BenchLeader

Claude Opus 4.7 vs DeepSeek V4 Pro

完整资料:Claude Opus 4.7(Anthropic)和 DeepSeek V4 Pro(DeepSeek),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月16日,质量上 Claude Opus 4.7 领先 DeepSeek V4 Pro(BenchLeader Index 63.1 比 56.0)。不过,DeepSeek V4 Pro 更便宜,对方的价格是它的 10 倍(每百万 token 混合价格 $0.990 比 $10.00)。在两者都有成绩的所有类别中,Claude Opus 4.7 均领先。

要点(截至 2026年11月16日)

  • Claude Opus 4.7 的 BenchLeader Index 为 63.1,DeepSeek V4 Pro 为 56.0(BenchLeader,2026年11月16日)。
  • Claude Opus 4.7 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • DeepSeek V4 Pro 每百万 token 混合价格为 $0.990(标价,2026年11月16日)。
  • 在两者都有结果的 12 项基准测试中,Claude Opus 4.7 领先 11 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.7 的评分为 1555,DeepSeek V4 Pro 为 1581(LMArena,截至 2026年11月16日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Claude Opus 4.7类别得分 61 比 52;WeirdML 76.4% 比 46.5%高
数学Claude Opus 4.7类别得分 67 比 65;Arena Maths 1490 比 1465中
推理Claude Opus 4.7类别得分 64 比 56;Arena Hard Prompts 1519 比 1482高
对话质量(人类偏好)Claude Opus 4.7Arena 投票 67 比 65中
成本最低DeepSeek V4 Pro每百万 token 混合价格 $1.98 比 $10.00;智能体编程会话 $0.095 比 $0.400–
首次回答最快Claude Opus 4.7首个回答 token 1.0 秒(Claude Opus 4.7)比 42.8 秒(DeepSeek V4 Pro (high))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 质量上 Claude Opus 4.7 领先:63.1 比 56.0。
  • Claude Opus 4.7 在编程、人类偏好、数学、推理方面更强。
  • DeepSeek V4 Pro (high) 更便宜,对方的价格是它的 10 倍(每百万 token 混合价格 $0.990 比 $10.00)。
  • DeepSeek V4 Pro (high) 的输出速度是对方的 1.7 倍(80 比 48 token/秒)。

概览

规格Claude Opus 4.7DeepSeek V4 Pro
提供商AnthropicDeepSeek
发布日期2026年4月16日2026年8月13日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Opus 4.7DeepSeek V4 Pro (high)
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500$1.32 / $3.96 / $0.022

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Claude Opus 4.7DeepSeek V4 Pro (high)领先者
推理63.655.6Claude Opus 4.7
编程60.951.5Claude Opus 4.7
智能体与工具67.9–无法比较
数学66.764.5Claude Opus 4.7
知识–41.2无法比较
人类偏好67.365.0Claude Opus 4.7
多模态67.1–无法比较
长上下文–64.3无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程数学人类偏好Claude Opus 4.7, 推理: 63.6Claude Opus 4.7, 编程: 60.9Claude Opus 4.7, 数学: 66.7Claude Opus 4.7, 人类偏好: 67.3DeepSeek V4 Pro, 推理: 55.6DeepSeek V4 Pro, 编程: 51.5DeepSeek V4 Pro, 数学: 64.5DeepSeek V4 Pro, 人类偏好: 65.0

未绘制(测得的模型少于两个):智能体与工具, 知识, 指令遵循, 长上下文, 多模态。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 12 项基准测试中,Claude Opus 4.7 领先 11 项,DeepSeek V4 Pro 领先 1 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。

综合 IndexClaude Opus 4.7DeepSeek V4 Pro (high)领先者
BenchLeader Index63.156.0Claude Opus 4.7
Arena Text14941464Claude Opus 4.7

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Claude Opus 4.7DeepSeek V4 Pro (high)
每百万 token 混合价格$10.00$1.98
每百万 token 输入 / 输出$5.00 / $25.00$1.32 / $3.96
每百万 token 缓存输入$0.500$0.022
每项任务价格:聊天回复$0.0095$0.0017
每项任务价格:总结一份 30 页的报告$0.075$0.018
每项任务价格:代码编辑$0.068$0.014
每项任务价格:智能体编程会话$0.400$0.095
每项任务价格:结构化信息提取$0.015$0.0034
智能体编程会话(输入大多命中缓存)$0.198$0.037
每项基准测试任务成本(AA Index)–$0.849
每项任务输出 token(AA Index)–70k
其中推理部分–45k
每项任务耗时(AA Index)–15 min
输出速度48 tok/s80 tok/s
首次回答时间1.0 秒42.8 秒

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 4.7 得分 63.1,首个回答 token 需 1 秒;Claude Opus 4.7 (high) 为 60.0(1 秒),Claude Opus 4.7 (max) 为 59.7(15 秒)。DeepSeek V4 Pro (high) 得分 56.0,首个回答 token 需 43 秒;DeepSeek V4 Pro (max) 为 54.7(47 秒),DeepSeek V4 Pro 为 53.0(1 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 152 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Claude Opus 4.7DeepSeek V4 Pro (high)
BenchLeader IndexBenchLeader63.156.0
智能体与工具得分BenchLeader67.9–
编程得分BenchLeader60.951.5
人类偏好得分BenchLeader67.365.0
数学得分BenchLeader66.764.5
多模态得分BenchLeader67.1–
推理得分BenchLeader63.655.6
知识得分BenchLeader–41.2
长上下文得分BenchLeader–64.3
混合价格(美元/百万 token)BenchLeader$10.00$1.98
输出速度BenchLeader48 tok/s80 tok/s
首次回答时间BenchLeader1.0 秒42.8 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub86.4%†90.9%
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%–
Arena Hard PromptsArena (LMArena)15191482
LiveBench 1.0 ReasoningLiveBench87.2%†85.8%†
GPQA Diamond (AA)Artificial Analysis91.4%†92.8%†
Humanity's Last Exam (AA)Artificial Analysis42.3%†41.5%
HLE-Diamond (AA)Artificial Analysis–20.5%
GPQA Diamond (Vals)Vals AI90.2%†92.4%†
Kagi LLM BenchmarkKagi LLM Benchmark73.3%53.5%†
ARC-AGI-1ARC Prize–87.2%
ARC-AGI-2ARC Prize–59.7%
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†18.6%
CritPt v2 hard subset (AA)Artificial Analysis–28.5%
HLE-Diamond (Scale)Scale AI SEAL–13.4%†
Arena ExpertArena (LMArena)15341481
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†16.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%43.0%†
CL-bench LifeEpoch AI Benchmarking Hub–13.5%
LMCAEpoch AI Benchmarking Hub52.2%†45.5%†
DTBenchEpoch AI Benchmarking Hub94.7%†93.9%†
ForecastBenchForecastBench62.8%60.7%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†77.6%†
SciCodeSciCode54.5%†46.4%
显示全部 152 项基准测试
指标发布方Claude Opus 4.7DeepSeek V4 Pro (high)
编程
WeirdMLWeirdML76.4%46.5%
FrontierCodeCognition38.5%28.6%
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471503
Arena WebDevArena (LMArena)15551581
LiveBench 1.0 CodingLiveBench82.1%†77.2%†
SciCode (AA)Artificial Analysis–51.7%
LiveCodeBenchVals AI85.1%†87.5%†
IOIVals AI–51.6%†
SWE-bench (Vals)Vals AI82.0%†96.4%†
Code MigrationVals AI43.9%†41.5%†
Code Migration v1.1Vals AI–52.0%†
ProgramBenchVals AI0.0%†0.0%†
Vibe Code Bench 1-100Vals AI–17.5%†
Vibe Code Bench v1.1Vals AI71.0%†82.3%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%27.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%–
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%27.1%†
MirrorCodeEpoch AI Benchmarking Hub31.1%†33.3%†
Surface Evolver BenchEpoch AI Benchmarking Hub–40.0%
ALE-BenchEpoch AI Benchmarking Hub1323.01006.1
Terminal-Bench 4.0 (AA)Artificial Analysis–6.1%
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†78.7%†
Startrise FrontendStartrise–62.7%†
GameBench 2 OverallDuelLab GameBench 2–41.9†
GameBench 2 by reasoning settingDuelLab GameBench 2–45.1
Design Arena WebsiteDesign Arena–1227†
FrontierCode 1.1 (AA)Artificial Analysis–38.8%†
FrontierCode 2.0 (AA)Artificial Analysis–16.7%
智能体与工具
Terminal-BenchTerminal-Bench80.2%6.7%†
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†47.3%†
LiveBench Agentic CodingLiveBench50.7%†55.0%†
Terminal-Bench HardArtificial Analysis51.5%†–
τ²-Bench Telecom (AA)Artificial Analysis88.6%†–
Terminal-Bench 2.1 (Vals)Vals AI68.5%†50.2%†
MCP AtlasScale AI SEAL79.1%†–
HiL-BenchScale AI SEAL41.7%38.5%†
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–47.5%†
GDPval-AA v2.1Artificial Analysis1361†1336
τ³-Banking (AA)Artificial Analysis34.6%†39.6%†
ITBench SRE (AA)Artificial Analysis46.7%†–
Analyst Agent (AA)Artificial Analysis43.8%†–
CyberBenchVals AI–72.9%†
Finance Agent v2Vals AI51.5%†50.4%†
Finance Agent v2.1Vals AI–57.1%†
Harvey's Legal Agent Benchmark v1.1Vals AI–10.8%†
Harvey's Legal Agent Benchmark v1Vals AI6.7%†7.5%†
Legal Research BenchVals AI38.5%†40.9%†
SkillsBenchVals AI–53.8%†
SREBenchVals AI–1.9%†
Tax Agent BenchVals AI23.7%†26.8%†
Terminal-Bench 2.0 (Vals)Vals AI68.5%†56.2%†
Terminal-Bench 4.0 (Vals)Vals AI–14.1%†
Terminal-Bench ScienceVals AI–4.3%†
Arena SearchArena (LMArena)1210–
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.83284.5†
AutomationBenchArtificial Analysis–46.2%
GDP.pdf (AA)Artificial Analysis–10.4%
EnterpriseOps-GymArtificial Analysis–49.6%†
AA-Briefcase v1.1Artificial Analysis1252†1148
Design Arena AgenticDesign Arena–927†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–1.9%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†64.6%†
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†26.8%†
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†95.6%
ProofBenchVals AI54.0%†50.0%†
LiveBench MathematicsLiveBench92.8%†95.1%†
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†96.7%†
HMMT February 2026MathArena93.9%†93.9%†
USAMO 2026MathArena–60.7%†
MathArena ApexMathArena40.6%†28.1%†
Arena MathsArena (LMArena)14901465
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†52.9%†
LiveBench 1.0 Data AnalysisLiveBench78.3%†79.2%†
AA-Omniscience v1.1Artificial Analysis–-6.5
MMLU-ProVals AI89.9%†87.3%†
LegalBenchVals AI85.3%†82.4%†
CorpFinVals AI66.1%†65.4%†
TaxEvalVals AI75.3%†73.1%†
CaseLaw v2Vals AI68.4%59.4%†
Excel Modeling BenchmarkVals AI63.7%†52.8%†
Excel Modeling Benchmark v1.1Vals AI–65.1%†
MedCodeVals AI54.9%†42.5%†
MedScribeVals AI83.0%†80.2%†
Public Benefits Bench v1.1Vals AI–62.9%†
Immigration BenchVals AI–61.7%†
DrugDiscoveryBenchScale AI SEAL–31.7%†
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–45.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–5.9%
指令遵循
LiveBench LanguageLiveBench77.9%†82.1%†
LiveBench Instruction FollowingLiveBench66.7%†67.7%†
IFBenchArtificial Analysis58.6%†–
Arena Instruction FollowingArena (LMArena)14931461
人类偏好
Arena TextArena (LMArena)14941464
EQ-Bench 4EQ-Bench12931156†
EQ-Bench Creative Writing v3EQ-Bench19151553†
Arena Creative WritingArena (LMArena)14821444
Arena Multi-turnArena (LMArena)15141469
Arena Longer QueriesArena (LMArena)15081474
多模态
Arena VisionArena (LMArena)1319–
MMMU-ProArtificial Analysis78.8%†–
MMMU-Pro (Vals)Vals AI85.5%†–
MortgageTaxVals AI70.3%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%–
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†–
长上下文
AA-LCR v1.1Artificial Analysis78.7%†79.3%
Arena DocumentArena (LMArena)1494–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4155.9†
LiveBench 1.0LiveBench76.5%†77.4%†
AA Intelligence Index v5.0.1Artificial Analysis–20.8
AA Intelligence Index v4.3.2Artificial Analysis40.7†36†
AA Progress Index v1Artificial Analysis312.5†311.5†
Vals IndexVals AI–53.0†
Vals Finance IndexVals AI–52.9%†
Vals RSI IndexVals AI19.1%†–
Vals Multimodal IndexVals AI67.4%†–
Vals Router IndexVals AI–53.0%†
Vals Legal IndexVals AI–69.0%†
元数据
AA Openness IndexArtificial Analysis–44.4

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • DeepSeek V4 Pro (high):BenchLeader Index 59.1 → 56.0。
  • DeepSeek V4 Pro (high):17 项新结果(AA Intelligence Index v5.0.1, Humanity's Last Exam (AA), HLE-Diamond (AA)…);输入价格 $0.66/M → $1.32/M;输出价格 $1.98/M → $3.96/M。
  • DeepSeek V4 Pro (high):BenchLeader Index 57.5 → 59.1。
  • Claude Opus 4.7:1 项分数修订。
  • DeepSeek V4 Pro (high):1 项分数修订。
  • DeepSeek V4 Pro (high):1 项分数修订。
  • Claude Opus 4.7:1 项分数修订。
  • Claude Opus 4.7:1 项新结果(Harvey's Legal Agent Benchmark v1)。
  • DeepSeek V4 Pro (high):16 项新结果(GPQA Diamond, OTIS Mock AIME, SciCode…);输入价格 $0.44/M → $0.66/M;输出价格 $0.87/M → $1.98/M。
  • Claude Opus 4.7:1 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Opus 4.7 vs DeepSeek V4 Pro:常见问题

Claude Opus 4.7 比 DeepSeek V4 Pro 更好吗?
质量上 Claude Opus 4.7 领先:63.1 比 56.0。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Claude Opus 4.7 总体领先,但请结合你的用途查看各类别得分。
Claude Opus 4.7 和 DeepSeek V4 Pro 哪个更便宜?价格会变吗?
目前 DeepSeek V4 Pro 更便宜:每百万 token $0.990 比 $10.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Claude Opus 4.7 还是 DeepSeek V4 Pro 更好?
Claude Opus 4.7 在编程方面得分更高(类别得分 61 比 52,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Opus 4.7 为 1555,DeepSeek V4 Pro 为 1581。
Claude Opus 4.7 和 DeepSeek V4 Pro 哪个更快?
DeepSeek V4 Pro 输出更快(输出 80 比 48 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都约为 1M token(Claude Opus 4.7 为 1,000,000,DeepSeek V4 Pro 为 1,048,576)。
更多问题(3)
哪个延迟更低?
Claude Opus 4.7 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.0 秒比 42.8 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Opus 4.7 和 DeepSeek V4 Pro 的看法一致吗?
在两者都有结果的 12 项基准测试中,Claude Opus 4.7 领先 11 项,DeepSeek V4 Pro 领先 1 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。
DeepSeek V4 Pro 是什么时候发布的?
DeepSeek V4 Pro 于 2026年8月13日 发布。