AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs DeepSeek: DeepSeek V4 Pro

摘要

Claude Sonnet 4.6 vs DeepSeek V4 Pro benchmark 对比：DeepSeek V4 Pro 平均分领先，为 8.1 vs 7.8。 DeepSeek V4 Pro benchmark 成本更低，为 $0.098 vs $1.418。 Claude Sonnet 4.6 更快，为 17.06s vs 72.22s，通过率为 65.1% vs 66.7%。

推荐模型: DeepSeek V4 Pro - 它在这里得分最高（8.1），同时成本比Claude Sonnet 4.6低约 14.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 medium 发布日期: 2026-02-17	DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 medium 发布日期: 2026-02-17	DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24
分数	7.8	8.1
排名	#35	#30
可靠性	10.0	9.6
一致性	9.1	7.8
测试正确
尝试通过率	65.1%	66.7%
不稳定测试	2	6
总运行次数	63	57
每个结果成本	10.904	0.978
总成本	$1.418	$0.098
输入价格	$3.000 / 1M	$0.435 / 1M
输出价格	$15.000 / 1M	$0.870 / 1M
总输入令牌	49,112	35,122
输出令牌	54,703	6,315
推理令牌	29,970	93,205
响应时间（平均）	17.06s	72.22s
响应时间（最大）	46.35s	437.44s
响应时间（总计）	221.83s	1444.45s

Generation showcase

Hamster playing table tennis

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

#35 Claude Sonnet 4.6

medium

Invalid SVG

Cost: $0.000
Time: 300.0s
Tokens: 0 tok

#30 DeepSeek V4 Pro

high

Cost: $0.023
Time: 257.6s
Tokens: 14,870 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 Sonnet 4.6	6.5	10.0	50.0%	0		2.98s	789	1,046	1,093
DeepSeek V4 Pro	5.7	5.9	58.3%	2		25.70s	536	149	3,214

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 Sonnet 4.6	5.7	6.6	44.4%	1		33.29s	6,995	16,089	3,686
DeepSeek V4 Pro	7.7	10.0	66.7%	0		308.19s	1,583	368	42,658

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 Sonnet 4.6	10.0	10.0	100.0%	0		46.35s	18,351	5,871	3,962
DeepSeek V4 Pro	10.0	10.0	100.0%	0		38.17s	14,060	454	5,836

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 Sonnet 4.6	10.0	10.0	100.0%	0		13.90s	8,676	649	742
DeepSeek V4 Pro	10.0	10.0	100.0%	0		25.03s	7,690	274	2,166

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 Sonnet 4.6	2.9	7.2	11.1%	1		0ms	471	25,790	16,919
DeepSeek V4 Pro	3.6	7.2	22.2%	1		130.09s	472	4,400	26,367

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 Sonnet 4.6	10.0	10.0	100.0%	0		4.94s	564	256	433
DeepSeek V4 Pro	10.0	10.0	100.0%	0		8.83s	471	115	1,013

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 Sonnet 4.6	10.0	10.0	100.0%	0		2.61s	792	318	552
DeepSeek V4 Pro	7.8	6.6	83.3%	1		8.73s	627	66	2,726

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 Sonnet 4.6	10.0	10.0	100.0%	0		5.31s	816	592	646
DeepSeek V4 Pro	6.9	4.9	77.8%	2		56.85s	591	178	2,563

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 Sonnet 4.6	10.0	10.0	100.0%	0		7.48s	11,454	655	351
DeepSeek V4 Pro	9.8	10.0	100.0%	0		15.92s	8,909	295	701

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 Sonnet 4.6	3.0	10.0	0.0%	0		30.09s	204	3,437	1,586
DeepSeek V4 Pro	3.0	10.0	0.0%	0		34.01s	183	16	5,961

快速对比

切换对比组合