AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs DeepSeek: DeepSeek V3.2

概要

Claude Opus 4.8 が平均スコアでリードし、7.3 vs 7.0 です。 DeepSeek V3.2 (medium) の benchmark コストが低く、$0.078 vs $1.166 です。 Claude Opus 4.8 の方が高速で、4.91s vs 68.62s です、成功率は 63.6% vs 65.2% です。

おすすめモデルDeepSeek V3.2 (medium)スコアはここでの最高値に近く（7.0 vs 7.3）、Claude Opus 4.8 より約 15.1 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: 2026-07-17

指標	Claude Opus 4.8 Claude Opus 4.8 none リリース: 2026-05-28	DeepSeek V3.2 DeepSeek V3.2 medium リリース: 2025-12-01

指標	Claude Opus 4.8 Claude Opus 4.8 none リリース: 2026-05-28	DeepSeek V3.2 DeepSeek V3.2 medium リリース: 2025-12-01
スコア	7.3	7.0
順位	#63	#73
信頼性	10.0	10.0
一貫性	9.2	7.4
正解テスト
試行ごとの合格率	63.6%	65.2%
不安定なテスト	2	7
総実行回数	66	66
結果あたりのコスト	8.969	0.671
合計コスト	$1.166	$0.078
入力価格	$5.000 / 1M	$0.269 / 1M
出力価格	$25.000 / 1M	$0.400 / 1M
合計入力トークン	149,206	101,047
出力トークン	16,797	11,834
推論トークン	0	117,014
応答時間（平均）	4.91s	68.62s
応答時間（最大）	35.03s	376.10s
応答時間（合計）	108.03s	1509.53s

生成ショーケース

Hamster playing table tennis

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

#63 Claude Opus 4.8

none

コスト: $0.053
時間: 22.0s
トークン: 2,253 tok

#73 DeepSeek V3.2

medium

コスト: $0.001
時間: 53.6s
トークン: 1,932 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

カテゴリ:

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	6.5	10.0	50.0%	0		3.40s	834	1,472	0
DeepSeek V3.2	8.2	7.9	83.3%	1		24.23s	448	3,247	6,953

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	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
DeepSeek V3.2	6.0	7.2	55.6%	1		248.68s	5,717	649	52,014

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		26.38s	111,760	11,949	0
DeepSeek V3.2	7.3	5.8	83.3%	1		79.92s	76,997	5,219	24,229

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	7.3	5.8	83.3%	1		1.77s	10,503	308	0
DeepSeek V3.2	10.0	10.0	100.0%	0		36.09s	7,388	207	7,693

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	7.2	44.4%	1		1.70s	975	61	0
DeepSeek V3.2	2.9	4.4	22.2%	2		24.27s	472	21	6,838

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		3.48s	708	230	0
DeepSeek V3.2	3.4	2.5	33.3%	1		58.29s	314	49	2,189

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	9.9	10.0	100.0%	0		1.37s	909	95	0
DeepSeek V3.2	10.0	10.0	100.0%	0		35.78s	627	1,397	2,845

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	7.7	10.0	66.7%	0		2.74s	894	783	0
DeepSeek V3.2	7.0	7.2	55.6%	1		37.69s	594	518	6,375

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		5.35s	11,775	355	0
DeepSeek V3.2	10.0	10.0	100.0%	0		34.81s	8,307	507	859

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		3.41s	258	212	0
DeepSeek V3.2	3.0	10.0	0.0%	0		83.99s	183	20	7,019

クイック比較

比較ペアを切り替え