AI BENCHY 对比

Anthropic: Claude Sonnet 5 vs DeepSeek: DeepSeek V4 Flash

摘要

Claude Sonnet 5 vs DeepSeek V4 Flash benchmark 对比：DeepSeek V4 Flash 平均分领先，为 8.3 vs 7.9。 DeepSeek V4 Flash benchmark 成本更低，为 $0.029 vs $0.550。 Claude Sonnet 5 更快，为 9.94s vs 45.85s，通过率为 79.4% vs 74.6%。

推荐模型: DeepSeek V4 Flash - 它在这里得分最高（8.3），同时成本比Claude Sonnet 5低约 19.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-30

指标	Claude Sonnet 5 Claude Sonnet 5 medium 发布日期: 2026-06-30	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24

指标	Claude Sonnet 5 Claude Sonnet 5 medium 发布日期: 2026-06-30	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24
分数	7.9	8.3
排名	#30	#23
可靠性	10.0	10.0
一致性	9.0	8.5
测试正确
尝试通过率	79.4%	74.6%
不稳定测试	3	4
总运行次数	63	63
每个结果成本	3.662	0.299
总成本	$0.550	$0.029
输入价格	$2.000 / 1M	$0.098 / 1M
输出价格	$10.000 / 1M	$0.196 / 1M
总输入令牌	67,416	39,745
输出令牌	34,012	10,310
推理令牌	7,673	123,501
响应时间（平均）	9.94s	45.85s
响应时间（最大）	56.94s	218.13s
响应时间（总计）	208.71s	962.79s

生成展示

Hamster playing table tennis

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

#30 Claude Sonnet 5

medium

成本: $0.007
时间: 6.4s
令牌: 832 tok

#23 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 Sonnet 5	10.0	10.0	100.0%	0		3.80s	834	1,220	446
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 Sonnet 5	9.0	7.9	88.9%	1		17.28s	10,590	13,153	2,379
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 Sonnet 5	4.5	2.1	66.7%	1		37.01s	29,394	4,848	2,170
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 Sonnet 5	10.0	10.0	100.0%	0		3.16s	10,503	312	0
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 Sonnet 5	7.7	10.0	66.7%	0		20.38s	975	12,140	1,994
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 Sonnet 5	4.8	3.2	33.3%	1		4.32s	708	264	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 Sonnet 5	9.9	10.0	100.0%	0		3.10s	909	318	269
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 Sonnet 5	7.7	10.0	66.7%	0		2.98s	894	407	121
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 Sonnet 5	10.0	10.0	100.0%	0		10.70s	12,351	433	90
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 Sonnet 5	3.0	10.0	0.0%	0		7.06s	258	917	204
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