Claude 4.5 vs GPT-5 vs DeepSeek V3：用同一批任务测了三天
Claude 4.5 vs GPT-5 vs DeepSeek V3：用同一批任务测了三天
最近 V2EX 上关于 OpenAI 额度、Codex 重置的讨论很热，说明大家日常开发对 AI 的依赖程度越来越高。但问题来了：模型这么多，到底用哪个？钱又该怎么花？
我用同一套测试任务跑了三天，把 Claude Sonnet 4.5、GPT-5（gpt-5 preview）、DeepSeek V3 放在一起比。不讲虚的，直接上结果。
测试环境说明
- 接入方式：统一用 OpenAI 兼容格式，只换
base_url和model字段 - 测试时间：2026 年 8 月下旬，各跑 20+ 次取中位数表现
- 计费口径：均以 input+output token 合计计算，汇率按 1 USD = 7.25 CNY
场景一：代码补全 / Bug 定位
测试用例：一段 Python 异步爬虫，存在竞态条件导致偶发 KeyError，附上完整 traceback，要求定位并修复。
| 模型 | 定位准确度 | 给出可运行 patch | 解释质量 |
|------|-----------|----------------|---------|
| Claude Sonnet 4.5 | ✅ 直接命中竞态根因 | ✅ | 详细，附 asyncio.Lock 用法说明 |
| GPT-5 | ✅ 命中，但多给了一个无关建议 | ✅ | 略啰嗦，需要追问才精简 |
| DeepSeek V3 | ⚠️ 定位到症状，根因差一层 | ✅ patch 可用 | 简洁，但解释不够深 |
小结：代码调试场景 Claude 4.5 > GPT-5 > DeepSeek V3。Claude 在理解上下文依赖关系上有明显优势。
场景二：长文理解 / 文档问答
测试用例：上传一份 80 页 PDF（Kubernetes 内部设计文档），问"etcd watch 机制在 APIServer 重启后如何保证事件不丢失"。
| 模型 | 上下文窗口 | 答案准确性 | 是否引用原文 |
|------|-----------|-----------|------------|
| Claude Sonnet 4.5 | 200K | ✅ 准确，逻辑链完整 | ✅ 引用了具体章节 |
| GPT-5 | 128K | ✅ 准确 | ⚠️ 部分引用模糊 |
| DeepSeek V3 | 64K | ⚠️ 文档后半段覆盖不足 | ❌ 主要靠训练知识回答 |
小结：长文档场景 Claude 4.5 优势显著，200K 窗口在实际工程场景里差距很明显。DeepSeek V3 窗口限制是硬伤。
场景三：数学推理 / 算法题
测试用例：LeetCode Hard 级别，图论 + 动态规划组合题（最短路径变体），要求给出思路 + 完整代码 + 复杂度分析。
| 模型 | 思路正确 | 代码可运行 | 复杂度分析 |
|------|---------|-----------|-----------|
| Claude Sonnet 4.5 | ✅ | ✅ 一次通过 | ✅ 准确 |
| GPT-5 | ✅ | ⚠️ 边界条件有 bug，需一次修正 | ✅ 准确 |
| DeepSeek V3 | ✅ | ✅ 一次通过 | ✅ 准确 |
小结：数学推理三者差距不大，DeepSeek V3 在这个场景性价比最突出。
场景四：多轮对话 / 上下文保持
测试用例：模拟一次完整的系统设计讨论，10 轮对话，中途修改需求，要求模型记住之前的约束条件。
| 模型 | 约束条件保持 | 需求变更响应 | 一致性 |
|------|-----------|------------|------|
| Claude Sonnet 4.5 | ✅ 全程保持 | ✅ 平滑过渡 | 高 |
| GPT-5 | ✅ 基本保持 | ✅ | 中高 |
| DeepSeek V3 | ⚠️ 第 7 轮后出现遗忘 | ⚠️ 偶尔矛盾 | 中 |
成本对比：这才是关键
光看效果不够，日常高频调用成本差异才是决策核心。
官方定价 vs 无量Api（SVIP 7.7 折）
| 模型 | 官方价（/M tokens） | 无量Api SVIP价（/M tokens） | 节省 |
|------|-------------------|--------------------------|------|
| Claude Sonnet 4.5 | ¥21 | ¥7.5 | 64% |
| GPT-5 | ¥54 | ¥19 | 65% |
| DeepSeek V3 | ¥2.1 | ¥0.8 | 62% |
实际场景估算（月用量 10M tokens）
| 方案 | 月费用 |
|------|-------|
| Claude Sonnet 4.5 官方 | ¥210 |
| Claude Sonnet 4.5 无量Api SVIP | ¥75 |
| GPT-5 官方 | ¥540 |
| GPT-5 无量Api SVIP | ¥190 |
| DeepSeek V3 官方 | ¥21 |
| DeepSeek V3 无量Api SVIP | ¥8 |
对于日常跑 CI 流水线、批量代码审查这类场景，月均 10M tokens 很容易触达。用 Claude Sonnet 4.5 的话，一年能省 ¥1620。
综合评分
| 维度 | Claude Sonnet 4.5 | GPT-5 | DeepSeek V3 |
|------|:----------------:|:-----:|:-----------:|
| 代码调试 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| 长文理解 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| 数学推理 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 多轮一致性 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| 性价比 | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
结论（不偏袒版）
- 首选 Claude Sonnet 4.5：如果你的工作重心是代码工程、长文档处理、复杂多轮对话，它是目前综合表现最稳的选择，配合第三方 API 价格完全可接受。
- GPT-5 适合生态优先：如果你的工具链深度绑定 OpenAI 生态（Assistants API、Function Calling 等），GPT-5 兼容性更好，但成本是硬伤。
- DeepSeek V3 是性价比王：纯数学、代码生成场景，DeepSeek V3 的效果已经够用，价格又极低，适合批量任务。
三个模型我都在持续用，不同场景切换。关键是别被官方价格锁死——接口格式完全兼容，换个 base_url 就能跑，没有迁移成本。
接入方式（30 秒完成）
from openai import OpenAI
client =