DeepSeek
DeepSeek-V3.2 评测成绩
来自 5 个来源、8 项基准的 14 条成绩。
其他名称: deepseek-v3.2 · deepseek-v3.2-thinking · deepseek-chat · deepseek-reasoner · DeepSeek-V3.2 (Thinking) · deepseek/deepseek-v3.2 · DeepSeek-V3.2 (Thinking; Novita) · DeepSeek V3.2 · DeepSeek V3.2 (high) · DeepSeek-V3.2-Thinking
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1425 | 122 | Overall, style control on; 48114 votes; 95% CI 1421–1428“deepseek-v3.2” | 官方榜单 | 2026年10月8日 |
| LMArena Text | 1423 | 126 | Overall, style control on; 42076 votes; 95% CI 1419–1426“deepseek-v3.2-thinking” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1362 | 104 | Overall; 6921 votes; 95% CI 1353–1371“deepseek-v3.2-thinking” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1325 | 118 | Overall; 9386 votes; 95% CI 1317–1333“deepseek-v3.2” | 官方榜单 | 2026年10月8日 |
| GPQA Diamond | 83.4% | 95 | Epoch AI run, accuracy; effort: Thinking | 独立评测 | 2025年12月16日 |
| GPQA Diamond | 71.2% | 158 | Epoch AI run, accuracy | 独立评测 | 2026年7月16日 |
| MMLU-Pro | 85.0% | 33 | Overall accuracy; data source: Self-Reported; 685B“DeepSeek-V3.2-Thinking” | 厂商自报 | 2026年3月11日 |
| SWE-bench Verified | 70.0% | 28 | agent: mini-SWE-agent“deepseek-v3.2” | 官方榜单 | 2026年2月17日 |
| AIME (OTIS Mock AIME 2024–2025) | 87.8% | 80 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: Thinking | 独立评测 | 2025年12月16日 |
| AIME (OTIS Mock AIME 2024–2025) | 48.9% | 169 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2026年7月16日 |
| τ²-bench | 63.8% | 13 | airline domain, pass^1; submitted by DeepSeek; vv0.1.3 | 厂商自报 | 2025年12月1日 |
| τ²-bench | 81.1% | 10 | retail domain, pass^1; submitted by DeepSeek; vv0.1.3 | 厂商自报 | 2025年12月1日 |
| τ²-bench | 96.2% | 5 | telecom domain, pass^1; submitted by DeepSeek; vv0.1.3 | 厂商自报 | 2025年12月1日 |
| Terminal-Bench 2.0 | 39.5% | 102 | Terminal-Bench 2.0; agent: Terminus 2; effort: Thinking; Novita | 官方榜单 via Epoch AI | 2025年12月1日 |
本站相关
常见问题
DeepSeek-V3.2 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、LMArena leaderboard dataset、MMLU-Pro leaderboard (TIGER-Lab)、SWE-bench leaderboards (swebench.com)和τ²-bench leaderboard submissions。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。