Claude 4.5 vs GPT-5 vs DeepSeek V3：用同一批任务测了 3 天，结论让我意外
Claude 4.5 vs GPT-5 vs DeepSeek V3：用同一批任务测了 3 天，结论让我意外
最近 V2EX 上关于 GPT-5 容量不足、Plus 账号体验下滑的帖子刷屏，加上 Claude 4.5 和 DeepSeek V3 持续更新，很多人在问：现在到底用哪个模型最划算？
我花了三天，用同一套任务跑了 Claude Sonnet 4.5、GPT-5（gpt-5.6-sol）、DeepSeek V3 三个模型，尽量客观记录结果。
测试环境说明
- 接入方式：统一通过 OpenAI 兼容格式调用，Base URL 切换，排除客户端差异
- 测试时间：2026 年 8 月 29 日 - 9 月 1 日
- 每个场景各跑 5 次取中位表现，非单次截图
- 不测"写诗"这类主观题，只测有明确对错的任务
测试场景一：代码补全与 Bug 定位
任务：给一段有竞态条件的 Python 异步代码，要求找出 bug 并给出修复方案。
# 原始代码（存在竞态条件）
async def process_orders(order_ids):
results = []
for oid in order_ids:
data = await fetch_order(oid)
results.append(data)
await update_cache(oid, data) # bug 在这里
return results
| 模型 | 是否定位到竞态 | 修复方案质量 | 有无解释根因 |
|------|--------------|-------------|-------------|
| Claude Sonnet 4.5 | ✅ 准确 | 给出了 asyncio.gather + 锁方案 | ✅ 详细 |
| GPT-5 (sol) | ✅ 准确 | 方案正确但略简 | ⚠️ 一般 |
| DeepSeek V3 | ⚠️ 部分 | 发现了问题但修复不完整 | ❌ 较浅 |
Claude 4.5 在这个场景表现最稳，会主动问"你的 update_cache 是否幂等"，体现了对上下文的追问意识。
测试场景二：长文档理解（20k token 合同）
任务：上传一份 20,000 字的采购合同，问"乙方违约金的计算方式是什么，有哪些豁免条款"。
| 模型 | 定位准确性 | 有无遗漏豁免条款 | 响应速度 |
|------|-----------|----------------|---------|
| Claude Sonnet 4.5 | ✅ 高 | 找到全部 3 条豁免 | 中等 |
| GPT-5 (sol) | ✅ 高 | 遗漏 1 条 | 慢（这几天明显） |
| DeepSeek V3 | ⚠️ 中 | 遗漏 2 条 | 快 |
GPT-5 这几天的速度问题是真实存在的，V2EX 上的帖子不是个例。Claude 4.5 在长文档结构化提取上有明显优势。
测试场景三：数学推理（竞赛级别）
任务：一道组合数学题，要求给出完整推导过程。
从 1 到 100 中选 5 个不同整数，使得任意两数之差不是 3 的倍数，共有多少种选法？
| 模型 | 答案是否正确 | 推导过程 | 是否给出验证 |
|------|------------|---------|------------|
| Claude Sonnet 4.5 | ✅ | 清晰分类讨论 | ✅ |
| GPT-5 (sol) | ✅ | 正确但跳步 | ⚠️ |
| DeepSeek V3 | ❌ 错误 | 思路方向对，计算出错 | ❌ |
数学推理上 Claude 和 GPT-5 差距不大，DeepSeek V3 在这类题目上仍有明显差距。
测试场景四：多轮对话一致性
任务：10 轮对话，前 5 轮建立一个虚构项目的技术架构，后 5 轮追问细节，看模型是否"记住"前面的设定。
| 模型 | 上下文保持 | 第 8 轮是否出现矛盾 | 主动补充细节 |
|------|-----------|-------------------|------------|
| Claude Sonnet 4.5 | ✅ 优秀 | 无矛盾 | ✅ |
| GPT-5 (sol) | ✅ 良好 | 轻微漂移 | ⚠️ |
| DeepSeek V3 | ⚠️ 一般 | 第 7 轮出现矛盾 | ❌ |
成本对比：这才是大多数人真正关心的
按 每百万 token（输入+输出 1:3 混合） 计算：
| 模型 | 官方价（人民币） | 无量Api SVIP 价 | 节省比例 |
|------|---------------|----------------|---------|
| Claude Sonnet 4.5 | ¥21 / M token | ¥7.5 / M token | 节省 64% |
| GPT-5 (gpt-5.6-sol) | ¥150 / M token | ¥53 / M token | 节省 65% |
| DeepSeek V3 | ¥4 / M token | ¥1.5 / M token | 节省 63% |
注：官方价按当前汇率折算，无量Api SVIP 为 7.7 折基础上的实际到手价。
一个实际场景：如果你每天跑 10 次长文档分析（约 50k token/次），一个月下来：
- Claude Sonnet 4.5 官方：约 ¥945/月
- 无量Api SVIP：约 ¥338/月
差价够买一个 Plus 订阅还有剩余。
综合结论
| 维度 | Claude Sonnet 4.5 | GPT-5 (sol) | DeepSeek V3 |
|------|:-----------------:|:-----------:|:-----------:|
| 代码能力 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| 长文理解 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| 数学推理 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| 多轮一致性 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| 响应速度 | ⭐⭐⭐⭐ | ⭐⭐⭐（近期拥堵） | ⭐⭐⭐⭐⭐ |
| 性价比（官方） | 中 | 低 | 高 |
| 性价比（第三方） | 高 | 高 | 极高 |
我的实际建议：
- 日常开发/代码审查：Claude Sonnet 4.5，综合能力最稳
- 需要极快响应的批处理：DeepSeek V3，速度快成本低
- GPT-5：能力在线，但近期容量问题是真实痛点，不建议作为主力 API 依赖
关于国内访问
这三个模型官方都需要代理，且 API 调用有封号风险。如果你在国内做开发，一个可以直连、按量计费的中转是绕不开的选择。
我目前在用 无量Api，支持上面三个模型以