Claude 4.5 vs GPT-4.1 vs DeepSeek V3：用同一批测试题打了三天，结果出乎意料
Claude 4.5 vs GPT-4.1 vs DeepSeek V3：用同一批测试题打了三天，结果出乎意料
最近 V2EX 上关于 GPT Pro 订阅、图片生成质量的讨论很多，也有不少人在问"现在到底用哪个模型最划算"。我花了三天时间，用同一套测试场景跑了 Claude Sonnet 4.5、GPT-4.1、DeepSeek V3 三个模型，把结果整理出来，希望对你有参考价值。
测试说明
- 测试时间：2025 年 7 月
- 测试方式：统一通过 API 调用，temperature 默认，不做 system prompt 干预
- 计费口径：均按 input + output token 实际消耗计算
- 模型版本：claude-sonnet-4-5、gpt-4.1、deepseek-v3（最新快照）
场景一：代码调试（Bug 定位）
测试题：给一段 Python 异步代码，里面藏了一个 asyncio.gather 的异常吞噬问题，外加一个 race condition，要求找出所有问题并给出修复方案。
| 模型 | 是否找出全部问题 | 修复方案质量 | 响应速度 |
|------|----------------|-------------|---------|
| Claude Sonnet 4.5 | ✅ 两个都找到 | 详细，给出了 return_exceptions 的权衡分析 | 中等 |
| GPT-4.1 | ✅ 两个都找到 | 简洁，直接给 patch，没有多余解释 | 快 |
| DeepSeek V3 | ⚠️ 找到一个，race condition 漏掉 | 修复了已发现的问题 | 快 |
小结：代码调试场景 Claude 和 GPT-4.1 旗鼓相当，Claude 更倾向于解释"为什么"，GPT-4.1 更倾向于直接给答案。DeepSeek V3 在这个场景有一定差距，但考虑到价格，仍然值得用于初筛。
场景二：长文理解（合同审查）
测试题：一份 8000 字的 SaaS 服务协议（英文），要求提取所有对用户不利的条款，并按风险等级排序。
| 模型 | 提取完整度 | 风险判断准确性 | 格式整洁度 |
|------|-----------|--------------|-----------|
| Claude Sonnet 4.5 | ⭐⭐⭐⭐⭐ | 高，有几处细节判断很到位 | 结构清晰，分级明确 |
| GPT-4.1 | ⭐⭐⭐⭐ | 高，但漏掉了一条仲裁地条款 | 清晰 |
| DeepSeek V3 | ⭐⭐⭐ | 中，主要条款都有，细节不足 | 一般 |
小结：长文理解是 Claude 的传统强项，这次测试也印证了这一点。如果你的工作涉及大量文档处理，Claude 在这个场景的优势比较明显。
场景三：数学推理（竞赛题）
测试题：两道 AMC 12 难度的组合数学题，要求给出完整推导过程。
| 模型 | 正确率 | 推导过程 | 是否有错误步骤 |
|------|--------|---------|--------------|
| Claude Sonnet 4.5 | 1/2 | 详细 | 第二题中间步骤有跳跃 |
| GPT-4.1 | 2/2 | 详细 | 无明显错误 |
| DeepSeek V3 | 2/2 | 非常详细 | 无明显错误 |
小结：数学推理这个场景 DeepSeek V3 和 GPT-4.1 表现更稳，Claude 在这类题目上偶尔会出现推导跳步。如果你的场景以数学/逻辑推理为主，DeepSeek V3 的性价比在这里体现得最明显。
场景四：创意写作（技术博客）
测试题：以"为什么你的 Kubernetes 集群在凌晨三点总是出问题"为题，写一篇 800 字技术博客，要求有真实感、有干货、不能是 AI 味十足的套话。
这个场景主观性强，我找了三个同事盲测打分（1-10 分）：
| 模型 | 平均分 | 主要评价 |
|------|--------|---------|
| Claude Sonnet 4.5 | 8.2 | "有点像真人写的，细节到位" |
| GPT-4.1 | 7.1 | "结构好，但读起来还是有点模板感" |
| DeepSeek V3 | 6.8 | "内容准确，但语感偏平" |
小结：创意写作 Claude 的优势比较突出，语感更自然，细节更有说服力。
成本对比：这才是很多人最关心的
以上四个场景，我统计了实际 token 消耗，换算成每百万 token 的费用：
| 模型 | 官方价（¥/M token） | 无量Api SVIP 价（¥/M token） | 节省比例 |
|------|-------------------|---------------------------|---------|
| Claude Sonnet 4.5 | ¥21.0 | ¥7.5 | 约 64% |
| GPT-4.1 | ¥14.0 | ¥5.0 | 约 64% |
| DeepSeek V3 | ¥4.0 | ¥1.4 | 约 65% |
如果你每天调用量在 10M token 左右（中等规模的个人项目或小团队），以 Claude Sonnet 4.5 为例：
- 官方直接用：¥210/天，¥6300/月
- 通过无量Api SVIP：¥75/天，¥2250/月
- 每月省下约 ¥4050
这个差距在项目规模变大之后会非常显著。
综合结论
说实话，没有一个模型在所有场景都是第一。
- 代码调试：Claude 4.5 和 GPT-4.1 并列，看你更喜欢"解释型"还是"直给型"
- 长文理解：Claude 4.5 领先，文档处理首选
- 数学推理：DeepSeek V3 和 GPT-4.1 更稳
- 创意写作：Claude 4.5 明显更自然
- 成本敏感场景：DeepSeek V3 是最优解，性能够用且价格极低
我自己的实际用法是：日常代码和文档用 Claude，数学/逻辑密集型任务用 DeepSeek V3，需要快速出结果时用 GPT-4.1。三个模型混用，按场景切换，成本和效果都能兼顾。
关于 API 接入
三个模型我都是通过 无量Api（api2everything.xyz）接入的，国内直连不需要代理，Base URL 换一行就能用，兼容 OpenAI 格式，现有代码基本不用改。注册有 ¥1 余额可以先试试手感，余额永久有效不会过期。
对于上面提到的成本数字，SVIP 折扣是 7.7 折，300+ 模型统一入口，不用到处管 API Key。
如果你也在做类似的模型选型，可以直接去跑一遍自己的业务场景，比看别人的测评更准：
👉 https://api2everything.xyz/?utm_source=zhihu&utm_medium=article&utm_campaign=daily&aff=wqUb
以上测试结果基于特定 prompt 和特定时间点的模型快照，模型会持续更新，仅供参考。