DeepSeek 基準測試對比

DeepSeek 各模型在公開基準上的分數,與同期主流模型並排。 分數全部抄自官方模型卡 —— 我們沒有自己跑。

為什麼要說清楚這點。 「自己跑 benchmark」需要 API 額度、固定的評測環境、以及對每個基準的正確配置。 我們現在做的是彙總官方公布的數字,標明每個數字的來源。

這和「自己跑」的差別很重要:官方分數是廠商自報,可能有選擇性公布。 但這也是目前唯一能低成本持續更新的方式。等有需求,再考慮自己跑。
基準
46
模型
23
DeepSeek 模型
5
更新
每週
怎麼讀這張表。 藍底 是 DeepSeek 自家模型;粗體是該行最高分。 不同表格的評測設定可能不同(shots、輸出長度限制),跨表比較要謹慎。

其他

基準設定DeepSeek-V2Qwen2.5 72BLLaMA3.1 405BDeepSeek-V3Claude-3.5-Sonnet-1022GPT-4o 0513DeepSeek V3DeepSeek V2.5-0905Qwen2.5 72B-Inst.Llama3.1 405B-Inst.OpenAI o1-miniDeepSeek R1
AGIEval (Acc.)0-shot57.575.860.679.6————————
AIME 2024 (Pass@1)————169.339.216.723.323.363.679.8
ARC-Challenge (Acc.)25-shot92.294.595.395.3————————
ARC-Easy (Acc.)25-shot97.698.498.498.9————————
Aider-Edit (Acc.)————84.272.979.771.665.463.9——
Aider-Polyglot (Acc.)————45.31649.618.27.65.832.953.3
AlpacaEval2.0 (LC-winrate)————5251.170———57.887.6
ArenaHard (GPT-4-1106)————85.280.485.5———9292.3
C-Eval (Acc.)5-shot81.489.272.590.176.77686.579.586.161.568.991.8
C-SimpleQA (Correct)————55.459.36854.148.450.440.363.7
C3 (Acc.)0-shot77.476.779.778.6————————
CCPM (Acc.)0-shot9388.578.692————————
CLUEWSC (EM)5-shot8282.58382.785.487.990.990.491.484.789.992.8
CMMLU (Acc.)5-shot8489.573.788.8————————
CMRC (EM)1-shot77.475.87676.3————————
CNMO 2024 (Pass@1)————13.110.843.210.815.96.867.678.8
CRUXEval-I (Acc.)2-shot52.559.158.567.3————————
CRUXEval-O (Acc.)2-shot49.859.959.969.8————————
Codeforces (Percentile)————717759113435.624.825.318202029
DROP (F1)3-shot80.480.6868988.383.791.687.876.788.783.992.2
FRAMES (Acc.)————72.580.573.365.469.87076.982.5
GPQA-Diamond (Pass@1)————6549.959.141.34951.16071.5
GSM8K (EM)8-shot81.688.383.589.3————————
HellaSwag (Acc.)10-shot87.184.889.288.9————————
HumanEval (Pass@1)0-shot43.35354.965.2————————
HumanEval-Mul (Pass@1)————81.780.582.677.477.377.2——
IF-Eval (Prompt Strict)————86.584.386.180.684.18684.883.3
LiveCodeBench (Pass@1-COT)————36.334.240.529.231.130.153.865.9
LiveCodeBench-Base (Pass@1)3-shot11.612.915.519.4————————
LongBench v2 (Acc.)————4148.148.735.439.436.1——
MATH (EM)4-shot43.454.44961.6————————
MATH-500 (EM)————78.374.690.274.78073.89097.3
MBPP (Pass@1)3-shot6572.668.475.4————————
MMLU (Acc.)5-shot78.48584.487.188.387.288.580.685.388.685.290.8
MMLU-Pro (Acc.)5-shot51.458.352.864.47872.675.966.271.673.380.384
MMLU-Redux (Acc.)5-shot75.683.281.386.288.98889.180.385.686.286.792.9
MMMLU-non-English (Acc.)5-shot6474.873.879.4————————
Math————————————
NaturalQuestions (EM)5-shot38.633.241.540————————
PIQA (Acc.)0-shot83.982.685.984.7————————
RACE-High (Acc.)5-shot52.650.356.851.3————————
RACE-Middle (Acc.)5-shot73.168.174.267.1————————
SWE Verified (Resolved)————50.838.84222.623.824.541.649.2
SimpleQA (Correct)————28.438.224.910.29.117.1730.1
TriviaQA (EM)5-shot8071.982.782.9————————
WinoGrande (Acc.)5-shot86.382.385.284.9————————

來源與限制

項目說明
來源官方模型卡 README(HuggingFace: deepseek-ai/*)
採集日期2026-11-05
更新頻率每週一次
是否自己跑否,抄自官方模型卡
已知問題不同表的評測設定可能不一致;官方可能只公布有利的分數

分数抄自官方模型卡,不是我们自己跑的。不同表格的评测设置可能不同,跨表比较需谨慎。

相關

模型技術參數 · 論文索引 · 服務商比價