Claude 4.5 vs GPT-4.1 vs DeepSeek V3：用同一批任务测了三天，结论有点意外

最近 Codex 登陆 ChatGPT 移动端的消息让不少人重新关注起"到底哪个模型更适合日常开发"这个问题。V2EX 上也有人在讨论 GPT 网页版不稳定、代充号被封的问题——这些都在提醒我们：选对模型、用对渠道，比盲目追新重要得多。

我花了三天时间，用同一批任务跑了 Claude Sonnet 4.5、GPT-4.1、DeepSeek V3 三个模型，记录下真实感受。

测试方法说明

每个场景同一 prompt，不做任何针对性调优
多次运行取平均表现，不挑最好的一次
成本按实际 token 消耗计算
测试时间：2025 年 7 月

场景一：代码补全与 Bug 修复

测试 prompt： 给一段有竞态条件的 Go 并发代码，要求找出问题并修复。

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

| Claude Sonnet 4.5 | ✅ 准确 | 用 sync.Mutex，附加了 sync.RWMutex 的优化建议 | 详细 |

| GPT-4.1 | ✅ 准确 | 用 channel 方案，思路不同但可行 | 中等 |

| DeepSeek V3 | ✅ 准确 | 直接给 Mutex，无额外建议 | 简洁 |

三个都找到了问题。Claude 的回答最"啰嗦"，但啰嗦得有价值——它主动提到了读写锁在读多写少场景下的性能差异，这是另外两个没说的。GPT-4.1 给了一个 channel 方案，风格更"Go 味"，但对新手来说理解成本稍高。DeepSeek V3 最简洁，适合直接复制用。

小结： 代码场景三者差距不大，Claude 适合需要理解原理的场景，DeepSeek 适合快速出活。

场景二：长文理解与信息提取

测试材料： 一份 8000 字的技术规范文档（英文），要求提取所有 breaking change 并按影响程度排序。

| 模型 | 提取完整度 | 排序逻辑 | 遗漏项 |

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

| GPT-4.1 | 中 | 有排序但依据模糊 | 3 处 |

| DeepSeek V3 | 中 | 基本按顺序，无排序逻辑 | 2 处 |

这个场景 Claude 明显领先。它不只是提取，还会说"这个 breaking change 影响所有使用默认配置的用户，优先级最高"——这种判断力在处理复杂文档时很有价值。GPT-4.1 遗漏了几处散落在文档中间的变更，DeepSeek 基本按原文顺序输出，没有做重新排序。

小结： 长文理解 Claude > GPT-4.1 > DeepSeek V3。

场景三：数学推理

测试题： 一道组合数学题（计算带约束条件的排列数），以及一道概率题（贝叶斯更新）。

| 模型 | 组合题 | 概率题 | 过程展示 |

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

| Claude Sonnet 4.5 | ✅ 正确 | ✅ 正确 | 步骤清晰 |

| GPT-4.1 | ✅ 正确 | ✅ 正确 | 步骤清晰 |

数学推理上 Claude 和 GPT-4.1 旗鼓相当，过程都写得很清楚。DeepSeek V3 在概率题上出现了推导跳步，中间有一步逻辑不严谨，虽然最终答案对了，但如果是更复杂的题目，这种跳步很可能导致错误。

小结： 严肃数学场景推荐 Claude 或 GPT-4.1，DeepSeek 适合简单计算。

场景四：成本计算（这才是重点）

这是很多人忽略的维度。模型能力差距有时候没那么大，但价格差距可以很大。

以下是三个模型的官方定价 vs 通过无量Api（SVIP 7.7折）的实际价格：

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

| GPT-4.1 | ¥14/M tokens | ¥56/M tokens | ≈¥5/M | ≈¥20/M |

价格以人民币计，M = 百万 tokens，SVIP 折扣约 7.7 折，普通用户约 65% off 官方价。

实际场景换算： 假设你每天处理 100 个中等复杂度的任务，每个任务平均消耗 2000 input + 1000 output tokens：

用 Claude Sonnet 4.5 官方：每月约 ¥945
用无量Api SVIP：每月约 ¥338，省了 ¥607
用 DeepSeek V3（无量Api）：每月约 ¥25，适合高频低复杂度任务

如果你的任务不需要 Claude 的长文理解优势，DeepSeek V3 的性价比几乎无敌。

综合对比表

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

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

| 代码能力 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ |

| 长文理解 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ |

| 数学推理 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |

| 回答详细度 | 高（有时过多） | 中 | 低（简洁） |

| 官方月均成本 | 高 | 中 | 极低 |

| 无量Api 成本 | 中 | 中低 | 极低 |

| 国内直连 | 需代理 | 需代理 | 需代理 |

结论

测了三天，说几个真实感受：

1. Claude Sonnet 4.5 确实是综合能力最强的，尤其是长文档处理和代码解释，但价格也最贵，适合对质量要求高、任务复杂度高的场景。

2. GPT-4.1 是最均衡的选择，代码和推理都不差，价格比 Claude 低，如果你已经习惯了 OpenAI 的风格，没必要强行切换。

3. DeepSeek V3 是性价比之王，简单任务、高频调用、预算有限的场景首选。不要因为它便宜就低估它，代码补全和日常问答完全够用。

4. 不要为了追新而追新。Codex 移动端刚出来，很多人跃跃欲试，但对大多数开发者来说，现有模型已经够用，选一个稳定的调用渠道比换模型更重要。

关于国内访问

这三个模型官方都需要代理，而且最近 GPT 网页版和 App 不稳定的问题不少人都遇到了。如果你需要稳定的国内直连、支持 300+ 模型、OpenAI 格式兼容（改一行 Base URL 就能用），可以看看 无量Api。

注册送 ¥1，余额永久不过期，SVIP 7.7 折，普通用户也比官方便宜 65%。

👉 api2everything.xyz

以上测试为个人实测，模型版本和表现可能随时间变化，仅供参考。