BenchLeader

Claude Opus 4.8 vs DeepSeek V4 Pro

完整资料:Claude Opus 4.8(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 14 个来源

截至 2026年11月16日,Claude Opus 4.8 与 DeepSeek V4 Pro 的质量不相上下(BenchLeader Index 61.1 比 56.0,在 ±5.9 的误差范围内)。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 4.8 均领先。Claude Opus 4.8 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 4.8 的 BenchLeader Index 为 61.1,DeepSeek V4 Pro 为 56.0(BenchLeader,2026年11月16日)。
  • Claude Opus 4.8 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)。
  • Claude Opus 4.8 比 DeepSeek V4 Pro 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 14 项基准测试中,Claude Opus 4.8 领先 12 项(BenchLeader,2026年11月16日)。

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 4.8类别得分 62 比 52;SciCode 53.5% 比 46.4%高
数学Claude Opus 4.8类别得分 68 比 65;OTIS Mock AIME 98.3% 比 95.6%中
推理Claude Opus 4.8类别得分 64 比 56;GPQA Diamond 91.0% 比 90.9%高
知识Claude Opus 4.8类别得分 61 比 41高
长文档均可类别得分 63 比 64;AA-LCR v1.1 77.7% 比 79.3%均可
对话质量(人类偏好)–只有 DeepSeek V4 Pro 有 Arena 评分(类别得分 65)无法比较
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–
首次回答最快均可首个回答 token 39.1 秒(Claude Opus 4.8 (max))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

  • Claude Opus 4.8 (max) 与 DeepSeek V4 Pro (high) 的质量不相上下(61.1 比 56.0,在 ±5.9 的误差范围内)。
  • Claude Opus 4.8 (max) 在编程、知识、数学、推理方面更强。
  • DeepSeek V4 Pro (high) 在长上下文方面更强。
  • 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)。

概览

规格Claude Opus 4.8DeepSeek V4 Pro
提供商AnthropicDeepSeek
发布日期2026年5月28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 4.8 (max)DeepSeek 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 4.8 (max)DeepSeek V4 Pro (high)领先者
推理64.155.6Claude Opus 4.8
编程61.951.5Claude Opus 4.8
智能体与工具56.9–无法比较
数学67.764.5Claude Opus 4.8
知识61.041.2Claude Opus 4.8
指令遵循62.1–无法比较
人类偏好–65.0无法比较
长上下文63.464.3持平

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推理编程数学知识长上下文Claude Opus 4.8, 推理: 64.1Claude Opus 4.8, 编程: 61.9Claude Opus 4.8, 数学: 67.7Claude Opus 4.8, 知识: 61.0Claude Opus 4.8, 长上下文: 63.4DeepSeek V4 Pro, 推理: 55.6DeepSeek V4 Pro, 编程: 51.5DeepSeek V4 Pro, 数学: 64.5DeepSeek V4 Pro, 知识: 41.2DeepSeek V4 Pro, 长上下文: 64.3

未绘制(测得的模型少于两个):智能体与工具, 指令遵循, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 14 项基准测试中,Claude Opus 4.8 领先 12 项,DeepSeek V4 Pro 领先 2 项。所有同时评测两者的综合评分都认为 Claude Opus 4.8 更强。

综合 IndexClaude Opus 4.8 (max)DeepSeek V4 Pro (high)领先者
BenchLeader Index61.156.0不相上下
Arena Text1482†1464Claude Opus 4.8

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 4.8 (max)DeepSeek 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85 tok/s80 tok/s
首次回答时间39.1 秒42.8 秒
完整回答耗时(最近一次测量 2026年11月13日)81.0 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 4.8 (max) 得分 61.1,首个回答 token 需 39 秒;Claude Opus 4.8 (high) 为 60.4(1 秒),Claude Opus 4.8 为 58.7(1 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 158 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 4.8 (max)DeepSeek V4 Pro (high)
BenchLeader IndexBenchLeader61.156.0
智能体与工具得分BenchLeader56.9–
编程得分BenchLeader61.951.5
指令遵循得分BenchLeader62.1–
知识得分BenchLeader61.041.2
长上下文得分BenchLeader63.464.3
数学得分BenchLeader67.764.5
推理得分BenchLeader64.155.6
人类偏好得分BenchLeader–65.0
混合价格(美元/百万 token)BenchLeader$10.00$1.98
输出速度BenchLeader85 tok/s80 tok/s
首次回答时间BenchLeader39.1 秒42.8 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub91.0%90.9%
SimpleBenchSimpleBench64.8%†–
Arena Hard PromptsArena (LMArena)1505†1482
LiveBench 1.0 ReasoningLiveBench89.2%85.8%†
GPQA Diamond (AA)Artificial Analysis92.0%92.8%†
Humanity's Last Exam (AA)Artificial Analysis48.7%41.5%
HLE-Diamond (AA)Artificial Analysis–20.5%
GPQA Diamond (Vals)Vals AI92.4%92.4%†
EnigmaEvalScale AI SEAL23.5%†–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%†53.5%†
ARC-AGI-1ARC Prize92.5%87.2%
ARC-AGI-2ARC Prize72.1%†59.7%
ARC-AGI-3ARC Prize1.5%†–
CritPtArtificial Analysis20.9%18.6%
CritPt v2 hard subset (AA)Artificial Analysis–28.5%
HLE-Diamond (Scale)Scale AI SEAL–13.4%†
Arena ExpertArena (LMArena)1514†1481
Chess PuzzlesEpoch AI Benchmarking Hub52.0%16.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub36.0%43.0%†
CL-bench LifeEpoch AI Benchmarking Hub–13.5%
LMCAEpoch AI Benchmarking Hub57.5%45.5%†
DTBenchEpoch AI Benchmarking Hub94.9%93.9%†
ForecastBenchForecastBench66.1%60.7%†
BTF-3Epoch AI Benchmarking Hub14.0%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–77.6%†
显示全部 158 项基准测试
指标发布方Claude Opus 4.8 (max)DeepSeek V4 Pro (high)
编程
SciCodeSciCode53.5%46.4%
WeirdMLWeirdML70.5%†46.5%
FrontierCodeCognition46.5%†28.6%
GSO-BenchGSO-Bench47.1%†–
Arena CodingArena (LMArena)1529†1503
Arena WebDevArena (LMArena)1536†1581
LiveBench 1.0 CodingLiveBench81.8%77.2%†
SciCode (AA)Artificial Analysis54.4%51.7%
LiveCodeBenchVals AI87.8%87.5%†
IOIVals AI–51.6%†
SWE-bench (Vals)Vals AI88.6%96.4%†
Code MigrationVals AI47.3%41.5%†
Code Migration v1.1Vals AI–52.0%†
ProgramBenchVals AI1.0%0.0%†
Vibe Code Bench 1-100Vals AI–17.5%†
Vibe Code Bench v1.1Vals AI82.7%82.3%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL57.3%†27.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL46.7%†–
SWE Atlas v1.0: Test WritingScale AI SEAL49.6%†27.1%†
MirrorCodeEpoch AI Benchmarking Hub65.6%33.3%†
Surface Evolver BenchEpoch AI Benchmarking Hub87.5%†40.0%
DeepSWE v1.1Epoch AI Benchmarking Hub59.0%–
ALE-BenchEpoch AI Benchmarking Hub1563.8†1006.1
Terminal-Bench 4.0 (AA)Artificial Analysis21.7%6.1%
Terminal-Bench 2.1 (AA)Artificial Analysis84.6%78.7%†
Startrise FrontendStartrise–62.7%†
GameBench 2 OverallDuelLab GameBench 249.4†41.9†
GameBench 2 by reasoning settingDuelLab GameBench 245.1†45.1
Design Arena WebsiteDesign Arena1250†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-Bench23.6%6.7%†
OSWorld-Verified 2.0OSWorld20.6%–
Remote Labor IndexScale AI / CAIS8.3%†–
APEX-AgentsMercor48.9%47.3%†
LiveBench Agentic CodingLiveBench50.5%55.0%†
Terminal-Bench HardArtificial Analysis58.3%–
τ²-Bench Telecom (AA)Artificial Analysis94.4%–
Terminal-Bench 2.1 (Vals)Vals AI71.9%50.2%†
MCP AtlasScale AI SEAL82.2%–
HiL-BenchScale AI SEAL35.3%†38.5%†
τ³-bench Bankingτ²-bench39.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–47.5%†
GDPval-AA v2.1Artificial Analysis14611336
τ³-Banking (AA)Artificial Analysis34.2%39.6%†
Analyst Agent (AA)Artificial Analysis45.0%–
CyberBenchVals AI–72.9%†
Finance Agent v2Vals AI53.9%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 AI9.6%7.5%†
Legal Research BenchVals AI43.8%40.9%†
SkillsBenchVals AI59.2%53.8%†
SREBenchVals AI–1.9%†
Tax Agent BenchVals AI30.0%26.8%†
Terminal-Bench 2.0 (Vals)Vals AI70.0%56.2%†
Terminal-Bench 4.0 (Vals)Vals AI23.2%14.1%†
Terminal-Bench ScienceVals AI4.3%4.3%†
Time Horizon Index: KSPVals AI11.8%–
Arena SearchArena (LMArena)1194†–
DeepResearch BenchDeepResearch Bench50.2%†–
PostTrainBenchEpoch AI Benchmarking Hub31.0%–
GBAEvalEpoch AI Benchmarking Hub70.9%†–
Vending-Bench 2Andon Labs2992.33284.5†
AutomationBenchArtificial Analysis45.6%46.2%
GDP.pdf (AA)Artificial Analysis22.8%10.4%
EnterpriseOps-GymArtificial Analysis44.0%49.6%†
AA-Briefcase v1.1Artificial Analysis13201148
Design Arena AgenticDesign Arena1226†927†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–1.9%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub80.0%64.6%†
FrontierMath Tier 4Epoch AI Benchmarking Hub56.1%26.8%†
OTIS Mock AIMEEpoch AI Benchmarking Hub98.3%95.6%
ProofBenchVals AI69.0%50.0%†
LiveBench MathematicsLiveBench94.3%95.1%†
AIME 2026MathArena100.0%96.7%†
HMMT February 2026MathArena95.5%93.9%†
USAMO 2026MathArena–60.7%†
MathArena ApexMathArena81.3%28.1%†
Arena MathsArena (LMArena)1476†1465
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub53.0%52.9%†
LiveBench 1.0 Data AnalysisLiveBench66.0%79.2%†
AA-Omniscience v1.1Artificial Analysis–-6.5
MMLU-ProVals AI89.6%87.3%†
LegalBenchVals AI83.6%82.4%†
CorpFinVals AI66.7%65.4%†
TaxEvalVals AI75.6%73.1%†
CaseLaw v2Vals AI–59.4%†
Excel Modeling BenchmarkVals AI69.4%52.8%†
Excel Modeling Benchmark v1.1Vals AI–65.1%†
MedCodeVals AI53.2%42.5%†
MedScribeVals AI85.8%80.2%†
Public Benefits Bench v1.1Vals AI68.1%62.9%†
Immigration BenchVals AI–61.7%†
DrugDiscoveryBenchScale AI SEAL46.8%31.7%†
EBR-benchEpoch AI Benchmarking Hub28.6%–
GDP.pdfEpoch AI Benchmarking Hub24.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis–45.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–5.9%
指令遵循
LiveBench LanguageLiveBench79.7%82.1%†
LiveBench Instruction FollowingLiveBench72.0%67.7%†
IFBenchArtificial Analysis62.2%–
Arena Instruction FollowingArena (LMArena)1479†1461
人类偏好
Arena TextArena (LMArena)1474†1464
EQ-Bench 4EQ-Bench1268†1156†
EQ-Bench Creative Writing v3EQ-Bench1840†1553†
Arena Creative WritingArena (LMArena)1464†1444
Arena Multi-turnArena (LMArena)1493†1469
Arena Longer QueriesArena (LMArena)1499†1474
多模态
Arena VisionArena (LMArena)1289†–
MMMU-Pro (Vals)Vals AI86.6%–
MortgageTaxVals AI69.9%–
Humanity's Sixth SenseScale AI SEAL23.5%–
GeoBenchGeoBench81.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub14.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub42.5%–
长上下文
AA-LCR v1.1Artificial Analysis77.7%79.3%
Arena DocumentArena (LMArena)1476†–
MLCRArtificial Analysis19.4%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub159.9†155.9†
LiveBench 1.0LiveBench76.2%77.4%†
AA Intelligence Index v5.0.1Artificial Analysis–20.8
AA Intelligence Index v4.3.2Artificial Analysis41.836†
AA Progress Index v1Artificial Analysis318.4311.5†
Vals IndexVals AI–53.0†
Vals Finance IndexVals AI–52.9%†
Vals RSI IndexVals AI24.0%–
Vals Multimodal IndexVals AI70.9%–
Vals Router IndexVals AI–53.0%†
Vals Legal IndexVals AI–69.0%†
安全与诚实
FORTRESSScale AI SEAL18.2%–
DistressBenchScale AI SEAL71.4%†–
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

  • Claude Opus 4.8 (max):BenchLeader Index 60.3 → 61.1。
  • Claude Opus 4.8 (max):27 项新结果(LiveCodeBench, MMLU-Pro, LegalBench…)。
  • Claude Opus 4.8 (max):1 项新结果(GDPval-AA v2.1)。
  • 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。
  • Claude Opus 4.8 (max):1 项分数修订。
  • Claude Opus 4.8 (max):1 项新结果(MirrorCode)。
  • DeepSeek V4 Pro (high):BenchLeader Index 57.5 → 59.1。
  • DeepSeek V4 Pro (high):1 项分数修订。
  • DeepSeek V4 Pro (high):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 4.8 vs DeepSeek V4 Pro:常见问题

Claude Opus 4.8 比 DeepSeek V4 Pro 更好吗?
Claude Opus 4.8 (max) 与 DeepSeek V4 Pro (high) 的质量不相上下(61.1 比 56.0,在 ±5.9 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Claude Opus 4.8 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 4.8 还是 DeepSeek V4 Pro 更好?
Claude Opus 4.8 在编程方面得分更高(类别得分 62 比 52,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Claude Opus 4.8 为 53.5%,DeepSeek V4 Pro 为 46.4%。
Claude Opus 4.8 和 DeepSeek V4 Pro 哪个更快?
Claude Opus 4.8 输出更快(约 1.5 倍;输出 85 比 80 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者在长上下文基准测试上持平(63 比 64)。两者都约为 1M token(Claude Opus 4.8 为 1,000,000,DeepSeek V4 Pro 为 1,048,576)。
更多问题(3)
哪个延迟更低?
Claude Opus 4.8 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 39.1 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 4.8 和 DeepSeek V4 Pro 的看法一致吗?
在两者都有结果的 14 项基准测试中,Claude Opus 4.8 领先 12 项,DeepSeek V4 Pro 领先 2 项。所有同时评测两者的综合评分都认为 Claude Opus 4.8 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。