AI BENCHY Compare
Anthropic: Claude Opus 4.8 vs DeepSeek: DeepSeek V4 Flash
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-05-28
| 指標 | Claude Opus 4.8 Claude Opus 4.8 medium | DeepSeek V4 Flash DeepSeek V4 Flash high 無料で利用可能 |
|---|---|---|
| スコア | 8.7 | 7.6 |
| 順位 | #12 | #45 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 9.6 | 8.4 |
| 正解テスト | ||
| 試行ごとの合格率 | 83.3% | 73.3% |
| 不安定なテスト | 1 | 4 |
| 総実行回数 | 60 | 60 |
| 結果あたりのコスト | 6.285 | 0.309 |
| 合計コスト | $1.006 | $0.028 |
| 入力価格 | $5.000 / 1M | $0.100 / 1M |
| 出力価格 | $25.000 / 1M | $0.200 / 1M |
| 出力トークン | 23,201 | 10,302 |
| 推論トークン | 5,901 | 115,740 |
| 応答時間（平均） | 9.34s | 46.36s |
| 応答時間（最大） | 38.03s | 218.13s |
| 応答時間（合計） | 186.84s | 927.27s |
スコア vs 総コスト
応答時間（平均）
スコア vs 応答時間（平均）
合計出力トークン
スコア vs 合計出力トークン
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 10.0 | 10.0 | 100.0% | 0 | 3.95s | 1,179 | 478 | |
| DeepSeek V4 Flash | 8.3 | 10.0 | 75.0% | 0 | 28.51s | 140 | 7,770 |
| コーディング | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 10.0 | 10.0 | 100.0% | 0 | 14.97s | 6,651 | 1,381 | |
| DeepSeek V4 Flash | 6.8 | 10.0 | 50.0% | 0 | 58.13s | 387 | 27,101 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 9.8 | 10.0 | 100.0% | 0 | 38.03s | 5,260 | 1,588 | |
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 76.57s | 465 | 7,347 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 7.1 | 5.6 | 83.3% | 1 | 12.29s | 481 | 312 | |
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 28.03s | 201 | 1,179 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 5.3 | 10.0 | 33.3% | 0 | 14.15s | 7,477 | 900 | |
| DeepSeek V4 Flash | 4.1 | 4.4 | 44.5% | 2 | 100.31s | 27 | 59,249 |
| 汎用知能 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 10.0 | 10.0 | 100.0% | 0 | 2.46s | 237 | 0 | |
| DeepSeek V4 Flash | 6.1 | 3.1 | 66.7% | 1 | 25.15s | 79 | 632 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 10.0 | 10.0 | 100.0% | 0 | 3.32s | 373 | 320 | |
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.36s | 63 | 1,622 |
| パズル解決 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 10.0 | 10.0 | 100.0% | 0 | 3.95s | 791 | 483 | |
| DeepSeek V4 Flash | 8.2 | 7.2 | 88.9% | 1 | 26.11s | 196 | 1,767 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 10.0 | 10.0 | 100.0% | 0 | 8.96s | 301 | 225 | |
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 74.73s | 228 | 542 |
| 雑学 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 3.0 | 10.0 | 0.0% | 0 | 6.14s | 451 | 214 | |
| DeepSeek V4 Flash | 3.0 | 10.0 | 0.0% | 0 | 54.46s | 8,516 | 8,531 |
クイック比較
比較ペアを切り替え
DeepSeek V4 Flashhigh無料で利用可能vsMiMo-V2.5-PromediumDeepSeek V4 Flashhigh無料で利用可能vsGemini 3.1 Flash Lite PreviewlowDeepSeek V4 Flashhigh無料で利用可能vsQwen3.5-FlashmediumDeepSeek V4 Flashhigh無料で利用可能vsQwen3.6 FlashmediumDeepSeek V4 Flashhigh無料で利用可能vsQwen3.5 Plus 2026-04-20mediumDeepSeek V4 Flashhigh無料で利用可能vsGrok Build 0.1mediumDeepSeek V4 Flashhigh無料で利用可能vsGemini 3 Flash PreviewnoneDeepSeek V4 Flashhigh無料で利用可能vsMiMo-V2-PromediumClaude Opus 4.8mediumvsGemini 3 Flash PreviewlowDeepSeek V4 Flashhigh無料で利用可能vsQwen3.5-122B-A10BmediumDeepSeek V4 Flashhigh無料で利用可能vsGemini 2.5 FlashmediumClaude Sonnet 4.6mediumvsDeepSeek V4 Flashhigh無料で利用可能