studioglobal
热门发现
报告已发布9 来源

GPT-5.5 vs DeepSeek V4：Benchmark、Coding、Agent 任务与价格对比

目前没有足够证据说明 GPT 5.5 或 DeepSeek V4 全面胜出。BenchLM 显示 DeepSeek V4 Flash High 在 coding 平均分 72.2 对 58.6 领先，但 GPT 5.5 在 agentic tasks 以 81.8 对 55.4 领先 [13]。 VentureBeat 比较的是 DeepSeek V4 Pro Max；在该表中，GPT 5.5 于 GPQA Diamond、Humanity’s Last Exam、Terminal Bench 2.0 与 SWE Bench Pro / SWE Pro 均高于 DeepSeek V4 Pro Max [16]。

使用 Studio Global AI 搜索并核查事实从“发现”浏览更多内容
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

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

先说结论：这不是一道「谁更强」的单选题。公开资料比较的并不是同一个 DeepSeek V4 设置：BenchLM 用的是 DeepSeek V4 Flash High，VentureBeat 用的是 DeepSeek-V4-Pro-Max，Artificial Analysis 则比较 DeepSeek V4 Pro Reasoning, Max Effort 与 GPT-5.5 xhigh [4][13][16]。

所以，更稳妥的读法不是把所有数字揉成一个总排名，而是把分数放回版本、推理设置、任务类型和价格里看。对工程团队来说，这比一句「某某模型赢了」更有价值。

一分钟结论：按任务选，不按品牌选

如果你的任务偏大批量 coding，DeepSeek V4 Flash High 值得优先进入测试。BenchLM 显示，DeepSeek V4 Flash High 的 coding 类别平均分为 72.2，GPT-5.5 为 58.6 [13]。

如果你的任务偏智能体工作流，也就是需要模型连续浏览、调用工具、执行多步操作或做复杂信息分析，GPT-5.5 的公开证据更集中。同一 BenchLM 对比中，GPT-5.5 的 agentic tasks 平均分为 81.8，DeepSeek V4 Flash High 为 55.4 [13]。

如果你关注终端操作和复杂软件工程基准，VentureBeat 对 DeepSeek-V4-Pro-Max 的表格显示，GPT-5.5 在 GPQA Diamond、Humanity’s Last Exam、Terminal-Bench 2.0 与 SWE-Bench Pro / SWE Pro 上均更高 [16]。

如果成本是第一约束，DeepSeek V4 Flash 的报道价格非常有吸引力：每 100 万输入 token $0.14、每 100 万输出 token $0.28；相比之下，Yahoo/Decrypt 报道 GPT-5.5 为每 100 万输入 token $5、输出 token $30 [1][2]。

先把版本说清楚：DeepSeek V4 不是一个固定设置

DataCamp 将 DeepSeek V4 描述为两个 preview models：V4-Pro 与 V4-Flash，并称 V4-Pro 具备 1-million-token context window 与 1.6 trillion total parameters [5]。但第三方比较页使用的名称更多，包括 DeepSeek V4 Flash High、DeepSeek-V4-Pro-Max、DeepSeek V4 Pro Reasoning, Max Effort [4][13][16]。

这会直接影响结论。DeepSeek V4 Flash High 的 coding 成绩，不能自动代表 V4-Pro-Max；V4-Pro-Max 在某个终端基准上的分数，也不能直接否定 Flash High 在另一套 coding 类别中的表现 [13][16]。

来源比较版本最有用的信息主要注意点
BenchLMDeepSeek V4 Flash High vs GPT-5.5DeepSeek V4 Flash High 在 coding 平均分领先；GPT-5.5 在 agentic tasks 领先 [13]不能直接外推到 V4-Pro-Max
VentureBeatDeepSeek-V4-Pro-Max vs GPT-5.5GPT-5.5 在 GPQA Diamond、Humanity’s Last Exam、Terminal-Bench 2.0、SWE-Bench Pro / SWE Pro 更高 [16]比较对象不是 Flash High
Artificial AnalysisDeepSeek V4 Pro Reasoning, Max Effort vs GPT-5.5 xhighDeepSeek 的 context window 为 1000k tokens，GPT-5.5 xhigh 为 922k tokens；GPT-5.5 xhigh 支持 image input，而该 DeepSeek 设置不支持 [4]功能对比不等于所有 benchmark 胜负
DataCampDeepSeek V4-Pro 与 V4-Flash描述 V4-Pro 的 1-million-token context window 与 1.6 trillion total parameters [5]第三方测试未必使用同一命名或设置

Benchmark 对照：不要把不同测试简单平均

测试面向GPT-5.5DeepSeek V4 版本与分数目前读法
Coding 平均分58.6DeepSeek V4 Flash High：72.2BenchLM 的 coding 对照中，DeepSeek V4 Flash High 领先 [13]
Agentic tasks 平均分81.8DeepSeek V4 Flash High：55.4BenchLM 的智能体任务对照中，GPT-5.5 领先 [13]
GPQA Diamond93.6%DeepSeek-V4-Pro-Max：90.1%VentureBeat 对照中，GPT-5.5 较高 [16]
Humanity’s Last Exam，no tools41.4%DeepSeek-V4-Pro-Max：37.7%VentureBeat 对照中，GPT-5.5 较高 [16]
Humanity’s Last Exam，with tools52.2%DeepSeek-V4-Pro-Max：48.2%VentureBeat 对照中，GPT-5.5 较高 [16]
Terminal-Bench 2.082.7%DeepSeek-V4-Pro-Max：67.9%VentureBeat 中 GPT-5.5 领先；但 BenchLM 又指出 Terminal-Bench 2.0 是 DeepSeek V4 Flash High 在 coding 类别拉开差距的子测试，说明版本与方法差异很关键 [13][16]
SWE-Bench Pro / SWE Pro58.6%DeepSeek-V4-Pro-Max：55.4%VentureBeat 对照中，GPT-5.5 小幅领先 [16]
SWE-bench Verified88.7%DeepSeek V4-Pro：80.6%O-mega 的第三方 guide 列出 GPT-5.5 领先 [14]

这张表的重点不是选一个总冠军，而是看你的任务更像哪一类。BenchLM 的 coding 类别偏向 DeepSeek V4 Flash High；同一来源的 agentic tasks 偏向 GPT-5.5；VentureBeat 对 DeepSeek-V4-Pro-Max 的多项推理、终端和软件工程对照则偏向 GPT-5.5 [13][16]。

Coding：DeepSeek V4 Flash High 很亮眼，但并非所有工程基准都领先

DeepSeek V4 最有利的公开数据来自 BenchLM 的 coding 类别。该比较列出 DeepSeek V4 Flash High 平均分 72.2，GPT-5.5 为 58.6，并指出 Terminal-Bench 2.0 是该类别中拉开差距最大的子测试 [13]。

但换一个版本和方法，结果会变得不一样。VentureBeat 的 DeepSeek-V4-Pro-Max 对照表显示，GPT-5.5 在 Terminal-Bench 2.0 以 82.7% 对 67.9% 领先，在 SWE-Bench Pro / SWE Pro 也以 58.6% 对 55.4% 领先 [16]。O-mega 的第三方 guide 也列出 GPT-5.5 在 SWE-bench Verified 以 88.7% 对 DeepSeek V4-Pro 的 80.6% 领先 [14]。

实务上可以这样切：如果你的内部任务更接近 BenchLM 的 coding 类别，DeepSeek V4 Flash High 应该进入候选名单；如果你的代码助手更接近终端操作、仓库级修改或完整软件工程流程，GPT-5.5 目前有 VentureBeat 与 O-mega 的公开对照支持 [13][14][16]。

Agentic tasks：GPT-5.5 的证据更集中

BenchLM 在同一组 DeepSeek V4 Flash High vs GPT-5.5 比较中，列出 GPT-5.5 的 agentic tasks 平均分为 81.8，DeepSeek V4 Flash High 为 55.4，并指出 BrowseComp 是拉开差距最大的子测试 [13]。

OpenAI 的 API 文件也建议，复杂推理与 coding 可从 gpt-5.5 开始选用，较低延迟、较低成本的工作负载则可选 gpt-5.4-mini 或 gpt-5.4-nano [24]。OpenAI 的 GPT-5.5 system card 将其描述为面向复杂真实工作，包括写代码、在线研究和信息分析 [30]。

官方定位并不等于独立 benchmark 结论。不过，它与 BenchLM 的 agentic tasks 方向一致：如果你的工作负载偏多步推理、在线研究、工具调用或智能体评测类型，GPT-5.5 应该优先进入内部测试 [13][24][30]。

长上下文与多模态：别只盯着总分

如果瓶颈是上下文长度，DeepSeek V4 Pro 值得单独评估。DataCamp 描述 V4-Pro 具备 1-million-token context window；Artificial Analysis 则列出 DeepSeek V4 Pro Reasoning, Max Effort 的 context window 为 1000k tokens，GPT-5.5 xhigh 为 922k tokens [4][5]。

但功能差异不只上下文。Artificial Analysis 同页指出，GPT-5.5 xhigh 支持 image input，而 DeepSeek V4 Pro Reasoning, Max Effort 不支持 [4]。如果你的产品需要图像输入、长文档分析，或两者同时存在，就要把这些能力单独测试，不能只靠 coding 或 agentic 平均分做决策。

价格：DeepSeek V4 Flash 很便宜，但 V4 Pro 输入价有出入

价格是 DeepSeek V4 最醒目的商业优势之一。TechCrunch 与 Yahoo/Decrypt 都报道 DeepSeek V4 Flash 价格为每 100 万输入 token $0.14、每 100 万输出 token $0.28 [1][2]。Yahoo/Decrypt 另报道 GPT-5.5 价格为每 100 万输入 token $5、输出 token $30，GPT-5.5 Pro 为每 100 万输入 token $30、输出 token $180 [2]。

模型 / 版本报道输入价格报道输出价格备注
DeepSeek V4 Flash$0.14 / 100 万 tokens$0.28 / 100 万 tokensTechCrunch 与 Yahoo/Decrypt 报道一致 [1][2]
DeepSeek V4 ProTechCrunch：$0.145 / 100 万 tokens；Yahoo/Decrypt：$1.74 / 100 万 tokens$3.48 / 100 万 tokens两个来源的输入价格不同，输出价格一致 [1][2]
GPT-5.5$5 / 100 万 tokens$30 / 100 万 tokensYahoo/Decrypt 报道价格 [2]
GPT-5.5 Pro$30 / 100 万 tokens$180 / 100 万 tokensYahoo/Decrypt 报道价格 [2]

如果你的产品每天消耗大量 token，DeepSeek V4 Flash 的报道价格会显著改变成本模型 [1][2]。但正式采购前至少要复核两点：第一，DeepSeek V4 Pro 的输入价格在 TechCrunch 与 Yahoo/Decrypt 之间不一致；第二，本文可引用的 GPT-5.5 价格来自媒体报道，而不是这里引用的 OpenAI API 文档片段 [1][2][24]。

选型建议：先做候选排序，再做内部评测

优先测 GPT-5.5，如果你的重点是智能体工作流。 BenchLM 的 agentic tasks 平均分明显偏向 GPT-5.5，OpenAI 文件也将 gpt-5.5 放在复杂推理与 coding 的建议起点 [13][24]。

优先测 GPT-5.5，如果任务接近终端操作或高难度软件工程。 VentureBeat 列出 GPT-5.5 在 Terminal-Bench 2.0 与 SWE-Bench Pro / SWE Pro 高于 DeepSeek-V4-Pro-Max；O-mega 也列出 GPT-5.5 在 SWE-bench Verified 高于 DeepSeek V4-Pro [14][16]。

优先测 DeepSeek V4 Flash High，如果核心需求是低成本 coding throughput。 BenchLM 的 coding 平均分支持 DeepSeek V4 Flash High，且 DeepSeek V4 Flash 的报道单价远低于本文可引用的 GPT-5.5 媒体报道价 [1][2][13]。

把 DeepSeek V4 Pro 放进长上下文评估，如果 context window 是瓶颈。 DataCamp 描述 V4-Pro 具备 1-million-token context window，Artificial Analysis 也列出 DeepSeek V4 Pro Reasoning, Max Effort 的 context window 为 1000k tokens，略高于 GPT-5.5 xhigh 的 922k tokens [4][5]。

证据边界：公开 benchmark 只能决定先测谁

目前证据有三个主要限制。

第一，来源使用的 DeepSeek V4 名称不一致，包括 V4-Flash、V4 Flash High、V4-Pro、V4-Pro-Max 与 V4 Pro Reasoning, Max Effort [4][5][13][16]。

第二，Terminal-Bench 2.0 的方向在不同来源中不能直接合并：BenchLM 指出 Terminal-Bench 2.0 是 DeepSeek V4 Flash High 在 coding 类别拉开差距的子测试；VentureBeat 则列出 GPT-5.5 在 Terminal-Bench 2.0 高于 DeepSeek-V4-Pro-Max [13][16]。

第三，价格资料仍需复核，尤其是 DeepSeek V4 Pro 输入价格在 TechCrunch 与 Yahoo/Decrypt 之间不同 [1][2]。

最稳妥的生产决策，仍然是用自己的 prompts、数据、工具调用流程、延迟要求和 token 成本做 A/B eval。公开 benchmark 可以帮你缩小候选名单，但不应替代内部评测。

最终判断

截至这批可引用资料，没有足够证据说 GPT-5.5 或 DeepSeek V4 全面胜出。DeepSeek V4 Flash High 在 BenchLM 的 coding 平均分领先，GPT-5.5 在同一来源的 agentic tasks 领先；VentureBeat 的 DeepSeek-V4-Pro-Max 对照则在多项推理、终端与软件工程基准上偏向 GPT-5.5 [13][16]。

如果你正在做模型选型，最实用的结论是：agentic workflows、在线研究与终端型任务先测 GPT-5.5；低成本、大量 coding pipeline 先测 DeepSeek V4 Flash High；长上下文需求则把 DeepSeek V4 Pro 与 GPT-5.5 xhigh 分开实测 [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 搜索并核查事实

要点

  • 目前没有足够证据说明 GPT 5.5 或 DeepSeek V4 全面胜出。BenchLM 显示 DeepSeek V4 Flash High 在 coding 平均分 72.2 对 58.6 领先，但 GPT 5.5 在 agentic tasks 以 81.8 对 55.4 领先 [13]。
  • VentureBeat 比较的是 DeepSeek V4 Pro Max；在该表中，GPT 5.5 于 GPQA Diamond、Humanity’s Last Exam、Terminal Bench 2.0 与 SWE Bench Pro / SWE Pro 均高于 DeepSeek V4 Pro Max [16]。
  • 价格上，DeepSeek V4 Flash 的报道价为每 100 万 token 输入 $0.14、输出 $0.28，低于 GPT 5.5 的媒体报道价 $5 输入、$30 输出；但 V4 Pro 的输入价格在来源间不一致，部署前需复核 [1][2]。

人们还问

“GPT-5.5 vs DeepSeek V4：Benchmark、Coding、Agent 任务与价格对比”的简短答案是什么？

目前没有足够证据说明 GPT 5.5 或 DeepSeek V4 全面胜出。BenchLM 显示 DeepSeek V4 Flash High 在 coding 平均分 72.2 对 58.6 领先，但 GPT 5.5 在 agentic tasks 以 81.8 对 55.4 领先 [13]。

首先要验证的关键点是什么？

目前没有足够证据说明 GPT 5.5 或 DeepSeek V4 全面胜出。BenchLM 显示 DeepSeek V4 Flash High 在 coding 平均分 72.2 对 58.6 领先，但 GPT 5.5 在 agentic tasks 以 81.8 对 55.4 领先 [13]。 VentureBeat 比较的是 DeepSeek V4 Pro Max；在该表中，GPT 5.5 于 GPQA Diamond、Humanity’s Last Exam、Terminal Bench 2.0 与 SWE Bench Pro / SWE Pro 均高于 DeepSeek V4 Pro Max [16]。

接下来在实践中我应该做什么？

价格上，DeepSeek V4 Flash 的报道价为每 100 万 token 输入 $0.14、输出 $0.28，低于 GPT 5.5 的媒体报道价 $5 输入、$30 输出；但 V4 Pro 的输入价格在来源间不一致，部署前需复核 [1][2]。

接下来我应该探索哪个相关主题？

继续“Claude Opus 4.7、GPT-5.5、DeepSeek V4 与 Kimi K2.6：2026 基准对比与选型结论”以获得另一个角度和额外的引用。

打开相关页面

我应该将其与什么进行比较？

对照“DeepSeek V4 工程解析：1M 上下文、MoE 与 API 迁移要点”交叉检查此答案。

打开相关页面

继续你的研究

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 与 Kimi K2.6：2026 基准对比与选型结论

Claude Opus 4.7、GPT-5.5、DeepSeek V4、Kimi K2.6：2026 基准测试怎么读

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 与 API 迁移要点

DeepSeek V4 工程解析：1M 上下文、MoE 与 API 迁移要点

木材市場與需求彈性概念的編輯插圖

Northwest vs. Southeast Timber 弹性题解：为什么是 larger; larger

Northwest 与 Southeast Timber：替代性越高，为什么答案是 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会打败OpenAI、Claude、Gemini和Grok吗？关键不只在榜单

DeepSeek会打败OpenAI、Claude、Gemini和Grok吗？关键不只在榜单

研究对话

你

研究问题

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

Studio Global AI39 来源

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]。

来源

  • [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