暂无双方都参与的评测基准
下方仍可查看各自的成绩、价格与规格明细。
DeepSeek V3.2
DeepSeek-AI
Qwen3-Coder-Next
阿里巴巴
按评测基准逐项对比；切换思考模式或工具设置后，下方图表与表格同步更新。
“最佳可用”按每项评测分别选择按指标方向选出的最佳非并行结果，因此这条系列可能由多个推理档拼接而成，并不代表一个可直接复现的单一运行配置。切换模式筛选可查看可复现的同档结果。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
每条轴是该评测领域内百分制成绩的算术平均，反映的是这些评测的平均得分，不是模型能力评级。
相对优势: AI Agent - 工具使用 +4.7 / 相对落后: 指令跟随 -0.6
相对优势: Agent能力评测 +8.0 / 相对落后: AI Agent - 工具使用 -2.5
相对优势: 指令跟随 +19.5 / 相对落后: 编程与软件工程 -3.3
相对优势: 编程与软件工程 +1.7 / 相对落后: 指令跟随 -26.8
计算口径：同一模型在同一 benchmark 下先平均当前模式范围内的所有分数（不取最高分），再按评测领域对这些分数求平均。只纳入至少两个模型有百分制成绩的评测；Codeforces、Arena 等 Elo/评分制评测已排除，因为把 1500 分的 Elo 与 85% 的准确率放在一起平均不具意义。缺项不按 0 分处理；各评测等权，未按难度加权，因此包含高难度评测的领域分数天然偏低。
按评测基准逐行列出各模型与运行模式的得分；同一行内可比，跨行不可比。
21 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | DeepSeek V3.2 | GLM-4.7 | M2.1 | Qwen3-Coder-Next |
|---|---|---|---|---|
2.90开启思考 | 1.70开启思考 | 0.30开启思考 | -- | |
25.10开启思考 | 42.80开启思考 ｜ 工具 | 23.20开启思考 | 10.10常规模式 | |
62.20开启思考 | 58.09常规模式 | -- | -- | |
82.40开启思考 | 85.70开启思考 | 81.00开启思考 | 73.70常规模式 | |
83.30开启思考 | 84.90开启思考 | 81.00开启思考 | -- | |
40.90开启思考 | 40.60开启思考 ｜ 工具 | 32.60开启思考 ｜ 工具 | 44.30常规模式 ｜ 工具 | |
73.10开启思考 ｜ 工具 | 73.80开启思考 ｜ 工具 | 74.80开启思考 | 70.60常规模式 ｜ 工具 | |
92.70开启思考 | 92.90开启思考 | -- | -- | |
93.10开启思考 | 95.70开启思考 | 81.00开启思考 | -- | |
2.10开启思考 | 2.10常规模式 | -- | -- | |
1511.20常规模式 | 1410.80常规模式 | -- | -- | |
35.60开启思考 ｜ 工具 | 33.30开启思考 ｜ 工具 | 28.80开启思考 ｜ 工具 | 18.20常规模式 ｜ 工具 | |
80.30开启思考 ｜ 工具 | 87.40开启思考 ｜ 工具 | -- | -- | |
90.60开启思考 ｜ 工具 | 95.90开启思考 ｜ 工具 | 87.00开启思考 ｜ 工具 | 79.50常规模式 ｜ 工具 | |
60.70开启思考 | 67.90开启思考 | 70.00开启思考 ｜ 工具 | 35.20常规模式 | |
51.40开启思考 | 52.00开启思考 ｜ 工具 | 47.40开启思考 ｜ 工具 | -- | |
46.40开启思考 ｜ 工具 | 41.00开启思考 ｜ 工具 | 47.90开启思考 ｜ 工具 | 36.20常规模式 ｜ 工具 | |
46.80开启思考 ｜ 工具 | 45.30开启思考 ｜ 工具 | -- | 38.20常规模式 ｜ 工具 | |
45.70常规模式 | 40.70常规模式 | -- | -- | |
79.00开启思考 ｜ 工具 | -- | -- | 75.80开启思考 ｜ 工具 | |
84.30开启思考 ｜ 工具 | -- | 84.30开启思考 ｜ 工具 | 79.10开启思考 ｜ 工具 |
各模型 API 的官方标价，按输入 / 输出分列；单位为美元 / 百万 tokens。
架构、许可与 API 模态等规格对比；「未提供」表示数据库暂无该字段。
