AI BENCHY 对比

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

摘要

Claude Opus 4.8 平均分领先，为 7.3 vs 7.0。 DeepSeek V3.2 (medium) benchmark 成本更低，为 $0.078 vs $1.166。 Claude Opus 4.8 更快，为 4.91s vs 68.62s，通过率为 63.6% vs 65.2%。

推荐模型DeepSeek V3.2 (medium)它的得分接近这里的最高分（7.0 vs 7.3），同时成本比Claude Opus 4.8低约 15.1 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 none 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 none 发布日期: 2026-05-28	DeepSeek V3.2 DeepSeek V3.2 medium 发布日期: 2025-12-01
分数	7.3	7.0
排名	#63	#73
可靠性	10.0	10.0
一致性	9.2	7.4
测试正确
尝试通过率	63.6%	65.2%
不稳定测试	2	7
总运行次数	66	66
每个结果成本	8.969	0.671
总成本	$1.166	$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	149,206	101,047
输出令牌	16,797	11,834
推理令牌	0	117,014
响应时间（平均）	4.91s	68.62s
响应时间（最大）	35.03s	376.10s
响应时间（总计）	108.03s	1509.53s

生成展示

Hamster playing table tennis

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

#63 Claude Opus 4.8

none

成本: $0.053
时间: 22.0s
令牌: 2,253 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	6.5	10.0	50.0%	0		3.40s	834	1,472	0
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	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
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	9.8	10.0	100.0%	0		26.38s	111,760	11,949	0
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	7.3	5.8	83.3%	1		1.77s	10,503	308	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	7.2	44.4%	1		1.70s	975	61	0
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		3.48s	708	230	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	9.9	10.0	100.0%	0		1.37s	909	95	0
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	7.7	10.0	66.7%	0		2.74s	894	783	0
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		5.35s	11,775	355	0
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		3.41s	258	212	0
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