代理基准FoodTruck Bench测试显示，首款进入该测试前沿梯队的中国模型DeepSeek V4 Pro性能距GPT-5.2不足3%、成本低约17倍，居总榜第4，中美前沿AI差距缩至10周，小米MiMo v2.5 Pro跻身前6；评论提及Claude Opus性能领先、Gemma性价比突出，也有对测试模型版本的讨论。