Claude 4.5 vs GPT-5 vs DeepSeek V3：用同一批任务测了三天，说点真实感受

最近几个月模型迭代太快，群里天天有人问"现在到底用哪个？"。我干脆花了三天时间，用同一组任务把目前讨论最热的几个模型过了一遍——Claude Sonnet 4.5、GPT-5、DeepSeek V3、Gemini 2.5 Flash。

测试没有赞助，用的都是 API 直接调用，尽量控制变量。

测试设计

选了 4 个场景，覆盖日常开发和内容工作中最常见的需求：

1. 代码 Debug：一段故意引入并发问题的 Python 异步代码

2. 长文理解：喂入一篇 12000 字的英文技术报告，问 5 个细节问题

3. 数学推理：AMC 级别的组合数学题，3 道

4. 中文写作：给定一个产品，写一段 400 字的用户故事

场景一：代码 Debug（并发 Bug）

测试代码是一个用 asyncio 写的任务调度器，故意在共享状态上引入了竞争条件，没有加任何注释提示。

Claude Sonnet 4.5：直接定位到 asyncio.Lock 缺失的问题，给出了修复方案，还额外指出了另一处潜在的资源泄漏——这个我自己都没注意到。解释清晰，代码可以直接跑。

GPT-5：同样找到了主要 Bug，修复方案更"工程化"，顺手加了类型注解和日志。如果你是要上生产的代码，这个版本改动少一些。

DeepSeek V3：找到了 Bug，但修复方式是用 threading.Lock 替换，混用了同步原语——在纯 asyncio 项目里这是会出问题的。解释倒是挺详细，但方向有点偏。

Gemini 2.5 Flash：找到了问题，给出的解法正确，但解释比较简短，没有延伸分析。速度是这几个里最快的。

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

| GPT-5 | ✅ | ✅ 工程化强 | ➖ |

| DeepSeek V3 | ✅ | ⚠️ 方向有误 | ➖ |

| Gemini 2.5 Flash | ✅ | ✅ | ➖ |

场景二：长文理解（12000 字技术报告）

文档是一篇关于 LLM 推理优化的英文报告，问题包括"第三节提到的 KV Cache 策略和第七节的对比结论是否矛盾"这类需要跨段落关联的问题。

Claude Sonnet 4.5：这是它的强项。5 个问题全部回答准确，跨段落关联做得很好，回答有层次，引用了原文具体段落。

GPT-5：4/5 准确，有一道跨章节对比题给出了模糊回答，没有明确判断是否矛盾。

DeepSeek V3：3/5 准确，在细节提取上有一处明显幻觉，引用了文中没有的数字。

Gemini 2.5 Flash：4/5，速度快，但有一题答得过于简洁，细节不够。

场景三：数学推理（AMC 级别）

三道题，涉及排列组合、概率和整数分拆。

| 模型 | 答对题数 | 过程可读性 |

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

| GPT-5 | 3/3 | ✅ 步骤清晰 |

| Claude Sonnet 4.5 | 2/3 | ✅ 过程详细 |

| Gemini 2.5 Flash | 3/3 | ✅ 简洁 |

| DeepSeek V3 | 2/3 | ⚠️ 第三题过程跳步 |

数学推理这块 GPT-5 和 Gemini 2.5 Flash 表现更稳，Claude 在一道概率题上给出了错误答案但过程写得很自信——这点要注意，不要无脑信。

场景四：中文写作（用户故事）

给定一款健康追踪 App，写一段 400 字左右的用户故事，风格要求"真实、有情感"。

这个场景比较主观，我发给了 5 个人盲测（不告诉他们模型来源）。

Claude Sonnet 4.5 的版本 4/5 人选为最有代入感，细节描写自然。

GPT-5 的版本结构最完整，但有人觉得"像模板"。

DeepSeek V3 中文表达流畅，节奏稍平，情感渲染弱一点。

Gemini 2.5 Flash 表现中规中矩。

成本对比（这部分很重要）

测试期间我统计了 token 消耗，顺便算了一下在不同渠道调用的实际费用。

官方价格全部按美元折算人民币（汇率 7.2），无量Api 取 SVIP 折扣价（7.7 折，或直接标价）。

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

| Claude Sonnet 4.5 | ¥21.6 | ¥108 | ¥7.5 | ¥37 |

| GPT-5 | ¥54 | ¥216 | ¥19 | ¥76 |

| DeepSeek V3 | ¥1.0 | ¥4.0 | ¥0.4 | ¥1.6 |

| Gemini 2.5 Flash | ¥5.4 | ¥21.6 | ¥2.0 | ¥8.0 |

以我这三天的实际消耗量（约 2M input + 0.5M output，主要用 Claude Sonnet 4.5）来算：

官方渠道：约 ¥97
无量Api SVIP：约 ¥34

差了将近 3 倍。如果你是重度用户，每个月几百元的差价是真实的。

综合结论

没有哪个模型是全场景最强的，这话是真的，不是场面话。

代码和长文：Claude Sonnet 4.5 目前是我日常主力，上下文处理和代码审查都很可靠
数学/逻辑推理：GPT-5 和 Gemini 2.5 Flash 更稳，别太信 Claude 的数学
成本敏感场景：DeepSeek V3 性价比无敌，中文任务够用，英文略弱
速度优先：Gemini 2.5 Flash 响应最快，适合需要大量调用的场景

实际工作中我现在是混用的——写代码和读文档用 Claude，算东西用 GPT-5 或 Gemini，跑批处理或者不那么关键的任务用 DeepSeek。

关于访问渠道

国内直接调 OpenAI 和 Anthropic 的 API 稳定性是个老问题，我现在用的是 無量Api，支持上面提到的所有模型（300+ 个），兼容 OpenAI 格式，改个 Base URL 就能用，不需要改其他代码。

注册有 ¥1 体验额度，余额不过期，可以先试试看。价格上面表格里已经列了，SVIP 7.7 折，日常用下来省的钱还是明显的。

链接：https://api2everything.xyz/?utm_source=zhihu&utm_medium=article&utm_campaign=daily&aff=wqUb

V2EX 版本链接替换 utm_source=v2ex：https://api2everything.xyz/?utm_source=v2ex&utm_medium=article&utm_campaign=daily&aff=wqUb