横评对比 · 阅读约 6 分钟

Claude 4.5 vs GPT-5 vs DeepSeek V3：用同一套 Prompt 测了三天

Claude 4.5 vs GPT-5 vs DeepSeek V3：用同一套 Prompt 测了三天

最近几个月大模型发布节奏快得让人喘不过气。刚摸清楚 Claude 3.7，Anthropic 就推了 4.5；OpenAI 的 GPT-5 也正式上线；DeepSeek V3 则凭借性价比一直是国内开发者的常备选项。

趁着这波，我拿同一套测试场景，把这三个模型挨个跑了一遍，顺带把成本也算清楚了。

测试说明

测试环境：统一走 OpenAI 兼容 API，temperature=0.7，其余默认。每个场景跑 3 次取主观印象中值，不是严格 benchmark，更接近日常使用感受。

测试对象：

  • Claude Sonnet 4.5（Anthropic 最新主力）
  • GPT-5（OpenAI 最新旗舰）
  • DeepSeek V3（深度求索最新版）

场景一：代码补全与 Debug

测试 Prompt： 给一段有隐性 bug 的 Python 异步代码（asyncio 里混用了 time.sleep），要求找出问题并重构。


import asyncio

import time



async def fetch_data(url):

    time.sleep(2)  # 模拟请求

    return f"data from {url}"



async def main():

    tasks = [fetch_data(f"url_{i}") for i in range(5)]

    results = await asyncio.gather(*tasks)

    print(results)

| 模型 | 是否找出 bug | 解释质量 | 重构代码可用性 |

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

| Claude 4.5 | ✅ 立刻指出 time.sleep 阻塞事件循环 | 详细，附类比解释 | 直接可运行，加了 asyncio.sleep 替换 |

| GPT-5 | ✅ 找到，并额外提醒了 gather 的异常处理 | 全面，略啰嗦 | 可用，顺带给了 aiohttp 示例 |

| DeepSeek V3 | ✅ 找到 | 简洁 | 可用，没有额外扩展 |

三者都找到了问题。Claude 4.5 的解释最有教学感，GPT-5 会"顺手多说一句"有时候很有用，DeepSeek V3 最直接。

场景二：长文档理解（约 8000 token 的技术文档）

测试 Prompt： 喂入一份 AWS Lambda 冷启动优化的长篇英文文档，要求提取 5 个核心优化建议，并说明每条的适用场景。

| 模型 | 提取准确性 | 适用场景判断 | 有无遗漏关键点 |

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

| Claude 4.5 | ⭐⭐⭐⭐⭐ | 场景区分细致，区分了 Java 和 Node.js 差异 | 无明显遗漏 |

| GPT-5 | ⭐⭐⭐⭐ | 较准确，但场景描述偏泛化 | 遗漏了 SnapStart 相关内容 |

| DeepSeek V3 | ⭐⭐⭐⭐ | 基本准确 | 部分细节略过 |

长文理解是 Claude 的传统强项，这次 4.5 表现依然稳。200K 上下文窗口在处理超长材料时优势明显。

场景三：数学推理（竞赛级应用题）

测试 Prompt： 一道组合数学题，涉及错排公式的变形，需要分步推导过程。

| 模型 | 最终答案 | 推导步骤 | 是否有中间错误 |

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

| Claude 4.5 | ✅ 正确 | 清晰，符号规范 | 无 |

| GPT-5 | ✅ 正确 | 详细，有多种解法 | 无 |

| DeepSeek V3 | ✅ 正确 | 步骤完整 | 第二步符号有笔误但结论正确 |

数学推理三者都过关。GPT-5 会主动给出多种解题路径，对教学场景更友好。

场景四：中文长文写作（技术博客）

测试 Prompt： 写一篇面向初级开发者的 Redis 缓存穿透讲解，要求有代码示例，1500 字左右。

| 模型 | 结构 | 代码示例 | 语言自然度 | 字数控制 |

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

| Claude 4.5 | 清晰，有合理分层 | Python + Redis 示例，可直接用 | 自然，偶有翻译腔 | 基本符合要求 |

| GPT-5 | 结构规整，小标题多 | 示例完整，有注释 | 较流畅 | 略超出 |

| DeepSeek V3 | 结构合理 | 示例简洁 | 最自然，明显的中文母语感 | 符合 |

中文写作 DeepSeek V3 的语言质感最好，没有那种"被翻译过来"的感觉，这点对内容创作者来说很实用。

成本对比（这才是重点）

说完效果，说说钱的问题。以下是官方定价 vs 通过无量Api（api2everything.xyz）调用的 SVIP 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 | 无量Api SVIP 输出 |

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

| Claude Sonnet 4.5 | ¥21.6 | ¥108 | ¥7.5 | ¥37.8 |

| GPT-5 | ¥54 | ¥216 | ¥18.9 | ¥75.6 |

| DeepSeek V3 | ¥1.0 | ¥4.0 | ¥0.5 | ¥2.0 |

以上价格基于当前汇率换算，实际以平台页面为准。SVIP 为 7.7 折，普通用户也有折扣。

算一个实际场景： 假设你每天调用 Claude Sonnet 4.5 处理代码审查，每天消耗约 500K input token + 200K output token：

  • 官方直接调用：500×21.6/1000 + 200×108/1000 ≈ ¥10.8 + ¥21.6 = ¥32.4/天
  • 无量Api SVIP：500×7.5/1000 + 200×37.8/1000 ≈ ¥3.75 + ¥7.56 = ¥11.3/天
  • 每月节省：约 ¥630

对独立开发者和小团队来说，这个差价很可观。

综合结论

没有哪个模型是全场景最优解，选模型本质上是在"能力需求"和"成本预算"之间找平衡点：

  • Claude 4.5：长文理解和代码解释首选，上下文处理能力最强，成本中等
  • GPT-5：全能型，数学和多方案输出有优势，成本最高
  • DeepSeek V3：中文写作和日常任务性价比最高，成本极低，够用就用它

如果你的场景是混合使用——比如复杂推理用 GPT-5，日常文案用 DeepSeek，代码分析用 Claude——那么接入一个支持多模型的统一 API 会比分别管理多个账户省事很多。

怎么用起来

无量Api（api2everything.xyz）支持国内直连上面所有模型，接入方式就是改一行 base_url，原有代码不用动：


from openai import OpenAI



client = OpenAI(

    api_key="your-key",

    base_url="https://api2everything.xyz/v1"

)

注册即送 ¥1 余额，余额永久不过期，可以先试用再决定是否充值。300+ 模型统一管理，账单也在一个地方。

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

测试数据基于个人使用场景，不代表官方 benchmark。价格随汇率和平台政策可能变动，以实际页面为准。