AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs DeepSeek: DeepSeek V4 Flash

摘要

Claude Opus 4.8 (medium) vs DeepSeek V4 Flash (high) benchmark 对比：Claude Opus 4.8 (medium) 平均分领先，为 8.8 vs 8.3。 DeepSeek V4 Flash (high) benchmark 成本更低，为 $0.027 vs $1.107。 Claude Opus 4.8 (medium) 更快，为 9.72s vs 45.85s，通过率为 84.1% vs 74.6%。

推荐模型: DeepSeek V4 Flash (high) - 它的得分接近这里的最高分（8.3 vs 8.8），同时成本比Claude Opus 4.8 (medium)低约 42.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-10

指标	Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24

指标	Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24
分数	8.8	8.3
排名	#15	#27
可靠性	10.0	10.0
一致性	9.6	8.5
测试正确
尝试通过率	84.1%	74.6%
不稳定测试	1	4
总运行次数	63	63
每个结果成本	6.512	0.299
总成本	$1.107	$0.027
输入价格	$5.000 / 1M	$0.090 / 1M
输出价格	$25.000 / 1M	$0.180 / 1M
总输入令牌	61,007	39,745
输出令牌	26,495	10,310
推理令牌	5,901	123,501
响应时间（平均）	9.72s	45.85s
响应时间（最大）	38.03s	218.13s
响应时间（总计）	204.19s	962.79s

生成展示

Hamster playing table tennis

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

#15 Claude Opus 4.8

medium

成本: $0.057
时间: 23.1s
令牌: 2,412 tok

#27 DeepSeek V4 Flash

high

成本: $0.003
时间: 93.1s
令牌: 7,926 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 4.8	10.0	10.0	100.0%	0		3.95s	834	1,179	478
DeepSeek V4 Flash	8.3	10.0	75.0%	0		28.51s	540	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）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
DeepSeek V4 Flash	7.8	10.0	66.7%	0		50.60s	7,279	395	34,862

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	9.8	10.0	100.0%	0		38.03s	23,561	5,260	1,588
DeepSeek V4 Flash	10.0	10.0	100.0%	0		76.57s	14,016	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）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	7.1	5.6	83.3%	1		12.29s	10,503	481	312
DeepSeek V4 Flash	10.0	10.0	100.0%	0		28.03s	7,290	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）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	5.3	10.0	33.3%	0		14.59s	975	7,477	900
DeepSeek V4 Flash	4.1	4.4	44.5%	2		100.31s	666	27	59,249

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		2.46s	708	237	0
DeepSeek V4 Flash	6.1	3.1	66.7%	1		25.15s	471	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）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	10.0	10.0	100.0%	0		3.32s	909	373	320
DeepSeek V4 Flash	10.0	10.0	100.0%	0		15.36s	627	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）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	894	791	483
DeepSeek V4 Flash	8.2	7.2	88.9%	1		26.11s	594	196	1,767

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		8.96s	11,775	301	225
DeepSeek V4 Flash	10.0	10.0	100.0%	0		74.73s	8,079	228	542

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		6.14s	258	451	214
DeepSeek V4 Flash	3.0	10.0	0.0%	0		54.46s	183	8,516	8,531

快速对比

切换对比组合