内容更新: 2026-10-09
ChatGPT vs DeepSeek：公开评测分数对照
公开证据对照
先看共有测试，再自己验证
本页汇总双方共同出现在同一公开第三方评测中的结果，并标明精确模型版本与原始来源。条形图只比较同一测试内的分数，不能替代你用真实任务亲自试用。
ChatGPT vs DeepSeek：差异集中在哪
公开评测快照里的差异
- 综合分项（LiveBench）：在 2026-10-09 抓取的公开快照里，ChatGPT 代表配置在语言 90.13（第 2）、推理 92.65（第 1）、数学 96.83（第 3）、数据分析 82.97（第 1）领先；DeepSeek 的 deepseek-v4.1-flash-max 在 Agentic Coding 拿到 77.27、排全榜第 1，反超 ChatGPT 的 57.32（第 21）。编程这一项两家差距最大。
- 人类偏好口吻（LMArena）：代码类：ChatGPT gpt-6-astra-max 1792 Elo（第 2）明显高于 DeepSeek deepseek-v4.1-flash-max 1621（第 16）；文本类两者仅差 6 分（1483 对 1477）——日常问答的盲测偏好几乎打平，代码场景差距才拉开。
- 真实代码修复（SWE-bench Verified）：被标成 ChatGPT 的最高分（JoyCode + Claude 4 Sonnet + GPT-4.1）修好 74.6%，但这是混用 Claude 的智能体组合，不是独立 ChatGPT 配置；ChatGPT 单独提交的最好成绩是 GPT 5.2 (high) 的 72.8%。DeepSeek V3.2 (high) 为 70%。
产品与使用条件的差异
- 访问与登录：DeepSeek 官网 chat.deepseek.com 面向中国大陆用户可直接访问、手机号即可登录，开源权重可自部署；ChatGPT 需要非中国大陆地区的访问条件与相应账号。
- 产品定位：ChatGPT 的英文任务、工具链与多模态覆盖更全；DeepSeek 以开放权重、推理与数学口碑见长，API 价格通常更低。若你的任务是中文为主、预算敏感，DeepSeek 的主场优势在榜单之外。
- 价格与套餐：两边定价结构不同且经常调整，本页不引用具体数字。请在 DeepSeek 官网与 OpenAI 定价页（见下方官方来源）核对当前套餐、免费额度与 API 价格。
建议的同题实测任务
- 智能体式编程：给一个需要多步修改的真实小项目任务，观察谁更少中途丢失上下文（DeepSeek 在该分项排第 1）
- 多步推理：同一道多步题要求展示中间步骤，核对哪边的步骤经得起复算（ChatGPT 推理分项排第 1）
- 长对话续写：把同一段 20 轮对话分别接给两边，核对谁更早忘记前面的约束
怎么选：按你的任务落位
- 选 ChatGPT，如果：你的工作覆盖语言、推理、数学与数据分析等多种任务，需要一处解决大部分场景；公开快照里它在这些类别均处于前列。
- 选 DeepSeek，如果：你更看重开放权重、可自部署、API 成本与中文技术任务，且能接受部分类别落后于头部配置。
- 不要只看这一个指标：公开快照覆盖面较广，但仍是特定测试与特定版本的结果。价格、区域可用性与长对话稳定性不在这些分数里。
公开快照里 ChatGPT 在语言、推理、数学、数据分析全面领先，但 DeepSeek 拿下了 Agentic Coding 单项第 1，且文本偏好几乎打平、大陆可直连——综合强不强看榜单，适不适合看你的任务与访问条件。
快照证据的抓取时间与原始来源见下方评测表。实测任务请在你自己的账号上运行；本页提供证据与任务设计，不代你下结论。
公开评测怎么说
下面只展示这些模型共同出现在同一公开评测类别里的结果。不同来源的分数不能相加，也不能据此宣布谁全面更好。
DeepSeek
1
在共有测试中分数更高的项目
ChatGPT
7
在共有测试中分数更高的项目
共有测试
8
不同来源的分数不能相加
LiveBench · 智能体编程
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| DeepSeek | deepseek-v4.1-flash-max | 1 | 77.27 points | Category score (points) |
| ChatGPT | gpt-6-astra-max | 21 | 57.32 points | Category score (points) |
LiveBench · 编程任务
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| ChatGPT | gpt-5.6-sol-max | 7 | 83.94 points | Category score (points) |
| DeepSeek | deepseek-v4.1-flash-max | 22 | 80.04 points | Category score (points) |
LiveBench · 数据分析
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| ChatGPT | gpt-6-astra-max | 1 | 82.97 points | Category score (points) |
| DeepSeek | deepseek-v4-flash-vision-exp | 13 | 79.48 points | Category score (points) |
LiveBench · 指令遵循
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| ChatGPT | gpt-6-astra-max | 8 | 75.58 points | Category score (points) |
| DeepSeek | deepseek-v4-flash-vision-exp | 26 | 70.96 points | Category score (points) |
LiveBench · 语言任务
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| ChatGPT | gpt-6.1-sol-max | 2 | 90.13 points | Category score (points) |
| DeepSeek | deepseek-v4-pro-0813 | 26 | 82.07 points | Category score (points) |
LiveBench · 数学
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| ChatGPT | gpt-6.1-sol-max | 3 | 96.83 points | Category score (points) |
| DeepSeek | deepseek-v4-pro-0813 | 16 | 95.09 points | Category score (points) |
LiveBench · 推理
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| ChatGPT | gpt-6-astra-max | 1 | 92.65 points | Category score (points) |
| DeepSeek | deepseek-v4.1-flash-max | 31 | 86.69 points | Category score (points) |
SWE-bench Verified · 真实软件问题修复
SWE-bench Verified 衡量 AI 编程系统修好真实 GitHub 问题的比例。解决率越高，说明在该次测试设置中修好的问题越多。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| ChatGPT | JoyCode + Claude 4 Sonnet + GPT-4.1 | 17 | 74.6% | Resolved (%) |
| DeepSeek | DeepSeek V3.2 (high) | 46 | 70% | Resolved (%) |
产品入口
亲自试用时可核对的事项
- 对你的真实任务，答案是否准确、完整，以及还需要多少人工修改。
- 当前套餐的配额、价格与地区可用性是否满足长期使用。
- 隐私条款、登录方式与团队协作是否符合你的工作要求。
更多有公开证据的模型对比
官方来源与核验时间
下列链接是本页产品身份与套餐信息的官方来源，最后核验于 2026-09-28。价格、可用模型、配额与地区限制可能变化，请在购买或部署前以官网为准。
- OpenAI ChatGPT plans and pricing - 2026-09-28
- DeepSeek API models and pricing - 2026-09-28
常见问题
本页是否给出绝对排名？
不会。本站只在公开测试条件、原始来源与审校方法可核验时，才呈现限定条件下的结论；不会发布脱离场景的“全面最优”名单。
价格和套餐信息是否最终有效？
页面会链接官方来源并标注核验日期。购买或部署前，请以提供方官网及你所在地区显示的价格与条款为准。
ModelAny 会保存提示词吗？
ModelAny 采用本地优先设计：草稿、设置与历史保留在浏览器本地；提示词仅发送到你选择的 AI 服务，不会上传到 ModelAny 自有服务器。
用同一提示词比较多个模型
ModelAny 是免费的浏览器扩展，源码公开可审阅，已在 Chrome 网上应用店 与 Microsoft Edge 加载项 上架。草稿、设置与历史保留在浏览器本地。
安装扩展