AI BENCHY 对比
Anthropic: Claude Opus 4.6 vs DeepSeek: DeepSeek V4 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-24
| 指标 | Claude Opus 4.6 Claude Opus 4.6 medium | DeepSeek V4 Flash DeepSeek V4 Flash high |
|---|---|---|
| 分数 | 7.6 | 7.8 |
| 排名 | #43 | #35 |
| 一致性 | 9.1 | 7.8 |
| 测试正确 | ||
| 尝试通过率 | 70.4% | 79.6% |
| 不稳定测试 | 2 | 5 |
| 总运行次数 | 54 | 52 |
| 每个结果成本 | 12.047 | 0.189 |
| 总成本 | $1.446 | $0.021 |
| ???? | $5.000 / 1M | $0.140 / 1M |
| ???? | $25.000 / 1M | $0.280 / 1M |
| 输出令牌 | 29,829 | 1,757 |
| 推理令牌 | 18,938 | 55,907 |
| 响应时间（平均） | 21.08s | 47.47s |
| 响应时间（最大） | 83.40s | 255.28s |
| 响应时间（总计） | 231.84s | 854.45s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 6.4 | 5.8 | 66.7% | 2 | 7.45s | 986 | 1,071 | |
| DeepSeek V4 Flash | 8.3 | 10.0 | 75.0% | 0 | 28.51s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 23.11s | 3,486 | 1,504 | |
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 62.48s | 369 | 9,361 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 76.66s | 8,178 | 5,194 | |
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 76.57s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 7.37s | 691 | 757 | |
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 28.03s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 3.0 | 10.0 | 0.0% | 0 | 83.40s | 14,642 | 8,687 | |
| DeepSeek V4 Flash | 4.1 | 4.4 | 44.5% | 2 | 112.69s | 19 | 24,857 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 5.04s | 188 | 292 | |
| DeepSeek V4 Flash | 6.1 | 3.1 | 66.7% | 1 | 25.15s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 266 | 467 | |
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.36s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 7.7 | 10.0 | 66.7% | 0 | 4.60s | 531 | 637 | |
| DeepSeek V4 Flash | 6.4 | 4.5 | 77.8% | 2 | 25.53s | 193 | 2,597 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 9.73s | 861 | 329 | |
| DeepSeek V4 Flash | 10.0 | 10.0 | 100.0% | 0 | 74.73s | 228 | 542 |
快速对比
切换对比组合
DeepSeek V4 FlashhighvsGLM 5V TurbomediumClaude Opus 4.6mediumvsGPT-5.3 ChatnoneDeepSeek V4 FlashhighvsQwen3.5-FlashmediumDeepSeek V4 FlashhighvsGLM 5.1mediumDeepSeek V4 FlashhighvsStep 3.5 FlashmediumDeepSeek V4 FlashhighvsGemini 3.1 Flash Lite PreviewnoneDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsMiMo-V2.5mediumDeepSeek V4 FlashhighvsKimi K2.6mediumDeepSeek V4 FlashhighvsMiMo-V2-OmnimediumDeepSeek V4 FlashhighvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsDeepSeek V4 Flashhigh