AI BENCHY 对比

Anthropic: Claude Opus 4.6 vs DeepSeek: DeepSeek V4 Flash

摘要

Claude Opus 4.6 vs DeepSeek V4 Flash benchmark 对比：DeepSeek V4 Flash 平均分领先，为 8.3 vs 7.7。 DeepSeek V4 Flash benchmark 成本更低，为 $0.029 vs $2.053。 Claude Opus 4.6 更快，为 25.89s vs 45.85s，通过率为 61.9% vs 74.6%。

推荐模型: DeepSeek V4 Flash - 它在这里得分最高（8.3），同时成本比Claude Opus 4.6低约 72.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	Claude Opus 4.6 Claude Opus 4.6 medium 发布日期: 2026-02-05	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24

指标	Claude Opus 4.6 Claude Opus 4.6 medium 发布日期: 2026-02-05	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24
分数	7.7	8.3
排名	#41	#26
可靠性	10.0	10.0
一致性	8.8	8.5
测试正确
尝试通过率	61.9%	74.6%
不稳定测试	3	4
总运行次数	63	63
每个结果成本	17.103	0.299
总成本	$2.053	$0.029
输入价格	$5.000 / 1M	$0.098 / 1M
输出价格	$25.000 / 1M	$0.196 / 1M
总输入令牌	53,227	39,745
输出令牌	47,446	10,310
推理令牌	24,000	123,501
响应时间（平均）	25.89s	45.85s
响应时间（最大）	83.40s	218.13s
响应时间（总计）	362.49s	962.79s

Generation showcase

Hamster playing table tennis

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

#41 Claude Opus 4.6

medium

Invalid SVG

Cost: $0.000
Time: 300.0s
Tokens: 0 tok

#26 DeepSeek V4 Flash

high

Cost: $0.003
Time: 93.1s
Tokens: 7,926 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	6.4	5.8	66.7%	2		7.45s	840	986	1,071
DeepSeek V4 Flash	8.3	10.0	75.0%	0		28.51s	540	140	7,770

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	5.7	7.1	44.4%	1		30.10s	8,522	13,057	4,121
DeepSeek V4 Flash	7.8	10.0	66.7%	0		50.60s	7,279	395	34,862

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	10.0	10.0	100.0%	0		76.66s	20,685	8,178	5,194
DeepSeek V4 Flash	10.0	10.0	100.0%	0		76.57s	14,016	465	7,347

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	10.0	10.0	100.0%	0		7.37s	8,676	691	757
DeepSeek V4 Flash	10.0	10.0	100.0%	0		28.03s	7,290	201	1,179

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	3.0	10.0	0.0%	0		83.40s	674	14,642	8,687
DeepSeek V4 Flash	4.1	4.4	44.5%	2		100.31s	666	27	59,249

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	10.0	10.0	100.0%	0		5.04s	564	188	292
DeepSeek V4 Flash	6.1	3.1	66.7%	1		25.15s	471	79	632

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	10.0	10.0	100.0%	0		2.43s	792	266	467
DeepSeek V4 Flash	10.0	10.0	100.0%	0		15.36s	627	63	1,622

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	7.7	10.0	66.7%	0		4.71s	816	532	630
DeepSeek V4 Flash	8.2	7.2	88.9%	1		26.11s	594	196	1,767

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	10.0	10.0	100.0%	0		9.73s	11,454	861	329
DeepSeek V4 Flash	10.0	10.0	100.0%	0		74.73s	8,079	228	542

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	3.0	10.0	0.0%	0		63.24s	204	8,045	2,452
DeepSeek V4 Flash	3.0	10.0	0.0%	0		54.46s	183	8,516	8,531

快速对比

切换对比组合