横评对比 · 阅读约 6 分钟

Claude 4.5 vs GPT-5 vs DeepSeek V3：用同一批任务测了三天

Claude 4.5 vs GPT-5 vs DeepSeek V3：用同一批任务测了三天

最近社区里有人吐槽 GPT-5 降智、有人在研究 Claude Code 共享记忆、有人问 Codex 手机端的 bug……这些讨论背后，其实是一个更底层的问题：现在这些旗舰模型，到底谁更值得日常用？

我用五个场景连续测了三天，把结果整理成这篇横评。数据不一定完美，但都是真实跑出来的。

测试对象

| 模型 | 版本 | 官方输入价（/M tokens） | 官方输出价（/M tokens） |

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

| Claude Sonnet 4.5 | claude-sonnet-4-5 | $3 ≈ ¥21 | $15 ≈ ¥108 |

| GPT-5 | gpt-5 | $10 ≈ ¥72 | $40 ≈ ¥288 |

| DeepSeek V3 | deepseek-v3 | ¥0.5 | ¥2 |

| Gemini 2.5 Pro | gemini-2.5-pro | $1.25 ≈ ¥9 | $10 ≈ ¥72 |

| Grok 4 | grok-4 | $3 ≈ ¥21 | $15 ≈ ¥108 |

汇率按 1 USD = 7.2 CNY 估算。

场景一：代码调试（同一个 bug）

给了一段 Python 异步并发代码，里面藏了三个问题：一个 asyncio.gather 没有正确处理异常、一个竞态条件、一个内存泄漏。

结果：

  • Claude Sonnet 4.5：三个问题全部识别，解释清晰，给出了可直接运行的修复版本，还额外提示了一个潜在的超时问题。
  • GPT-5：识别了两个，漏掉了竞态条件。解释质量高，修复代码可用。
  • DeepSeek V3：识别了三个，但修复代码需要小调整才能跑通，解释偏简洁。
  • Gemini 2.5 Pro：三个都找到了，输出格式很规整，但修复方案比 Claude 保守一些。
  • Grok 4：识别了两个，输出风格略带口语化，代码质量中等。

代码场景小结： Claude 4.5 > Gemini 2.5 Pro ≈ DeepSeek V3 > GPT-5 > Grok 4

场景二：长文理解与摘要

输入一篇 18000 字的技术报告（关于 LLM 推理优化），要求：提炼核心论点、找出作者观点的逻辑漏洞、给出三个可落地的建议。

结果：

  • Gemini 2.5 Pro：表现最稳，长文处理是它的强项，逻辑漏洞的识别最准确，建议也比较务实。
  • Claude Sonnet 4.5：整体质量接近，建议部分更有创意，但有一个逻辑漏洞没抓到。
  • GPT-5：摘要质量高，但建议偏泛化，感觉是"放之四海皆准"那种。
  • DeepSeek V3：摘要准确，但对逻辑漏洞的分析深度不够。
  • Grok 4：对长文的结构把握一般，输出有些散。

长文理解小结： Gemini 2.5 Pro > Claude 4.5 > GPT-5 > DeepSeek V3 > Grok 4

场景三：数学推理

用了三道题：一道竞赛级数论题、一道统计推断题、一道需要建模的应用题。

结果：

  • GPT-5：数学是它明显的优势，三道全对，推导步骤清晰，中间没有跳步。
  • Gemini 2.5 Pro：两道全对，统计那道过程有小错但最终结论正确。
  • Claude 4.5：两道全对，建模那道给出了一个比较优雅的解法。
  • DeepSeek V3：两道对，但数论那道有一步推导存疑。
  • Grok 4：一道全对，其余有明显计算失误。

数学推理小结： GPT-5 > Gemini 2.5 Pro ≈ Claude 4.5 > DeepSeek V3 > Grok 4

场景四：中文写作与逻辑组织

写一篇 2000 字的产品分析文章，要求有清晰结构、真实数据引用、结论有说服力。

结果：

  • DeepSeek V3：中文写作的天花板，语感自然，逻辑清晰，引用数据的方式最符合中文阅读习惯。
  • Claude 4.5：中文质量比上一代明显提升，结构很好，但偶尔有翻译腔。
  • GPT-5：结构严谨，但读起来稍显刻板。
  • Gemini 2.5 Pro：中规中矩，没有明显短板但也没有亮点。
  • Grok 4：中文写作偏弱，用词有时不自然。

中文写作小结： DeepSeek V3 > Claude 4.5 > GPT-5 > Gemini 2.5 Pro > Grok 4

场景五：成本计算（这才是大多数人真正关心的）

假设一个中等规模的应用，每天处理 100 万 tokens 输入 + 200 万 tokens 输出，按月计算：

官方价格（月费用）

| 模型 | 月输入成本 | 月输出成本 | 月合计 |

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

| GPT-5 | ¥2,160 | ¥17,280 | ¥19,440 |

| Claude Sonnet 4.5 | ¥630 | ¥6,480 | ¥7,110 |

| Gemini 2.5 Pro | ¥270 | ¥4,320 | ¥4,590 |

| Grok 4 | ¥630 | ¥6,480 | ¥7,110 |

| DeepSeek V3 | ¥15 | ¥120 | ¥135 |

通过无量Api（SVIP 7.7折，部分模型更低）

以 Claude Sonnet 4.5 为例，无量Api 价格：输入 ¥7.5/M，输出 ¥30/M

| 渠道 | Claude Sonnet 4.5 月合计 |

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

| 官方 | ¥7,110 |

| 无量Api SVIP | 约 ¥2,475 |

| 节省 | ¥4,635 / 月 |

DeepSeek V3 本身价格就很低，这个场景下差价有限。GPT-5 节省的绝对金额更可观。

总结：怎么选？

| 场景 | 推荐 |

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

| 日常代码开发 | Claude Sonnet 4.5 |

| 长文档处理 / RAG | Gemini 2.5 Pro |

| 数学 / 科学推理 | GPT-5 |

| 中文内容生成 | DeepSeek V3 |

| 成本敏感的大规模调用 | DeepSeek V3 或打折后的 Claude 4.5 |

说句实话：没有一个模型在所有场景都赢。实际选型时，建议按主要用途选主力模型，用 API 接入多个模型做 fallback，成本和效果可以同时兼顾。

关于访问和成本的一点补充

上面说的官方价格，很多国内用户还面临一个更实际的问题：直连不稳定，或者根本没有海外支付方式。

我最近在用无量Api，支持国内直连 Claude、GPT-5、Gemini、DeepSeek 等 300+ 模型，完全兼容 OpenAI 格式，只改一行 base_url 就能接入现有项目。SVIP 折扣下来比官方便宜 65% 左右，上面 Claude 4.5 的算例用的就是他们的价格。注册送 ¥1，余额永久有效，可以先拿来跑跑上面几个测试场景对比一下。

V2EX 版传送门：https://api2everything.xyz/?utm_source=v2ex&utm_medium=article&utm_campaign=daily&aff=wqUb