Claude 4.5 vs GPT-5 vs DeepSeek V3：用同一批任务测了三天
Claude 4.5 vs GPT-5 vs DeepSeek V3：用同一批任务测了三天
最近 V2EX 上关于 Codex、GPT 订阅、模型速度的讨论很多，正好我这边也在做模型选型，就把测试过程整理出来。
测试方法：同一批 prompt，分别跑三个模型，记录输出质量、速度、token 消耗。没有刻意挑对某个模型有利的题目，尽量覆盖日常开发和内容场景。
测试场景一：代码 Debug
任务：给一段有并发竞态条件的 Python 代码，要求找出 bug 并修复。
import threading
counter = 0
def increment():
global counter
for _ in range(100000):
counter += 1
threads = [threading.Thread(target=increment) for _ in range(10)]
for t in threads: t.start()
for t in threads: t.join()
print(counter) # 期望 1000000，实际每次不同
| 模型 | 是否定位到竞态 | 修复方案 | 额外建议 |
|------|--------------|---------|---------|
| Claude 4.5 Sonnet | ✅ 准确 | Lock + atomic 两种方案都给了 | 提到了 GIL 的误解，解释很到位 |
| GPT-5 | ✅ 准确 | 给了 Lock 方案 | 补充了 threading.local 的适用场景 |
| DeepSeek V3 | ✅ 准确 | Lock 方案 | 解释简洁，没有多余废话 |
三个都答对了，差异在深度。Claude 4.5 主动纠正了"Python 有 GIL 所以不用加锁"这个常见误区，这个细节加分。GPT-5 的回答结构最清晰，适合直接复制进文档。DeepSeek V3 最简洁，适合已经懂原理只需要代码的场景。
测试场景二：长文理解 + 信息抽取
任务：给一份 8000 字的技术文档（某开源项目的 CHANGELOG），要求提取所有 breaking change，并按影响范围分类。
| 模型 | 遗漏数量 | 分类准确度 | 格式 |
|------|---------|-----------|------|
| Claude 4.5 Sonnet | 0 条遗漏 | 高，主动区分了 API/CLI/配置三类 | Markdown 表格，直接可用 |
| GPT-5 | 1 条遗漏 | 高 | 列表格式，清晰 |
| DeepSeek V3 | 2 条遗漏 | 中，部分分类有歧义 | 纯文本，需要二次整理 |
长文理解这块 Claude 4.5 表现最稳，200K 上下文窗口在这种场景下优势明显。GPT-5 漏了一条影响较小的配置项变更，DeepSeek V3 在超长文档上稍弱一些。
测试场景三：数学推理
任务：一道组合数学题，要求给出完整推导过程。
从 1 到 100 中随机选 5 个不同的数，恰好有 3 个偶数的概率是多少？
| 模型 | 答案正确 | 推导过程 | 是否验算 |
|------|---------|---------|---------|
| Claude 4.5 Sonnet | ✅ | 步骤完整，符号规范 | 主动给了数值验证 |
| GPT-5 | ✅ | 步骤完整 | 没有主动验算 |
| DeepSeek V3 | ✅ | 步骤完整，更简洁 | 没有主动验算 |
三个都答对（C(50,3)×C(50,2)/C(100,5)），差异不大。Claude 4.5 多做了一步数值验算，对于需要向别人解释过程的场景更友好。
测试场景四：中文写作润色
任务：把一段口语化的产品说明改写成正式的商务文案，保留核心信息，控制在 200 字以内。
| 模型 | 是否超字数 | 语言自然度 | 是否保留核心信息 |
|------|----------|-----------|---------------|
| Claude 4.5 Sonnet | 198 字 ✅ | 高，读起来流畅 | 完整保留 |
| GPT-5 | 215 字，略超 | 高 | 完整保留 |
| DeepSeek V3 | 193 字 ✅ | 中，略显模板化 | 完整保留 |
中文写作上 Claude 4.5 和 GPT-5 差距不大，DeepSeek V3 稍微模板感强一点，但对于 B 端文案来说也够用。
成本对比（这才是选型的关键）
测试下来三个模型各有擅长，但实际落地时成本差异很大。以下是官方价格 vs 通过无量Api（api2everything.xyz）使用的价格对比：
| 模型 | 官方价（输入/M tokens） | 无量Api 普通价 | 无量Api SVIP 价（7.7折） |
|------|----------------------|--------------|------------------------|
| Claude Sonnet 4.5 | ¥21.6 | ¥13.5 | ¥7.5 |
| GPT-5 | ¥54.0 | ¥33.0 | ¥18.9 |
| DeepSeek V3 | ¥4.0 | ¥2.5 | ¥1.8 |
价格以人民币计，汇率波动会有小幅变化，以实际结算为准。
一个实际场景算一下：假设每天调用 Claude Sonnet 4.5 处理文档，平均消耗 500K input tokens：
- 官方直接用：500K × ¥21.6/M = ¥10.8/天，一个月 ¥324
- 无量Api SVIP：500K × ¥7.5/M = ¥3.75/天，一个月 ¥112.5
一个月省下 ¥211，一年就是 ¥2500+。对个人开发者来说不是小数目。
综合结论
不想绕弯子，直接说：
- 代码 Debug / 技术解释：Claude 4.5 > GPT-5 ≈ DeepSeek V3，Claude 更愿意主动纠正前提假设
- 长文档处理：Claude 4.5 最稳，上下文窗口大且遗漏少
- 数学推理：三者差距不大，都能用
- 中文写作：Claude 4.5 ≈ GPT-5 > DeepSeek V3
- 成本敏感场景：DeepSeek V3 性价比最高，Claude/GPT 通过第三方 API 能大幅降低门槛
没有哪个模型全面碾压，选型还是要看具体场景和预算。如果是个人项目或小团队，成本是绕不开的因素。
关于访问问题
V2EX 上有不少人在问怎么订阅 GPT Pro、怎么解决网络配置问题。其实对于 API 调用场景，这些问题可以绕开——用国内直连的 API 中转服务，不需要折腾网络，OpenAI 格式兼容，改一行 base_url 就能切换。
我用的是 无量Api（api2everything.xyz），支持 Claude / GPT / Gemini / DeepSeek 等 300+ 模型，注册送 ¥1 余额，余额永久不过期，可以先试试再决定要不要充值。