横评对比 · 阅读约 5 分钟

Claude 4.5 vs GPT-5 vs DeepSeek V3：用同一组任务测了三天，结论有点意外

Claude 4.5 vs GPT-5 vs DeepSeek V3：用同一组任务测了三天，结论有点意外

最近 V2EX 上讨论模型选型的帖子越来越多，有人说 GPT-5 出来之后其他都可以退休了，有人说 DeepSeek V3 性价比无敌。我花了三天时间，用同一套任务跑了一遍，结果确实有点出乎意料。

测试说明

测试模型：

  • Claude Sonnet 4.5（Anthropic，2025 年主力）
  • GPT-5（OpenAI，当前旗舰）
  • DeepSeek V3（深度求索，国产新版）

测试方式：相同 prompt，相同参数（temperature=0.7，无 system prompt 干预），每个场景跑 3 次取中位结果。不做主观打分，尽量用可量化的维度。

场景一：代码补全与 Bug 定位

任务描述： 给一段 React + TypeScript 的组件代码，其中藏了一个 useEffect 依赖数组缺失导致的 stale closure bug，让模型自由定位并修复。

| 模型 | 是否定位到 bug | 修复是否正确 | 额外建议质量 |

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

| Claude Sonnet 4.5 | ✅ 精准定位 | ✅ 一次通过 | 顺带指出另一处潜在的竞态条件 |

| GPT-5 | ✅ 精准定位 | ✅ 一次通过 | 给出了 useCallback 的替代方案 |

| DeepSeek V3 | ✅ 定位到 | ⚠️ 修复逻辑正确但破坏了原有接口设计 | 建议较少 |

小结： Claude 和 GPT-5 旗鼓相当，DeepSeek V3 在代码风格保留上略逊，修复过于"暴力"。

场景二：长文档理解与信息抽取

任务描述： 喂入一份 8000 token 的英文技术报告，要求提取 5 个关键数据点并判断报告的核心结论是否自洽。

| 模型 | 数据抽取准确率 | 逻辑自洽性判断 | 幻觉情况 |

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

| Claude Sonnet 4.5 | 5/5 | 正确识别出一处数据矛盾 | 无 |

| GPT-5 | 4/5（一处数字误读） | 未识别矛盾，认为自洽 | 轻微 |

| DeepSeek V3 | 5/5 | 识别矛盾但理由不准确 | 无 |

小结： 长文理解这个场景 Claude 4.5 表现最稳，GPT-5 出现了一次数字误读，DeepSeek 找到了问题但说不清楚为什么。

场景三：数学与逻辑推理

任务描述： 一道组合数学应用题（竞赛难度，需要容斥原理），外加一道需要反事实推理的逻辑题。

| 模型 | 数学题 | 逻辑题 | 过程是否可追溯 |

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

| Claude Sonnet 4.5 | ✅ 正确 | ✅ 正确 | 步骤清晰，有中间验证 |

| GPT-5 | ✅ 正确 | ✅ 正确 | 步骤清晰，更简洁 |

| DeepSeek V3 | ❌ 数值计算出错 | ✅ 正确 | 过程可读 |

小结： 数学推理上 Claude 和 GPT-5 都过关，DeepSeek V3 在这道具体题目上翻车了——不是方法错，是算术出错，挺典型的问题。

场景四：中文写作与风格把控

任务描述： 写一篇 500 字的技术产品发布公告，要求专业但不失亲切，风格参考 Notion 的中文文案。

这个维度主观性强，我只说个人感受：

  • Claude 4.5：语感最自然，节奏好，但偶尔句子稍长
  • GPT-5：干净利落，格式感强，有点像 PR 稿
  • DeepSeek V3：中文母语感最强，但"亲切"拿捏得有些过，读起来像客服话术

最重要的部分：成本对比

性能差距在某些场景确实存在，但对大多数日常任务来说，这点差距远不如成本差距显眼。

以下是官方价格和通过无量Api使用的价格对比（SVIP 7.7 折，基础用户约 65% 折扣）：

| 模型 | 官方输入价（/M token） | 官方输出价（/M token） | 无量Api SVIP 价（约） |

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

| Claude Sonnet 4.5 | ¥21 | ¥105 | 输入 ¥7.5 / 输出 ¥37.8 |

| GPT-5 | ¥54 | ¥216 | 输入 ¥19.4 / 输出 ¥77.8 |

| DeepSeek V3 | ¥1 | ¥4 | 折扣后更低 |

以一个月处理 500 万 token 输入 + 200 万 token 输出 的中等用量为例：

| 方案 | Claude Sonnet 4.5 月成本 | GPT-5 月成本 |

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

| 官方直接购买 | ¥315 | ¥702 |

| 无量Api SVIP | ¥113 | ¥252 |

| 节省 | ¥202 | ¥450 |

这个差距在 API 用量上去之后会非常明显。V2EX 上有人晒出两个月 135 亿 token 的用量，96% 缓存命中——如果那个量级走官方，成本是天文数字。

综合结论

不偏袒地说：

  • 日常代码任务：三者差距不大，DeepSeek V3 成本极低，够用
  • 复杂推理/长文档：Claude Sonnet 4.5 当前略占优，稳定性好
  • 快速迭代/函数生成：GPT-5 格式输出质量高，上下文跟随好
  • 中文内容生产：DeepSeek V3 母语优势明显，成本几乎可以忽略

没有绝对最强的模型，只有最适合你场景的模型。 真正理性的做法是按场景路由——复杂任务上 Claude 或 GPT-5，批量处理走 DeepSeek，而不是押注在单一模型上。

关于接入成本

上面所有测试，我都是通过同一个 API 端点切换模型的，改的只是 model 参数。这类聚合平台的核心价值就在这里：不用管理多套密钥，不用处理国内访问的网络问题，成本还比官方低。

无量Api（api2everything.xyz） 支持 300+ 模型国内直连，OpenAI 格式兼容，换 Base URL 就能用，注册送 ¥1 余额，余额永久不过期。如果你在做模型选型或者有固定 API 用量，可以去算一下自己的场景能省多少。