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-5.5 降智的讨论很多，加上 Claude 4.5 和 DeepSeek V3 的更新，正好趁这个机会做一次横评。

测试方法很简单：同一批任务，同一套 prompt，三个模型各跑一遍，记录输出质量和耗时。不做主观打分，尽量用可复现的结论。

测试阵容

| 模型 | 版本 | 官方定价（输入/输出，每百万 token） |

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

| Claude Sonnet 4.5 | 2025-06 | ¥21 / ¥105 |

| GPT-5 | 2025-06 | ¥54 / ¥216 |

| DeepSeek V3 | 0324 | ¥2 / ¥8 |

| Gemini 2.5 Pro | 2025-06 | ¥9 / ¥36 |

价格按官方美元汇率换算，仅供参考，以实际结算为准。

任务：给一段 Python 异步代码，里面有一个 asyncio.gather 的异常处理问题，会导致部分任务静默失败。不给任何提示，让模型自己找问题。


async def fetch_all(urls):

    tasks = [fetch(url) for url in urls]

    results = await asyncio.gather(*tasks)

    return results

结果：

Claude 4.5：直接定位到 return_exceptions=False 的默认行为，给出了加 return_exceptions=True 并逐个检查结果的完整方案，还顺带提了 asyncio.TaskGroup（Python 3.11+）的替代写法。解释清晰，代码可直接用。
GPT-5：也找到了问题，但给的方案更偏"教科书"，把三种写法都列出来了，反而需要自己判断用哪个。对于明确的 bug 修复场景，信息密度有点高。
DeepSeek V3：找到了问题，方案正确，但没有提 TaskGroup，对 Python 版本的适配说明也少一些。对于日常 bug 修复完全够用。

小结：代码理解三者都过关，Claude 4.5 在"给出最优解"这件事上更直接。

任务：给一份 8000 字的技术规范文档（英文），问其中关于错误码定义的具体细节，以及文档里有没有自相矛盾的地方。

结果：

小结：长文档的主动分析能力，Claude 4.5 和 Gemini 2.5 Pro 领先一档。

任务：一道组合数学题，需要用容斥原理，中间步骤容易出错。

结果：

小结：数学推理四者都能过，GPT-5 和 Gemini 2.5 Pro 的过程更完整。

任务：给半段 TypeScript 函数签名，让模型补全实现，要求处理边界情况。

这个场景更接近日常开发中的实际用法。

结果：

按照上面四个场景，每个场景平均消耗约 2000 token 输入 + 1000 token 输出，跑 100 次的成本：

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

| Claude Sonnet 4.5 | ¥14.7 | ¥7.5 左右 | ¥5.8 |

| GPT-5 | ¥37.8 | ¥18 左右 | ¥13.9 |

| DeepSeek V3 | ¥1.4 | ¥0.7 左右 | ¥0.5 |

| Gemini 2.5 Pro | ¥6.3 | ¥3 左右 | ¥2.3 |

无量Api 支持国内直连，不需要代理，注册送 ¥1 余额，余额永久有效。

对于高频调用场景（比如跑 CI 里的代码审查、批量文档处理），Claude 4.5 的官方价格确实压力不小，SVIP 价格能省下来的钱很实在。

不想偏袒任何一家，直接说适用场景：

没有哪个模型在所有场景都是第一，根据任务选模型才是正确姿势。

如果你在做个人项目或者小团队开发，模型调用成本是绕不开的话题。上面的价格对比里用的是无量Api 的数据——国内直连，OpenAI 格式兼容，改一行 base_url 就能接入，支持 300+ 模型。注册有 ¥1 体验额度，可以先跑跑看实际效果再决定要不要充值。