AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs DeepSeek: DeepSeek V4 Flash

概要

Claude Opus 4.8 (medium) vs DeepSeek V4 Flash (high) の benchmark 比較: Claude Opus 4.8 (medium) が平均スコアでリードし、8.8 vs 8.3 です。 DeepSeek V4 Flash (high) の benchmark コストが低く、$0.027 vs $1.107 です。 Claude Opus 4.8 (medium) の方が高速で、9.72s vs 45.85s です、成功率は 84.1% vs 74.6% です。

おすすめモデル: DeepSeek V4 Flash (high) - スコアはここでの最高値に近く（8.3 vs 8.8）、Claude Opus 4.8 (medium) より約 42.4 倍低コストです。

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: 2026-07-10

指標	Claude Opus 4.8 Claude Opus 4.8 medium リリース: 2026-05-28	DeepSeek V4 Flash DeepSeek V4 Flash high リリース: 2026-04-24

指標	Claude Opus 4.8 Claude Opus 4.8 medium リリース: 2026-05-28	DeepSeek V4 Flash DeepSeek V4 Flash high リリース: 2026-04-24
スコア	8.8	8.3
順位	#15	#27
信頼性	10.0	10.0
一貫性	9.6	8.5
正解テスト
試行ごとの合格率	84.1%	74.6%
不安定なテスト	1	4
総実行回数	63	63
結果あたりのコスト	6.512	0.299
合計コスト	$1.107	$0.027
入力価格	$5.000 / 1M	$0.090 / 1M
出力価格	$25.000 / 1M	$0.180 / 1M
合計入力トークン	61,007	39,745
出力トークン	26,495	10,310
推論トークン	5,901	123,501
応答時間（平均）	9.72s	45.85s
応答時間（最大）	38.03s	218.13s
応答時間（合計）	204.19s	962.79s

生成ショーケース

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#15 Claude Opus 4.8

medium

コスト: $0.057
時間: 23.1s
トークン: 2,412 tok

#27 DeepSeek V4 Flash

high

コスト: $0.003
時間: 93.1s
トークン: 7,926 tok

スコア上位モデル

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）	入力トークン	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	834	1,179	478
DeepSeek V4 Flash	8.3	10.0	75.0%	0		28.51s	540	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）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
DeepSeek V4 Flash	7.8	10.0	66.7%	0		50.60s	7,279	395	34,862

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）	入力トークン	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	23,561	5,260	1,588
DeepSeek V4 Flash	10.0	10.0	100.0%	0		76.57s	14,016	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）	入力トークン	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	10,503	481	312
DeepSeek V4 Flash	10.0	10.0	100.0%	0		28.03s	7,290	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）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	5.3	10.0	33.3%	0		14.59s	975	7,477	900
DeepSeek V4 Flash	4.1	4.4	44.5%	2		100.31s	666	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）	入力トークン	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	708	237	0
DeepSeek V4 Flash	6.1	3.1	66.7%	1		25.15s	471	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）	入力トークン	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	909	373	320
DeepSeek V4 Flash	10.0	10.0	100.0%	0		15.36s	627	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）	入力トークン	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	894	791	483
DeepSeek V4 Flash	8.2	7.2	88.9%	1		26.11s	594	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）	入力トークン	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	11,775	301	225
DeepSeek V4 Flash	10.0	10.0	100.0%	0		74.73s	8,079	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）	入力トークン	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	258	451	214
DeepSeek V4 Flash	3.0	10.0	0.0%	0		54.46s	183	8,516	8,531

クイック比較

比較ペアを切り替え