横评对比 · 阅读约 5 分钟

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

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 V2EX 上有个帖子问"程序需要用 API 在哪里买"，下面一堆人在讨论价格和稳定性。正好我最近在做模型选型，就把手头的测试整理出来，顺便把成本算清楚。

测试对象：Claude Sonnet 4.5 / GPT-4.1 / DeepSeek V3。Gemini 2.5 Pro 和 Grok 4 也跑了部分场景，会在对应位置提到。

测试方法

统一用 OpenAI 格式的 API 调用，temperature 固定 0.2，每个场景跑 3 次取中位结果。测试时间：2025 年 7 月初。

场景一：代码补全与 Bug 定位

测试题：一段 Python 异步代码，有一个经典的 asyncio.gather 异常吞噬问题，外加一个隐藏的竞态条件。


async def fetch_all(urls):

    results = await asyncio.gather(*[fetch(u) for u in urls])

    return results

问题是 gather 默认 return_exceptions=False，任意一个 task 抛异常会取消其他 task，但调用方没有处理这个情况。

结果：

  • DeepSeek V3：直接定位到 return_exceptions 参数问题，给出了修复方案，还顺带提了 asyncio.TaskGroup（Python 3.11+）的替代写法。速度最快，响应约 2 秒。
  • Claude Sonnet 4.5：定位准确，解释最详细，把竞态条件也单独拎出来分析了，给了两种修复思路并说明了各自的 trade-off。
  • GPT-4.1：也找到了主要问题，但对竞态条件的描述比较模糊，需要追问才展开。

小结：代码 debug 场景，三者都能用，DeepSeek V3 速度优势明显，Claude 4.5 解释质量最高。

场景二：长文档理解（RAG 前置处理）

测试题：喂入一份 12000 token 的技术文档（某开源项目的架构设计文档），要求提取关键决策点、识别潜在风险、输出结构化摘要。

结果：

  • Claude Sonnet 4.5：输出结构最清晰，对"潜在风险"的识别有几条是文档里没有明说但可以推断出来的，属于真正的理解而不是复述。
  • GPT-4.1：摘要质量不错，但风险识别基本停留在文档显式提到的内容，推断能力弱一些。
  • DeepSeek V3：在长文档场景下偶尔会漏掉文档后半段的内容，跑了 3 次有 1 次出现这个问题。

Gemini 2.5 Pro 补充：这个场景 Gemini 表现很好，100 万 token 上下文是真实优势，处理超长文档时比其他模型稳定。

场景三：数学推理

测试题：一道组合数学题 + 一道需要建模的概率题（不贴原题了，难度大概是竞赛入门级）。

结果：

  • Claude Sonnet 4.5：两道都对，推理链路清晰，中间步骤有验证。
  • GPT-4.1：组合题对，概率题建模思路正确但最后计算出了小错误。
  • DeepSeek V3：两道都对，推理步骤比 Claude 简洁，但结论可靠。

Grok 4 补充：数学推理是 Grok 4 的强项，这两道题也都答对了，推理过程最详细。

场景四：成本计算（这才是重点）

光看能力不够，API 成本直接决定项目能不能跑起来。

以下是官方价格 vs 通过无量Api（SVIP 7.7 折）的实际价格对比：

| 模型 | 官方输入价（/M tokens） | 官方输出价（/M tokens） | 无量Api SVIP 输入价 | 无量Api SVIP 输出价 |

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

| Claude Sonnet 4.5 | ¥21 | ¥105 | ¥7.5 | ¥37.5 |

| GPT-4.1 | ¥14 | ¥56 | ¥5.1 | ¥20.4 |

| DeepSeek V3 | ¥2 | ¥8 | ¥0.7 | ¥2.9 |

| Gemini 2.5 Pro | ¥18 | ¥72 | ¥6.5 | ¥26 |

| Grok 4 | ¥42 | ¥168 | ¥15.3 | ¥61.3 |

实际场景估算：假设你在做一个 RAG 应用，每天处理 500 次查询，平均每次 2000 token 输入 + 500 token 输出：

  • 用 Claude Sonnet 4.5 官方：每月约 ¥1,890
  • 用无量Api SVIP：每月约 ¥675，省了 ¥1,215

如果用 DeepSeek V3 做同样的事：每月官方约 ¥180，无量Api 约 ¥63。DeepSeek 本来就便宜，再打折之后几乎可以忽略不计。

综合对比表

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

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

| 代码 Debug | ★★★★☆ | ★★★☆☆ | ★★★★☆ |

| 长文理解 | ★★★★★ | ★★★★☆ | ★★★☆☆ |

| 数学推理 | ★★★★★ | ★★★★☆ | ★★★★☆ |

| 响应速度 | ★★★☆☆ | ★★★★☆ | ★★★★★ |

| 性价比（官方） | ★★☆☆☆ | ★★★☆☆ | ★★★★★ |

| 性价比（无量Api） | ★★★★☆ | ★★★★☆ | ★★★★★ |

结论

没有"最好的模型"，只有"最适合场景的模型"：

  • 日常代码辅助、快速迭代：DeepSeek V3，速度快、成本低，够用。
  • 需要深度理解和推理的任务：Claude Sonnet 4.5，贵但值，用无量Api 打完折之后接受度高很多。
  • 通用场景、不想折腾：GPT-4.1，生态最成熟，工具调用稳定。
  • 超长上下文：Gemini 2.5 Pro，100 万 token 窗口是真实优势。

国内直连这些模型一直是个麻烦事，我现在用的是 无量Api，300+ 模型统一 OpenAI 格式，改一行 base_url 就能切换，注册送 ¥1 余额可以先试试手感。SVIP 是 7.7 折，上面的价格表就是按这个算的，余额永久有效不用担心过期浪费。

数据基于 2025 年 7 月初测试，模型版本和价格可能随时更新，以官方和平台实时为准。