AI BENCHY 对比

Anthropic: Claude Sonnet 5 vs DeepSeek: DeepSeek V4 Pro

摘要

Claude Sonnet 5 vs DeepSeek V4 Pro benchmark 对比：Claude Sonnet 5 平均分领先，为 7.9 vs 7.2。 DeepSeek V4 Pro benchmark 成本更低，为 $0.034 vs $0.550。 DeepSeek V4 Pro 更快，为 6.41s vs 9.94s，通过率为 79.4% vs 52.4%。

推荐模型: DeepSeek V4 Pro - 它的得分接近这里的最高分（7.2 vs 7.9），同时成本比Claude Sonnet 5低约 16.5 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 Pro DeepSeek V4 Pro none 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 Pro DeepSeek V4 Pro none 发布日期: 2026-04-24
分数	7.9	7.2
排名	#30	#60
可靠性	10.0	9.9
一致性	9.0	8.8
测试正确
尝试通过率	79.4%	52.4%
不稳定测试	3	3
总运行次数	63	63
每个结果成本	3.662	0.333
总成本	$0.550	$0.034
输入价格	$2.000 / 1M	$0.435 / 1M
输出价格	$10.000 / 1M	$0.870 / 1M
总输入令牌	67,416	53,558
输出令牌	34,012	11,424
推理令牌	7,673	0
响应时间（平均）	9.94s	6.41s
响应时间（最大）	56.94s	30.09s
响应时间（总计）	208.71s	134.66s

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

#60 DeepSeek V4 Pro

none

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 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 Pro	3.2	6.1	16.7%	2		4.02s	540	1,168	0

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 Pro	5.6	10.0	33.3%	0		13.38s	7,275	5,500	0

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 Pro	9.5	10.0	100.0%	0		23.74s	27,529	2,235	0

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 Pro	10.0	10.0	100.0%	0		4.61s	7,568	200	0

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 Pro	5.3	10.0	33.3%	0		3.72s	666	24	0

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 Pro	5.0	10.0	0.0%	0		2.05s	471	126	0

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 Pro	6.3	5.8	66.7%	1		4.12s	627	713	0

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 Pro	10.0	10.0	100.0%	0		3.61s	594	442	0

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 Pro	10.0	10.0	100.0%	0		7.40s	8,105	328	0

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 Pro	3.0	10.0	0.0%	0		5.76s	183	688	0

快速对比

切换对比组合