Claude Opus 4 vs GPT-5 vs DeepSeek V3：用同一批任务测了三天

最近 V2EX 上有人问怎么充值 Claude/OpenAI API，也有人在讨论 Codex 模型缩水的问题。趁这个机会，把最近几个主流模型做一次横评——测试场景尽量贴近真实开发和写作需求，不跑 benchmark，只看实际体验。

测试阵容

| 模型 | 版本 | 定位 |

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

| Claude Opus 4 | 2025-07 | Anthropic 旗舰，长文推理 |

| GPT-5 | 2025-07 | OpenAI 新旗舰 |

| DeepSeek V3 | 0324 | 国产性价比之王 |

| Gemini 2.5 Pro | 2025-06 | Google 多模态旗舰 |

场景一：Debug 一个真实 Bug

任务：给一段 Python 异步代码，里面有一个 asyncio.gather 的竞态条件，不给任何提示，让模型自己找问题。


# 问题代码（简化版）

async def fetch_all(urls):

    results = []

    async def fetch(url):

        r = await session.get(url)

        results.append(await r.json())  # 竞态

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

    return results

结果：

Claude Opus 4：直接定位到 results.append 在并发下不安全，给出了用 asyncio.Queue 或直接 return 值的两种方案，解释清晰。
GPT-5：也找到了问题，但第一版修复方案引入了一个新的锁，稍微过度设计，追问后给出了更简洁的版本。
DeepSeek V3：找到了问题，修复方案直接有效，没有废话，速度最快。
Gemini 2.5 Pro：找到了，但解释里夹了一段不太相关的 aiohttp session 管理建议，有点跑题。

小结：四个都能找到 bug，Claude 和 DeepSeek 的回答质量最稳。

场景二：长文理解（20k token 合同）

任务：上传一份 20000 字的英文 SaaS 服务协议，提问"哪些条款对用户不利，列出来"。

Claude Opus 4：列出 7 条，每条附原文引用和位置，逻辑清晰，没有遗漏关键的自动续费和数据所有权条款。
GPT-5：列出 6 条，漏掉了一个仲裁条款，但对每条的风险解读更口语化，适合非法律背景的人看。
DeepSeek V3：列出 5 条，有遗漏，但速度极快，适合快速过一遍。
Gemini 2.5 Pro：表现最好，列出 8 条，还主动标注了"这条在欧盟 GDPR 下可能无效"，上下文利用率高。

小结：长文理解 Gemini 2.5 Pro 略占优，Claude 紧随其后。

场景三：数学推理

任务：一道竞赛级概率题（条件概率 + 贝叶斯，非标准题型）。

Claude Opus 4：过程完整，答案正确，中间有一步推导写得比较绕，但结论没问题。
GPT-5：答案正确，步骤最清晰，适合用来教学。
DeepSeek V3：答案正确，步骤简洁，但跳步较多，需要有一定数学基础才能跟上。
Gemini 2.5 Pro：答案正确，但中间有一步符号用错了（不影响最终结果），略显粗糙。

小结：数学推理四个都能过，GPT-5 的解题过程最适合阅读。

场景四：代码补全（IDE 场景模拟）

任务：给一个 React 组件的前半段，让模型补全后半段，包括状态管理和事件处理。

Claude Opus 4：补全风格和原代码一致，变量命名、缩进都对齐，几乎不需要修改。
GPT-5：补全质量高，但会主动加一些原代码没有的注释，有时候反而干扰。
DeepSeek V3：补全速度最快，质量稳定，适合高频调用。
Gemini 2.5 Pro：补全质量不错，但偶尔会把 useState 换成 useReducer，有点自作主张。

成本对比（这才是关键）

按每天调用 1M tokens 估算（输入输出各半）：

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

| Claude Opus 4 | 约 ¥108 | 约 ¥38 | ¥70 |

| Claude Sonnet 4.5 | ¥21 | ¥7.5 | ¥13.5 |

| GPT-5 | 约 ¥144 | 约 ¥50 | ¥94 |

| DeepSeek V3 | ¥4 | ¥1.4 | ¥2.6 |

| Gemini 2.5 Pro | 约 ¥90 | 约 ¥32 | ¥58 |

官方价格以美元汇率 7.2 换算，SVIP 折扣约 7.7 折，普通用户约 65% off。DeepSeek 本身就便宜，节省绝对值小，但比例一样。

如果你是个人开发者，每天跑几百万 token 的测试，一个月下来差价能买好几顿饭。如果是公司项目，差距就更明显了。

综合结论

没有一个模型在所有场景都碾压其他的，选哪个取决于你的用途：

日常开发 debug + 代码补全：DeepSeek V3 性价比最高，Claude Opus 4 质量最稳
长文档分析：Gemini 2.5 Pro 或 Claude Opus 4
数学/逻辑推理：GPT-5 解题过程最清晰
预算有限：DeepSeek V3 + Claude Sonnet 4.5 组合，覆盖 90% 场景

关于 API 访问

V2EX 上有人问怎么充值 Claude/OpenAI API，国内直连一直是个麻烦事。我自己用的是 无量Api（api2everything.xyz），支持 300+ 模型，OpenAI 格式兼容，改一行 base_url 就能用，注册送 ¥1 可以先试试手感，余额不过期。

上面表格里的 SVIP 价格就是在这里跑出来的，数字是真实的。

👉 api2everything.xyz

V2EX 版链接：api2everything.xyz