Anthropic: Claude Opus 4.8 vs DeepSeek: DeepSeek V3.2

Claude Opus 4.8 (low) 平均分领先，为 7.8 vs 7.0。 DeepSeek V3.2 (medium) benchmark 成本更低，为 $0.078 vs $2.077。 Claude Opus 4.8 (low) 更快，为 12.74s vs 68.62s，通过率为 80.3% vs 65.2%。

推荐模型Claude Opus 4.8 (low)它在这里得分最高（7.8），同时响应速度比DeepSeek V3.2 (medium)快约 5.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	DeepSeek V3.2 DeepSeek V3.2 medium 发布日期: 2025-12-01

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	DeepSeek V3.2 DeepSeek V3.2 medium 发布日期: 2025-12-01
分数	7.8	7.0
排名	#39	#73
可靠性	10.0	10.0
一致性	8.9	7.4
测试正确
尝试通过率	80.3%	65.2%
不稳定测试	3	7
总运行次数	66	66
每个结果成本	12.979	0.671
总成本	$2.077	$0.078
输入价格	$5.000 / 1M	$0.269 / 1M
输出价格	$25.000 / 1M	$0.400 / 1M
总输入令牌	156,525	101,047
输出令牌	43,141	11,834
推理令牌	8,617	117,014
响应时间（平均）	12.74s	68.62s
响应时间（最大）	127.97s	376.10s
响应时间（总计）	280.29s	1509.53s

Hamster playing table tennis

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

#39 Claude Opus 4.8

low

成本: $0.031
时间: 14.1s
令牌: 1,345 tok

#73 DeepSeek V3.2

medium

成本: $0.001
时间: 53.6s
令牌: 1,932 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

类别:

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 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
DeepSeek V3.2	8.2	7.9	83.3%	1		24.23s	448	3,247	6,953

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 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
DeepSeek V3.2	6.0	7.2	55.6%	1		248.68s	5,717	649	52,014

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 4.8	9.9	10.0	100.0%	0		36.87s	119,079	13,586	2,867
DeepSeek V3.2	7.3	5.8	83.3%	1		79.92s	76,997	5,219	24,229

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 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
DeepSeek V3.2	10.0	10.0	100.0%	0		36.09s	7,388	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）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
DeepSeek V3.2	2.9	4.4	22.2%	2		24.27s	472	21	6,838

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 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
DeepSeek V3.2	3.4	2.5	33.3%	1		58.29s	314	49	2,189

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 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
DeepSeek V3.2	10.0	10.0	100.0%	0		35.78s	627	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）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
DeepSeek V3.2	7.0	7.2	55.6%	1		37.69s	594	518	6,375

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 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
DeepSeek V3.2	10.0	10.0	100.0%	0		34.81s	8,307	507	859

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 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
DeepSeek V3.2	3.0	10.0	0.0%	0		83.99s	183	20	7,019

快速对比

切换对比组合

DeepSeek V3.2mediumvsGemini 3.5 Flashnone Claude Opus 4.8lowvsGLM 5medium Claude Opus 4.8lowvsGPT-5.6 Lunahigh Claude Opus 4.8lowvsGPT-5.6 Terramedium Claude Opus 4.8lowvsGLM 5.2medium Claude Opus 4.8lowvsQwen3.6 Plusmedium Claude Opus 4.8lowvsDeepSeek V4 Flashhigh Claude Opus 4.8lowvsDeepSeek V4 Prohigh DeepSeek V3.2mediumvsGPT-5.6 Solnone Claude Opus 4.8lowvsQwen3.7 Plusmedium Claude Opus 4.8lowvsSeed-2.0-Litemedium Claude Opus 4.8lowvsMiniMax M3medium