AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs DeepSeek: DeepSeek V4 Flash

Сводка

Сравнение benchmark Claude Opus 4.8 (medium) vs DeepSeek V4 Flash (high): Claude Opus 4.8 (medium) лидирует по среднему баллу: 8.8 vs 8.3. DeepSeek V4 Flash (high) имеет более низкую стоимость benchmark: $0.027 vs $1.107. Claude Opus 4.8 (medium) быстрее: 9.72s vs 45.85s, с долей успешных попыток 84.1% vs 74.6%.

Рекомендуемая модель: DeepSeek V4 Flash (high) - Его балл близок к лучшему здесь (8.3 против 8.8), при этом он примерно в 42.4 раза дешевле, чем Claude Opus 4.8 (medium).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-10

Метрика	Claude Opus 4.8 Claude Opus 4.8 medium Релиз: 2026-05-28	DeepSeek V4 Flash DeepSeek V4 Flash high Релиз: 2026-04-24

Метрика	Claude Opus 4.8 Claude Opus 4.8 medium Релиз: 2026-05-28	DeepSeek V4 Flash DeepSeek V4 Flash high Релиз: 2026-04-24
Оценка	8.8	8.3
Ранг	#15	#27
Надежность	10.0	10.0
Стабильность	9.6	8.5
Тестов верно
Доля успешных попыток	84.1%	74.6%
Нестабильные тесты	1	4
Всего запусков	63	63
Стоимость за результат	6.512	0.299
Общая стоимость	$1.107	$0.027
Цена входа	$5.000 / 1M	$0.090 / 1M
Цена выхода	$25.000 / 1M	$0.180 / 1M
Общее число входных токенов	61,007	39,745
Выходные токены	26,495	10,310
Токены рассуждений	5,901	123,501
Время ответа (среднее)	9.72s	45.85s
Время ответа (макс.)	38.03s	218.13s
Время ответа (суммарно)	204.19s	962.79s

Генерация showcase

Hamster playing table tennis

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

#15 Claude Opus 4.8

medium

Стоимость: $0.057
Время: 23.1s
Токены: 2,412 tok

#27 DeepSeek V4 Flash

high

Стоимость: $0.003
Время: 93.1s
Токены: 7,926 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

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		3.95s	834	1,179	478
DeepSeek V4 Flash	8.3	10.0	75.0%	0		28.51s	540	140	7,770

Программирование	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		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

Комбинированный	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		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

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	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

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		14.59s	975	7,477	900
DeepSeek V4 Flash	4.1	4.4	44.5%	2		100.31s	666	27	59,249

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		2.46s	708	237	0
DeepSeek V4 Flash	6.1	3.1	66.7%	1		25.15s	471	79	632

Следование инструкциям	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		3.32s	909	373	320
DeepSeek V4 Flash	10.0	10.0	100.0%	0		15.36s	627	63	1,622

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		3.95s	894	791	483
DeepSeek V4 Flash	8.2	7.2	88.9%	1		26.11s	594	196	1,767

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		8.96s	11,775	301	225
DeepSeek V4 Flash	10.0	10.0	100.0%	0		74.73s	8,079	228	542

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		6.14s	258	451	214
DeepSeek V4 Flash	3.0	10.0	0.0%	0		54.46s	183	8,516	8,531

Быстрое сравнение

Сменить пару сравнения