Claude Sonnet 4.5 vs GPT-4.1 vs DeepSeek V3：用同一批任务测了三天

最近 V2EX 上关于 Codex、ChatGPT Business 踩坑的帖子越来越多，说明大家真的在生产环境里用这些模型了，不是玩具。正好趁这个机会，我把手头几个真实任务拿出来，对着三个主流模型跑了一遍，记录一下结果。

测试对象 & 版本

| 模型 | 版本 | 测试时间 |

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

| Claude | Sonnet 4.5 | 2025-07 |

| GPT | GPT-4.1 | 2025-07 |

| DeepSeek | V3（0324） | 2025-07 |

Gemini 2.5 Pro 和 Grok 4 也跑了部分场景，会在对应位置补充。

场景一：定位一个真实 Bug

任务描述：给一段 Python 异步代码，里面有一个竞态条件（race condition），不会直接报错，只在高并发下偶发数据错乱。代码约 120 行。


# 简化版问题代码

async def update_counter(key):

    val = await redis.get(key)

    val = int(val or 0) + 1

    await redis.set(key, val)  # 非原子操作，并发下会丢失更新

结果：

Claude Sonnet 4.5：直接定位到 get → set 非原子操作，给出了 INCR 命令替换方案，还额外提示了 Lua 脚本方案用于更复杂场景。解释清晰，没有废话。
GPT-4.1：也找到了问题，但解释绕了一圈，先讲了一堆并发理论，最后才给方案。方案本身是对的。
DeepSeek V3：找到了问题，给出了 INCR 方案，但没有主动提 Lua 脚本的扩展思路。够用，不惊艳。

小结：Claude 在代码诊断的"顺手程度"上略胜，GPT 话多但准确，DeepSeek 简洁实用。

场景二：长文档理解（合同条款提取）

任务描述：一份 8000 字的 SaaS 服务合同（英文），要求提取所有涉及"数据所有权"和"服务终止"的条款，并用中文总结。

结果：

Claude Sonnet 4.5：提取完整，中文总结结构清晰，还主动标注了"第 12.3 条措辞模糊，建议律师确认"——这个主动风险提示很有价值。
GPT-4.1：提取准确，但总结偏流水账，没有结构化分类。
DeepSeek V3：提取有遗漏（漏了一处嵌套在附录里的条款），总结质量中等。
Gemini 2.5 Pro（补充测试）：表现接近 Claude，长文处理是 Gemini 的强项，提取完整，但中文表达略生硬。

小结：长文理解 Claude ≈ Gemini 2.5 Pro > GPT-4.1 > DeepSeek V3。

场景三：数学推理（竞赛级别）

任务描述：AMC 12 难度的组合数学题，要求给出完整推导过程。

从 1 到 100 中随机选 5 个不同整数，恰好有 3 个偶数的概率是多少？

结果：

Claude Sonnet 4.5：过程正确，答案正确，排列组合写得很规范。
GPT-4.1：过程正确，答案正确，步骤更详细，适合教学场景。
DeepSeek V3：答案正确，过程简洁，速度最快。
Grok 4（补充测试）：答案正确，但中间有一步跳跃，没有完整展开。

换成更难的数论题（需要模运算和归纳法），DeepSeek V3 出现了一次推导跳步导致答案错误，Claude 和 GPT-4.1 均正确。

小结：数学推理 GPT-4.1 ≈ Claude Sonnet 4.5 > DeepSeek V3 > Grok 4（复杂题）。

场景四：代码补全（实际开发场景）

任务描述：给一个 FastAPI 项目骨架，要求补全一个带分页、过滤、排序的 /users 查询接口，使用 SQLAlchemy 2.0 异步风格。

结果：

Claude Sonnet 4.5：生成代码直接可运行，用了 select() 的新式写法，分页逻辑正确，还加了 total_count 的子查询。
GPT-4.1：生成代码可运行，但混用了 SQLAlchemy 1.x 的旧式 query() 写法，需要手动修正。
DeepSeek V3：生成代码可运行，风格正确，但没有 total_count，需要自己补。

小结：代码补全 Claude Sonnet 4.5 > DeepSeek V3 > GPT-4.1（在 SQLAlchemy 2.0 这个细节上）。

成本对比：这才是生产环境最关心的

测完效果，聊聊钱。以上四个场景，我估算了一下 token 消耗，折算成每百万 token 的费用：

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

| Claude Sonnet 4.5 | ¥21 / ¥105 | ¥10.5 / ¥52.5 | ¥8.1 / ¥40.4 |

| GPT-4.1 | ¥14 / ¥56 | ¥7 / ¥28 | ¥5.4 / ¥21.6 |

| DeepSeek V3 | ¥2 / ¥8 | ¥1 / ¥4 | ¥0.77 / ¥3.1 |

| Gemini 2.5 Pro | ¥18 / ¥72 | ¥9 / ¥36 | ¥6.9 / ¥27.7 |

价格来源：官方定价截至 2025-07，中转价格来自无量Api 实测。

一个实际例子：假设你每天调用 Claude Sonnet 4.5 处理文档，消耗 10M input token + 2M output token：

官方直连：10×21 + 2×105 = ¥420/天
无量Api SVIP：10×8.1 + 2×40.4 = ¥162/天
一个月省下：(420-162)×30 = ¥7,740

DeepSeek V3 本来就便宜，但如果你的任务对质量要求高，用 Claude 配合中转价格，性价比其实不差。

综合评分

| 维度 | Claude Sonnet 4.5 | GPT-4.1 | DeepSeek V3 |

|------|:-----------------:|:-------:|:-----------:|

| 代码质量 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ |

| 长文理解 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |

| 数学推理 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |

| 响应速度 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |

| 官方价格 | 贵 | 中等 | 便宜 |

| 中转后性价比 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |

结论

没有"最好的模型"，只有"最适合场景的模型"：

日常代码开发、文档处理：Claude Sonnet 4.5 综合体验最顺手，但要配合中转价格用，否则成本压力大。
需要详细解释、教学场景：GPT-4.1 的啰嗦在这里反而是优点。
高频调用、成本敏感、对质量要求不极致：DeepSeek V3 是最优解，便宜且够用。
长上下文处理：Gemini 2.5 Pro 值得考虑，窗口大、价格合理。

三个模型我现在都在用，根据任务切换。关键是 API 调用方式统一，换模型只改一个参数的事。

附：我现在的调用方案

国内直连这几个模型一直是个麻烦事，我目前用的是 无量Api，支持 OpenAI 格式，改一行 base_url 就能切换，300+ 模型统一入口，注册送 ¥1 可以直接试。


from openai import OpenAI



client = OpenAI(

    api_key="your-key",

    base_url="https://api2everything.xyz/v1"  # 改这一行

)



# 其他代码完全不用动

response = client.chat.completions.create(

    model="claude-sonnet-4-5",  # 或 gpt-4.1 / deepseek-v3

    messages=[{"role": "user", "content": "你好"}]

)

余额永久有效，不用担心月底清零。SVIP 是 7.7 折，上面成本表里的 SVIP 价格是真实数字，不是估算。

👉 https://api2everything.xyz/?utm_source=zhihu&utm_medium=article&utm_campaign=daily&aff=wqUb

如果你也在做类似的横评，欢迎评论区交流，特别是 Grok 4 的使用体验，我测的场景还不够多。