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 7.2。 DeepSeek V4 Pro benchmark 成本更低，为 $0.034 vs $2.053。 DeepSeek V4 Pro 更快，为 6.41s vs 25.89s，通过率为 61.9% vs 52.4%。

推荐模型: DeepSeek V4 Pro - 它的得分接近这里的最高分（7.2 vs 7.7），同时成本比Claude Opus 4.6低约 61.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	Claude Opus 4.6 Claude Opus 4.6 medium 发布日期: 2026-02-05	DeepSeek V4 Pro DeepSeek V4 Pro none 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 Pro DeepSeek V4 Pro none 发布日期: 2026-04-24
分数	7.7	7.2
排名	#38	#58
可靠性	10.0	9.9
一致性	8.8	8.8
测试正确
尝试通过率	61.9%	52.4%
不稳定测试	3	3
总运行次数	63	63
每个结果成本	17.103	0.333
总成本	$2.053	$0.034
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	53,558
输出令牌	47,446	11,424
推理令牌	24,000	0
响应时间（平均）	25.89s	6.41s
响应时间（最大）	83.40s	30.09s
响应时间（总计）	362.49s	134.66s

生成展示

Hamster playing table tennis

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

#38 Claude Opus 4.6

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#58 DeepSeek V4 Pro

none

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 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	3.2	6.1	16.7%	2		4.02s	540	1,168	0

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	5.6	10.0	33.3%	0		13.38s	7,275	5,500	0

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	9.5	10.0	100.0%	0		23.74s	27,529	2,235	0

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		4.61s	7,568	200	0

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	5.3	10.0	33.3%	0		3.72s	666	24	0

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	5.0	10.0	0.0%	0		2.05s	471	126	0

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	6.3	5.8	66.7%	1		4.12s	627	713	0

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	10.0	10.0	100.0%	0		3.61s	594	442	0

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	10.0	10.0	100.0%	0		7.40s	8,105	328	0

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		5.76s	183	688	0

快速对比

切换对比组合