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
背景：最近 V2EX 上关于 Codex、Plus 续费的讨论很多，说明大家对模型选型和成本都很在意。我用三个场景把这几个模型跑了一遍，尽量给出有参考价值的横评。
测试说明
模型：Claude Sonnet 4.5 / GPT-4.1 / DeepSeek V3
时间：2025 年 7 月，连续三天
接入方式：统一用 OpenAI 兼容格式调用（Base URL 换一行，其余代码不动）
测试维度：代码 debug、长文理解、数学推理、实际成本
场景一：代码 Debug（一个真实 bug）
题目：一段 Python 异步爬虫，并发请求偶发 RuntimeError: Session is closed，附上约 80 行代码。
| 模型 | 定位准确性 | 修复方案质量 | 响应耗时 |
|------|-----------|-------------|---------|
| Claude Sonnet 4.5 | ✅ 直接定位到 aiohttp.ClientSession 生命周期问题 | 给出了上下文管理器重构方案，附解释 | ~4s |
| GPT-4.1 | ✅ 也找到了，但先给了一个较浅的"加 try/except"建议 | 追问后才给出正确重构 | ~3s |
| DeepSeek V3 | ✅ 定位准确 | 方案和 Claude 基本一致，中文注释更详细 | ~5s |
小结：三者都能找到根因，Claude 4.5 第一次回复就给出最完整的方案，省了来回追问的时间。DeepSeek V3 的中文注释对国内团队友好。
场景二：长文理解（一份 12000 字技术文档）
题目：把一份英文 API 设计文档贴进去，问"这个系统的限流策略在哪些边界条件下会失效，给出具体章节和原文依据"。
| 模型 | 找到关键段落 | 分析边界条件 | 有无幻觉 |
|------|------------|-------------|---------|
| Claude Sonnet 4.5 | ✅ 引用了 3 处原文 | 分析了 2 个真实边界，1 个推断边界（标注了是推断） | 无明显幻觉 |
| GPT-4.1 | ✅ 引用了 2 处 | 分析到位，但漏了一个竞态条件场景 | 无明显幻觉 |
| DeepSeek V3 | ⚠️ 引用了 2 处，但有 1 处章节号对不上 | 分析方向正确，细节不够 | 轻微幻觉（章节定位偏移） |
小结：长文引用精度上，Claude 4.5 > GPT-4.1 > DeepSeek V3。如果你的工作流依赖模型精确引用原文，这个差距值得注意。
场景三：数学推理（竞赛级别题目）
题目：一道组合数学证明题（AMC 12 难度），要求给出完整证明步骤。
| 模型 | 解题路径 | 步骤完整性 | 最终结论 |
|------|---------|-----------|---------|
| Claude Sonnet 4.5 | 容斥原理 | 完整，每步有推导 | ✅ 正确 |
| GPT-4.1 | 同上 | 完整 | ✅ 正确 |
| DeepSeek V3 | 母函数方法（不同路径） | 完整 | ✅ 正确 |
小结：三者在这个难度上都过关，DeepSeek V3 给出了不同的证明路径，反而更有参考价值。数学推理场景下，DeepSeek V3 的性价比极高。
场景四：成本计算（这才是重点）
假设每天调用量：输入 2M tokens，输出 500K tokens。
官方价格（美元转人民币按当前汇率约 7.25）
| 模型 | 输入价（/M tokens） | 输出价（/M tokens） | 日成本估算 |
|------|-------------------|-------------------|-----------|
| Claude Sonnet 4.5 | ¥21.75 | ¥108.75 | ¥97.875 |
| GPT-4.1 | ¥14.50 | ¥58.00 | ¥57.9 |
| DeepSeek V3 | ¥1.97 | ¥7.25 | ¥7.565 |
无量Api SVIP 价格
| 模型 | 输入价（/M tokens） | 输出价（/M tokens） | 日成本估算 | 比官方省 |
|------|-------------------|-------------------|-----------|---------|
| Claude Sonnet 4.5 | ¥7.5 | ¥37.5 | ¥33.75 | 约 65% |
| GPT-4.1 | ¥5.1 | ¥20.4 | ¥20.4 | 约 65% |
| DeepSeek V3 | ¥0.69 | ¥2.76 | ¥2.76 | 约 65% |
月下来，仅 Claude Sonnet 4.5 一个模型就能省 ¥1900+。
综合结论
按场景推荐，不按价格推荐：
- 代码 debug / 需要一次性给出完整方案 → Claude Sonnet 4.5，减少来回对话成本
- 长文档分析、需要精确引用 → Claude Sonnet 4.5 > GPT-4.1，DeepSeek V3 慎用于强依赖原文定位的场景
- 数学/逻辑推理、成本敏感 → DeepSeek V3，性能差距极小但价格是量级差距
- 平衡型日常工作流 → GPT-4.1，响应快，价格居中，兼容性最好
没有"最强"模型，只有最适合你场景的模型。
关于国内访问和成本问题
V2EX 上这两天有不少人在聊土区续费、HK 节点 TLS 报错的问题——这些基本都是直连稳定性导致的。如果你需要在国内稳定调用上面这些模型，可以考虑用聚合 API 的方案：改一行 Base URL，不用折腾节点，也不用担心汇率和续费问题。
無量Api（api2everything.xyz） 支持 Claude / GPT / Gemini / DeepSeek 等 300+ 模型国内直连，SVIP 价格是官方的 7.7 折，注册即送 ¥1 余额，余额永久不过期，可以先试试看。
Zhihu 版链接：https://api2everything.xyz/?utm_source=zhihu&utm_medium=article&utm_campaign=daily&aff=wqUb
数据基于个人测试，模型版本和价格随时可能更新，以官方及服务商最新公告为准。