]
複雜推理 / coding 官方定位官方建議用於複雜推理與 coding缺少 DeepSeek 官方定位證據GPT-5.5 的官方定位較明確 [1]
價格 / 成本媒體報導稱 GPT-5.5 為 $5 input / $30 output 每百萬 token；Pro 為 $30 input / $180 output 每百萬 token報導稱 V4 Flash 為 $0.14 input / $0.28 output 每百萬 tokenDeepSeek V4 系列在可用報導中明顯更便宜，但價格證據不是完整官方對照 [4][6]

Evidence notes

  • 目前最直接的「基準測試」證據只有 DeepSeek V4 Flash High vs GPT-5.5 的第三方比較片段，且只明確給出 coding 類別平均分 72.2 vs 58.6 [5]。

  • GPT-5.5 的存在與官方用途定位有 OpenAI API 文件支持，因此這部分證據較強 [1]。

  • DeepSeek V4 的價格與相對成本優勢主要來自媒體報導與第三方文章，而不是 DeepSeek 官方價格表或完整 benchmark paper；因此價格比較可信度低於官方文件 [4][6][7][8]。

  • 可用資料混用了 DeepSeek V4、V4 Flash High、V4 Preview、V4 Pro 等名稱，這些可能不是同一模型或同一推理設定；因此不能把 V4 Flash High 的 coding 分數直接等同於所有 DeepSeek V4 版本的表現 [4][5][6][7][8]。

Limitations / uncertainty

  • Insufficient evidence. 可用證據沒有提供完整 benchmark 套件、測試方法、樣本數、溫度設定、工具使用設定、上下文長度、成本歸一化方式或統計顯著性 [5]。

  • Insufficient evidence. 可用證據沒有 DeepSeek 官方 benchmark、OpenAI 官方 GPT-5.5 benchmark 對照表，或獨立機構的完整可重現評測 [1][5]。

  • Insufficient evidence. 目前無法可靠比較數學、長上下文、知識問答、多模態、安全性、幻覺率、工具調用可靠性與延遲，因為可用證據未提供這些維度的完整數據 [1][5]。

Summary

  • 若只看目前可用的 coding benchmark 片段，DeepSeek V4 Flash High 以 72.2 對 58.6 領先 GPT-5.5 [5]。

  • 若看 agentic tasks，GPT-5.5 被第三方比較列為領先者，但缺少分數細節 [5]。

  • 若看官方用途定位，GPT-5.5 有較清楚的官方支持，OpenAI 建議其用於複雜推理與 coding [1]。

  • 若看價格，DeepSeek V4 系列在可用報導中顯著更便宜，但相關價格多來自媒體與第三方來源，不足以構成完整官方成本比較 [4][6][7]。

來源

  • [1] DeepSeek previews new AI model that 'closes the gap' with frontier ...techcrunch.com

    San Francisco, CA October 13-15, 2026 REGISTER NOW Notably, DeepSeek V4 is much more affordable than any frontier model available today. The smaller V4 Flash model costs $0.14 per million input tokens and $0.28 per million output tokens, undercutting GPT-5....

  • [2] DeepSeek V4 Is Here—Its Pro Version Costs 98% Less Than GPT 5.5 Protech.yahoo.com

    And this ended up with Deepseek being able to offer a much cheaper price per token than its competitors, while providing comparable results. To put that in dollar terms: GPT-5.5 launched yesterday at $5 input and $30 output per million tokens with GPT-5.5 P...

  • [4] DeepSeek V4 Pro (Reasoning, Max Effort) vs GPT-5.5 (xhigh)artificialanalysis.ai

    Model Comparison Metric DeepSeek logoDeepSeek V4 Pro (Reasoning, Max Effort) OpenAI logoGPT-5.5 (xhigh) Analysis --- --- Creator DeepSeek OpenAI Context Window 1000k tokens ( 1500 A4 pages of size 12 Arial font) 922k tokens ( 1383 A4 pages of size 12 Arial...

  • [5] DeepSeek V4: Features, Benchmarks, and Comparisons - DataCampdatacamp.com

    DeepSeek V4: Features, Benchmarks, and Comparisons Discover DeepSeek V4 features, pricing, and 1M context efficiency. We compare V4 Pro and Flash benchmarks against frontier models like GPT-5.5 and Opus 4.7. Apr 23, 2026 · 7 min read After months of rumors...

  • [13] DeepSeek V4 Flash (High) vs GPT-5.5: AI Benchmark Comparison 2026 | BenchLM.aibenchlm.ai

    DeepSeek V4 Flash (High) has the edge for coding in this comparison, averaging 72.2 versus 58.6. Inside this category, Terminal-Bench 2.0 is the benchmark that creates the most daylight between them. Which is better for agentic tasks, DeepSeek V4 Flash (Hig...

  • [14] DeepSeek V4 Preview: The Complete 2026 Guide - o-mega | AIo-mega.ai

    6. Head-to-Head: DeepSeek V4 vs GPT-5.5 The comparison between DeepSeek V4-Pro and GPT-5.5 is the headline matchup, and the nuances matter more than the top-line numbers suggest. GPT-5.5 holds clear advantages in certain areas, DeepSeek V4-Pro leads in othe...

  • [16] DeepSeek-V4 arrives with near state-of-the-art intelligence at 1/6th ...venturebeat.com

    On Terminal-Bench 2.0, DeepSeek scores 67.9%, close to Claude Opus 4.7’s 69.4%, but far behind GPT-5.5’s 82.7%. --- --- --- Benchmark DeepSeek-V4-Pro-Max GPT-5.5 GPT-5.5 Pro, where shown Claude Opus 4.7 Best result among these GPQA Diamond 90.1% 93.6% — 94....

  • [24] Models | OpenAI APIdevelopers.openai.com

    Start with gpt-5.5 for complex reasoning and coding, or choose gpt-5.4-mini and gpt-5.4-nano for lower-latency, lower-cost workloads. View all. Compare models. 4 hours ago

  • [30] GPT-5.5 System Card - OpenAIopenai.com

    GPT‑5.5 is a new model designed for complex, real-world work, including writing code, researching online, analyzing information, ... 2 days ago