DeepSeek-V3.2

DeepSeek· 2025-12-01 上线国产开源

综合榜暂不排名：评测成绩还不够

编程

40.8

科研

44.2

专业办公

29.2

知识问答

46.9

价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。

编程

评测	原始成绩	标准分	最好成绩的档位	比较模型数
Terminal-Bench	39.6%	42.2	默认	29
WebDev Arena	1,325	39.4	默认	96
Aider Polyglot	74.2%	不计分	默认	1

评测	原始成绩	标准分	最好成绩的档位	比较模型数
ProofBench	8.0%	39.2	默认	77
OTIS Mock AIME	87.8%	49.2	默认	87

评测	原始成绩	标准分	最好成绩的档位	比较模型数
APEX-Agents	21.3%	29.2	默认	49

评测	原始成绩	标准分	最好成绩的档位	比较模型数
GPQA Diamond	83.4%	46.9	默认	84

这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。

评测	原始成绩	标准分	最好成绩的档位	比较模型数
ARC-AGI-2	4.0%	不计分	默认	52
ARC-AGI	57.0%	不计分	默认	52
国际象棋谜题	14.0%	不计分	默认	88

原始成绩取这个模型各个推理档位和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。数据 10月16日 06:10 更新。

数据来源：Epoch AI（CC BY 4.0），本站按公开方法折算排名，不代表 Epoch AI 的观点。