DeepSeek vs 通義千問 vs 豆包

DeepSeek（4.6）：R1 推理模型的深度思考能力極強，可以進行多步驟複雜推理。V3.2 的推理能力也不弱。

通義千問（4.2）：推理能力中等偏上，Qwen3-Max 在複雜推理方面有不錯的表現。

豆包（3.5）：推理能力偏弱，不適合複雜邏輯任務。

DeepSeek（4.5）：程式設計能力接近 Claude Sonnet 水準，在 Python、Go、JavaScript 上表現尤為出色。價格是 Claude 的十分之一。

通義千問（4.2）：程式設計能力中等偏上，常見開發任務可以勝任。開源版本可微調以適應特定場景。

豆包（3.5）：程式設計能力偏弱，只適合簡單的腳本和程式碼片段生成。

DeepSeek（3.8）：平時速度還行，但尖峰時段會明顯變慢。快取命中時回應很快。

通義千問（4.3）：速度較快，尤其是 Flash 系列。阿里雲的基礎設施保證了較低的延遲。

豆包（4.5）：速度很快，是回應最快的模型之一。字節的基礎設施在延遲最佳化方面很出色。

DeepSeek（3.5）：這是 DeepSeek 最大的短板。尖峰時段頻繁 502、逾時、限流。

通義千問（4.2）：依託阿里雲基礎設施，穩定性在國產模型中屬於上游水準。

豆包（4.0）：依託字節基礎設施，穩定性不錯。

DeepSeek（4.0）：幻覺率中等偏低，整體表現不錯。但在某些長尾知識問題上偶爾會編造資訊。

通義千問（3.8）：幻覺率偏高，是千問需要改進的方面之一。長輸出中尤為明顯。

豆包（3.5）：幻覺率偏高，對於需要高準確性的場景不推薦。