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 GPT 订阅、Codex 使用的讨论很多，HN 上也有人在聊 DeepClaude 用 DeepSeek 跑 Claude Code 循环省了 17 倍成本。趁这个机会，我用同一套测试任务把目前最热的几个模型跑了一遍，结果有些出乎意料。

测试说明

测试模型：Claude Sonnet 4.5 / GPT-5 / Gemini 2.5 Pro / DeepSeek V3 / Grok 4

测试时间：连续三天，每个场景重复 3 次取中位结果

评分维度：准确性、响应质量、速度、成本

场景一：代码 Debug（真实 Bug）

用一段有竞态条件的 Python 异步代码，不给任何提示，直接让模型定位问题。


async def fetch_all(urls):

    results = []

    async with aiohttp.ClientSession() as session:

        for url in urls:

            resp = await session.get(url)

            results.append(await resp.json())

    return results

# 问题：session 在循环内被复用但异常处理缺失，高并发下会静默失败

|------|----------------|------------|--------|

| Claude Sonnet 4.5 | ✅ 精准 | ✅ asyncio.gather + 异常捕获 | ⭐⭐⭐⭐⭐ |

| GPT-5 | ✅ 精准 | ✅ 同上，额外提了超时设置 | ⭐⭐⭐⭐⭐ |

| Gemini 2.5 Pro | ✅ 定位到 | ⚠️ 修复方案不完整 | ⭐⭐⭐⭐ |

| DeepSeek V3 | ✅ 精准 | ✅ 方案完整 | ⭐⭐⭐⭐ |

小结：Claude 4.5 和 GPT-5 在代码理解上旗鼓相当，DeepSeek V3 性价比突出，Grok 4 在这个场景表现偏弱。

场景二：长文理解（8000 字技术文档）

喂入一篇 8000 字的 Kubernetes 网络策略文档，提问 5 个需要跨段落推理的问题。

|------|----------|--------|--------|

| Claude Sonnet 4.5 | 5/5 | ✅ 精确引用 | 无 |

| GPT-5 | 4/5 | ✅ 引用准确 | 1 处轻微 |

| Gemini 2.5 Pro | 5/5 | ✅ 引用准确 | 无 |

| DeepSeek V3 | 4/5 | ⚠️ 引用偶有偏差 | 1 处 |

| Grok 4 | 3/5 | ⚠️ 部分引用 | 2 处 |

小结：长文理解上 Claude 4.5 和 Gemini 2.5 Pro 并列第一，这两个模型的上下文处理能力确实有代差。

场景三：数学推理（竞赛级别）

选了 3 道 AMC 12 难度题 + 1 道需要分步证明的数论题。

|------|----------|--------|---------|

| GPT-5 | 3/3 | ✅ 完整 | ⭐⭐⭐⭐⭐ |

| Claude Sonnet 4.5 | 3/3 | ✅ 完整 | ⭐⭐⭐⭐⭐ |

| Gemini 2.5 Pro | 3/3 | ✅ 完整 | ⭐⭐⭐⭐⭐ |

| DeepSeek V3 | 2/3 | ⚠️ 证明有跳步 | ⭐⭐⭐⭐ |

| Grok 4 | 2/3 | ❌ 结论错误 | ⭐⭐⭐ |

小结：顶层三家在数学推理上已经很接近，DeepSeek V3 略逊但差距不大，Grok 4 在严格证明上还有差距。

场景四：成本计算（这才是关键）

实际项目场景：每天处理 500 篇文章摘要，平均每次 2000 token 输入 + 500 token 输出，一个月下来的费用。

官方价格（美元转人民币按 7.2）

| 模型 | 输入价 | 输出价 | 月成本估算 |

|------|------|------|---------|

| GPT-5 | ¥54/M token | ¥216/M token | ¥约 3,510 |

通过无量Api（SVIP 7.7 折，普通用户约 3.5 折）

|------|------------|------------|------------|

| GPT-5 | ¥19/M token | ¥76/M token | ¥约 1,235 |

同样跑 Claude Sonnet 4.5，官方 ¥1,260 vs 无量Api SVIP ¥450，省下来的钱够再跑两个月。

综合横评

|------|-----------|-------|---------------|------------|--------|

| 代码能力 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |

| 长文理解 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |

| 数学推理 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |

| 官方成本 | 中 | 高 | 低 | 极低 | 中 |

| 国内直连 | ❌ | ❌ | ❌ | ✅ | ❌ |

我的实际用法

测完之后我自己的工作流是这样的：

日常代码辅助：DeepSeek V3，成本极低，够用
复杂 Bug 分析 / 长文档处理：Claude Sonnet 4.5，质量有保证
多模态任务（图表理解）：Gemini 2.5 Pro
GPT-5：偶尔用，但价格让我很难把它设为默认

这套组合在国内直接用的话，网络是个问题。我现在统一走无量Api，300+ 模型国内直连，OpenAI 格式兼容，换模型只改一个 model 参数，Base URL 改一行就接入。注册送 ¥1 余额，可以先把上面几个模型都试一遍再决定用哪个。

SVIP 价格是官方的 7.7 折，普通用户也有折扣，余额永久有效不会过期，适合不是每天高频使用的场景。

价格数据截至发文时，以实际页面为准。测试结果基于特定任务，不同场景可能有差异。