AI BENCHY Compare

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

Сводка

Claude Opus 4.8 (low) лидирует по среднему баллу: 7.8 vs 7.0. DeepSeek V3.2 (medium) имеет более низкую стоимость benchmark: $0.078 vs $2.077. Claude Opus 4.8 (low) быстрее: 12.74s vs 68.62s, с долей успешных попыток 80.3% vs 65.2%.

Рекомендуемая модельClaude Opus 4.8 (low)Здесь у него лучший балл (7.8), и он отвечает примерно в 5.4 раза быстрее, чем DeepSeek V3.2 (medium).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-17

Метрика	Claude Opus 4.8 Claude Opus 4.8 low Релиз: 2026-05-28	DeepSeek V3.2 DeepSeek V3.2 medium Релиз: 2025-12-01

Метрика	Claude Opus 4.8 Claude Opus 4.8 low Релиз: 2026-05-28	DeepSeek V3.2 DeepSeek V3.2 medium Релиз: 2025-12-01
Оценка	7.8	7.0
Ранг	#39	#73
Надежность	10.0	10.0
Стабильность	8.9	7.4
Тестов верно
Доля успешных попыток	80.3%	65.2%
Нестабильные тесты	3	7
Всего запусков	66	66
Стоимость за результат	12.979	0.671
Общая стоимость	$2.077	$0.078
Цена входа	$5.000 / 1M	$0.269 / 1M
Цена выхода	$25.000 / 1M	$0.400 / 1M
Общее число входных токенов	156,525	101,047
Выходные токены	43,141	11,834
Токены рассуждений	8,617	117,014
Время ответа (среднее)	12.74s	68.62s
Время ответа (макс.)	127.97s	376.10s
Время ответа (суммарно)	280.29s	1509.53s

Генерация showcase

Hamster playing table tennis

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

#39 Claude Opus 4.8

low

Стоимость: $0.031
Время: 14.1s
Токены: 1,345 tok

#73 DeepSeek V3.2

medium

Стоимость: $0.001
Время: 53.6s
Токены: 1,932 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Категория:

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
DeepSeek V3.2	8.2	7.9	83.3%	1		24.23s	448	3,247	6,953

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
DeepSeek V3.2	6.0	7.2	55.6%	1		248.68s	5,717	649	52,014

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.9	10.0	100.0%	0		36.87s	119,079	13,586	2,867
DeepSeek V3.2	7.3	5.8	83.3%	1		79.92s	76,997	5,219	24,229

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
DeepSeek V3.2	10.0	10.0	100.0%	0		36.09s	7,388	207	7,693

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
DeepSeek V3.2	2.9	4.4	22.2%	2		24.27s	472	21	6,838

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
DeepSeek V3.2	3.4	2.5	33.3%	1		58.29s	314	49	2,189

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
DeepSeek V3.2	10.0	10.0	100.0%	0		35.78s	627	1,397	2,845

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
DeepSeek V3.2	7.0	7.2	55.6%	1		37.69s	594	518	6,375

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
DeepSeek V3.2	10.0	10.0	100.0%	0		34.81s	8,307	507	859

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
DeepSeek V3.2	3.0	10.0	0.0%	0		83.99s	183	20	7,019

Быстрое сравнение

Сменить пару сравнения

DeepSeek V3.2mediumvsGemini 3.5 Flashnone Claude Opus 4.8lowvsGLM 5medium Claude Opus 4.8lowvsGPT-5.6 Lunahigh Claude Opus 4.8lowvsGPT-5.6 Terramedium Claude Opus 4.8lowvsGLM 5.2medium Claude Opus 4.8lowvsQwen3.6 Plusmedium Claude Opus 4.8lowvsDeepSeek V4 Flashhigh Claude Opus 4.8lowvsDeepSeek V4 Prohigh DeepSeek V3.2mediumvsGPT-5.6 Solnone Claude Opus 4.8lowvsQwen3.7 Plusmedium Claude Opus 4.8lowvsSeed-2.0-Litemedium Claude Opus 4.8lowvsMiniMax M3medium