导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Anthropic: Claude Opus 4.6 vs DeepSeek: DeepSeek V4 Pro

摘要

Claude Opus 4.6 vs DeepSeek V4 Pro benchmark 对比：Claude Opus 4.6 平均分领先，为 7.7 vs 7.6。 DeepSeek V4 Pro benchmark 成本更低，为 $0.157 vs $2.053。 Claude Opus 4.6 更快，为 25.89s vs 77.20s，通过率为 61.9% vs 66.7%。

推荐模型: DeepSeek V4 Pro - 它的得分接近这里的最高分（7.6 vs 7.7），同时成本比Claude Opus 4.6低约 13.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-17

指标 Claude Opus 4.6 Claude Opus 4.6 medium 发布日期: 2026-02-05 DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24
分数 7.7 7.6
排名 #38 #41
可靠性 10.0 9.3
一致性 8.8 7.0
测试正确
尝试通过率 61.9% 66.7%
不稳定测试 3 8
总运行次数 63 63
每个结果成本 17.103 1.742
总成本 $2.053 $0.157
输入价格 $5.000 / 1M $0.435 / 1M
输出价格 $25.000 / 1M $0.870 / 1M
总输入令牌 53,227 38,726
输出令牌 47,446 6,334
推理令牌 24,000 159,151
响应时间（平均） 25.89s 77.20s
响应时间（最大） 83.40s 416.76s
响应时间（总计） 362.49s 1621.17s

Generation showcase

Hamster playing table tennis

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

#38 Claude Opus 4.6

medium
Invalid SVG
Cost
$0.000
Time
300.0s
Tokens
0 tok

#41 DeepSeek V4 Pro

high
Cost
$0.023
Time
257.6s
Tokens
14,870 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 Pro 5.7 5.9 58.3% 2 25.70s 536 149 3,214
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 Pro 6.1 4.6 66.7% 2 243.00s 5,090 383 84,580
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 Pro 10.0 10.0 100.0% 0 38.17s 14,060 454 5,836
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 Pro 10.0 10.0 100.0% 0 25.03s 7,690 274 2,166
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 Pro 3.6 7.2 22.2% 1 151.46s 569 4,404 50,391
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 Pro 10.0 10.0 100.0% 0 8.83s 471 115 1,013
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 Pro 7.8 6.6 83.3% 1 8.73s 627 66 2,726
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 Pro 6.9 4.9 77.8% 2 56.85s 591 178 2,563
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 Pro 9.8 10.0 100.0% 0 15.92s 8,909 295 701
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 Pro 3.0 10.0 0.0% 0 34.01s 183 16 5,961

快速对比

切换对比组合

Claude Opus 4.6mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsMiniMax M3mediumDeepSeek V4 ProhighvsGrok Build 0.1mediumDeepSeek V4 ProhighvsKimi K2.5mediumDeepSeek V4 ProhighvsMercury 2mediumDeepSeek V4 ProhighvsStep 3.7 FlashlowDeepSeek V4 ProhighvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsGPT-5.4 NanomediumDeepSeek V4 ProhighvsGrok 4.3mediumDeepSeek V4 ProhighvsQwen3.5-122B-A10BmediumDeepSeek V4 ProhighvsQwen3.6 FlashmediumDeepSeek V4 ProhighvsKimi K2.6medium免费可用