AI BENCHY 对比
Anthropic: Claude Opus 4.7 vs DeepSeek: DeepSeek V3.2
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-16
| 指标 | Claude Opus 4.7 Claude Opus 4.7 none | DeepSeek V3.2 DeepSeek V3.2 medium |
|---|---|---|
| 分数 | 9.2 | 8.0 |
| 排名 | #4 | #27 |
| 一致性 | 10.0 | 8.2 |
| 测试正确 | ||
| 尝试通过率 | 88.9% | 79.6% |
| 不稳定测试 | 0 | 4 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 3.155 | 0.240 |
| 总成本 | $0.505 | $0.029 |
| ???? | $5.000 / 1M | $0.260 / 1M |
| ???? | $25.000 / 1M | $0.380 / 1M |
| 输出令牌 | 6,326 | 10,620 |
| 推理令牌 | 0 | 48,511 |
| 响应时间（平均） | 3.13s | 46.41s |
| 响应时间（最大） | 18.27s | 180.92s |
| 响应时间（总计） | 56.33s | 835.33s |
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 4.7 | 8.3 | 10.0 | 75.0% | 0 | 2.12s | 522 | 0 | |
| DeepSeek V3.2 | 8.4 | 9.9 | 75.0% | 0 | 30.72s | 3,773 | 7,523 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.84s | 494 | 0 | |
| DeepSeek V3.2 | 4.7 | 1.6 | 66.7% | 1 | 180.92s | 626 | 6,792 |
| 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 4.7 | 9.5 | 10.0 | 100.0% | 0 | 18.27s | 3,504 | 0 | |
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 93.11s | 571 | 6,296 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.15s | 324 | 0 | |
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 36.09s | 207 | 7,693 |
| 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 4.7 | 7.7 | 10.0 | 66.7% | 0 | 1.19s | 78 | 0 | |
| DeepSeek V3.2 | 5.3 | 7.2 | 44.4% | 1 | 39.32s | 3,081 | 7,856 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 3.47s | 257 | 0 | |
| DeepSeek V3.2 | 5.4 | 2.5 | 66.7% | 1 | 31.30s | 68 | 2,366 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 1.46s | 114 | 0 | |
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 35.78s | 1,397 | 2,845 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.58s | 661 | 0 | |
| DeepSeek V3.2 | 8.2 | 7.2 | 88.9% | 1 | 36.87s | 390 | 6,281 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 4.74s | 372 | 0 | |
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 34.81s | 507 | 859 |
快速对比
切换对比组合
DeepSeek V3.2mediumvsGPT-5.2 ChatnoneDeepSeek V3.2mediumvsGemini 3.1 Flash Lite PreviewnoneDeepSeek V3.2mediumvsGemini 3.1 Flash Lite PreviewlowDeepSeek V3.2mediumvsGemini 3 Flash PreviewnoneDeepSeek V3.2mediumvsGPT-5.3 ChatnoneClaude Opus 4.7nonevsGemini 3 Flash PreviewlowClaude Opus 4.7nonevsGemini 3.1 Pro PreviewmediumClaude Sonnet 4.6nonevsDeepSeek V3.2mediumClaude Opus 4.7nonevsSeed-2.0-LitemediumClaude Opus 4.7nonevsGPT-5.3-CodexmediumClaude Opus 4.7nonevsQwen3.5 Plus 2026-02-15mediumClaude Opus 4.7nonevsQwen3.6 Plus Previewmedium免费可用