BenchLeader

Claude Opus 5 vs Deepseek v4 Flash Vision

完整资料:Claude Opus 5(Anthropic)和 Deepseek v4 Flash Vision(DeepSeek),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月16日,两者共同的基准测试太少,无法判断质量高下。Deepseek v4 Flash Vision 更便宜,对方的价格是它的 38 倍(每百万 token 混合价格 $0.262 比 $10.00)。看重推理(66 比 47)和多模态(67 比 57)选 Claude Opus 5;看重智能体与工具(70 比 64)和长上下文(65 比 64)选 Deepseek v4 Flash Vision。Deepseek v4 Flash Vision 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 5 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • Deepseek v4 Flash Vision 每百万 token 混合价格为 $0.262(标价,2026年11月16日)。
  • Deepseek v4 Flash Vision 比 Claude Opus 5 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 16 项基准测试中,Claude Opus 5 领先 15 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
智能体与工具调用Deepseek v4 Flash Vision类别得分 70 比 64;τ³-Banking (AA) 41.0% 比 42.1%中
推理Claude Opus 5类别得分 66 比 47;HLE-Diamond (AA) 44.8% 比 21.1%高
长文档Deepseek v4 Flash Vision类别得分 65 比 64;AA-LCR v1.1 81.3% 比 79.3%中
图像及其他媒体Claude Opus 5类别得分 67 比 57;MMMU-Pro 84.7% 比 74.8%高
对话质量(人类偏好)–只有 Claude Opus 5 有 Arena 评分(类别得分 68)无法比较
成本最低Deepseek v4 Flash Vision每百万 token 混合价格 $0.660 比 $10.00;智能体编程会话 $0.032 比 $0.400–
首次回答最快均可首个回答 token 48.5 秒(Claude Opus 5 (max))比 43.1 秒(Deepseek v4 Flash Vision (max))–
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

  • 共同的基准测试太少,无法给出结论。
  • Claude Opus 5 (max) 在多模态、推理方面更强。
  • Deepseek v4 Flash Vision (max) 在智能体与工具、长上下文方面更强。
  • Deepseek v4 Flash Vision (max) 更便宜,对方的价格是它的 38 倍(每百万 token 混合价格 $0.262 比 $10.00)。
  • Deepseek v4 Flash Vision (max) 的输出速度是对方的 2.0 倍(163 比 80 token/秒)。

概览

规格Claude Opus 5Deepseek v4 Flash Vision
提供商AnthropicDeepSeek
发布日期2026年7月24日2026年8月21日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Opus 5 (max)Deepseek v4 Flash Vision (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500$0.440 / $1.32 / $0.0030

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 5 (max)Deepseek v4 Flash Vision (max)领先者
推理66.147.1Claude Opus 5
编程67.0–无法比较
智能体与工具63.870.0Deepseek v4 Flash Vision
数学69.8–无法比较
知识65.2–无法比较
人类偏好68.1–无法比较
多模态67.257.1Claude Opus 5
长上下文64.365.3Deepseek v4 Flash Vision

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推理智能体与工具长上下文多模态Claude Opus 5, 推理: 66.1Claude Opus 5, 智能体与工具: 63.8Claude Opus 5, 长上下文: 64.3Claude Opus 5, 多模态: 67.2Deepseek v4 Flash Vision, 推理: 47.1Deepseek v4 Flash Vision, 智能体与工具: 70.0Deepseek v4 Flash Vision, 长上下文: 65.3Deepseek v4 Flash Vision, 多模态: 57.1

未绘制(测得的模型少于两个):编程, 数学, 知识, 指令遵循, 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 16 项基准测试中,Claude Opus 5 领先 15 项,Deepseek v4 Flash Vision 领先 1 项。

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 5 (max)Deepseek v4 Flash Vision (max)
每百万 token 混合价格$10.00$0.660
每百万 token 输入 / 输出$5.00 / $25.00$0.440 / $1.32
每百万 token 缓存输入$0.500$0.0030
每项任务价格:聊天回复$0.0095$0.0006
每项任务价格:总结一份 30 页的报告$0.075$0.0061
每项任务价格:代码编辑$0.068$0.0046
每项任务价格:智能体编程会话$0.400$0.032
每项任务价格:结构化信息提取$0.015$0.0011
智能体编程会话(输入大多命中缓存)$0.198$0.012
每项基准测试任务成本(AA Index)$11.82–
每项任务输出 token(AA Index)118k–
其中推理部分73k–
每项任务耗时(AA Index)25 min–
输出速度80 tok/s163 tok/s
首次回答时间48.5 秒43.1 秒
完整回答耗时(最近一次测量 2026年11月13日)191.6 秒97.8 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 5 (max) 得分 65.0,首个回答 token 需 49 秒;Claude Opus 5 (high) 为 64.4(17 秒),Claude Opus 5 为 63.2(2 秒)。Deepseek v4 Flash Vision (max)首个回答 token 需 43 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 144 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 5 (max)Deepseek v4 Flash Vision (max)
BenchLeader IndexBenchLeader65.0–
智能体与工具得分BenchLeader63.870.0
编程得分BenchLeader67.0–
人类偏好得分BenchLeader68.1–
知识得分BenchLeader65.2–
长上下文得分BenchLeader64.365.3
数学得分BenchLeader69.8–
多模态得分BenchLeader67.257.1
推理得分BenchLeader66.147.1
混合价格(美元/百万 token)BenchLeader$10.00$0.660
输出速度BenchLeader80 tok/s163 tok/s
首次回答时间BenchLeader48.5 秒43.1 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.9%–
SimpleBenchSimpleBench80.6%†–
Arena Hard PromptsArena (LMArena)1513–
LiveBench 1.0 ReasoningLiveBench91.2%85.4%†
GPQA Diamond (AA)Artificial Analysis93.2%91.3%
Humanity's Last Exam (AA)Artificial Analysis54.9%34.5%
HLE-Diamond (AA)Artificial Analysis44.8%21.1%
GPQA Diamond (Vals)Vals AI93.4%†–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize90.4%–
ARC-AGI-3ARC Prize30.2%†–
CritPtArtificial Analysis29.1%10.9%
CritPt v2 hard subset (AA)Artificial Analysis50.0%–
MysteryMechanismVals AI37.4%–
HLE-Diamond (Scale)Scale AI SEAL38.6%†–
Arena ExpertArena (LMArena)1530–
Chess PuzzlesEpoch AI Benchmarking Hub43.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub59.0%–
LMCAEpoch AI Benchmarking Hub63.3%–
DTBenchEpoch AI Benchmarking Hub97.6%–
ForecastBenchForecastBench66.6%–
BTF-3Epoch AI Benchmarking Hub12.0%†–
编程
SciCodeSciCode56.4%–
WeirdMLWeirdML91.8%–
FrontierCodeCognition53.4%–
显示全部 144 项基准测试
指标发布方Claude Opus 5 (max)Deepseek v4 Flash Vision (max)
编程
Arena CodingArena (LMArena)1528–
Arena WebDevArena (LMArena)1691–
LiveBench 1.0 CodingLiveBench81.5%68.2%†
SciCode (AA)Artificial Analysis56.4%49.6%
LiveCodeBenchVals AI89.0%–
IOIVals AI84.3%–
SWE-bench (Vals)Vals AI97.0%†–
Code MigrationVals AI57.5%–
ProgramBenchVals AI3.0%–
Vibe Code Bench 1-100Vals AI28.5%–
Vibe Code Bench v1.1Vals AI88.4%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL63.2%†–
SWE Atlas v1.0: Test WritingScale AI SEAL62.2%†–
SWE-Bench Pro V2Scale AI SEAL99.4%†–
SWE-Bench Pro V2 HARDScale AI SEAL98.0%†–
MirrorCodeEpoch AI Benchmarking Hub87.8%–
DeepSWE v1.1Epoch AI Benchmarking Hub73.7%–
CursorBenchCursor46.6%–
ALE-BenchEpoch AI Benchmarking Hub2164.6†–
FrontierSWEEpoch AI Benchmarking Hub52.0%–
WeirdML v3WeirdML19.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis49.0%12.1%
Terminal-Bench 2.1 (AA)Artificial Analysis89.1%74.2%
Startrise FrontendStartrise82.3%†–
GameBench 2 OverallDuelLab GameBench 276.5†–
GameBench 2 by reasoning settingDuelLab GameBench 284.8†–
Design Arena WebsiteDesign Arena1304†–
FrontierCode 2.0 (AA)Artificial Analysis31.1%–
智能体与工具
Terminal-BenchTerminal-Bench52.1%–
OSWorld-Verified 2.0OSWorld31.4%–
APEX-AgentsMercor65.8%–
Arena AgentArena (LMArena)7.2–
LiveBench Agentic CodingLiveBench65.2%65.1%†
Terminal-Bench 2.1 (Vals)Vals AI84.6%†–
MCP AtlasScale AI SEAL85.8%†–
HiL-BenchScale AI SEAL57.0%†–
τ³-bench Bankingτ²-bench48.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–52.3%
GDPval-AA v2.1Artificial Analysis17291555
τ³-Banking (AA)Artificial Analysis42.1%41.0%
Analyst Agent (AA)Artificial Analysis53.8%–
CUA-benchVals AI9.0%–
CyberBenchVals AI65.4%–
Finance Agent v2Vals AI58.6%–
Harvey's Legal Agent Benchmark v1Vals AI6.7%–
Legal Research BenchVals AI55.3%–
SkillsBenchVals AI60.4%–
SREBenchVals AI12.2%–
Tax Agent BenchVals AI47.1%–
Terminal-Bench 4.0 (Vals)Vals AI53.5%–
Terminal-Bench ScienceVals AI27.1%–
Time Horizon Index: KSPVals AI18.8%–
Arena SearchArena (LMArena)1213†–
Arena Agent Task CompletionArena (LMArena)10.2–
BALROGBALROG63.4%–
PostTrainBenchEpoch AI Benchmarking Hub35.7%†–
GBAEvalEpoch AI Benchmarking Hub79.6%†–
Vending-Bench 2Andon Labs11181.9†–
AutomationBenchArtificial Analysis56.6%47.5%
GDP.pdf (AA)Artificial Analysis21.6%12.0%
EnterpriseOps-GymArtificial Analysis47.5%47.1%
AA-Briefcase v1.1Artificial Analysis16541418
Design Arena AgenticDesign Arena1270†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis28.6%–
DeepSec-Bench (AA)Artificial Analysis25.9%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.6%–
FrontierMath Tier 4Epoch AI Benchmarking Hub73.2%–
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%–
ProofBenchVals AI99.0%–
LiveBench MathematicsLiveBench95.7%87.8%†
Arena MathsArena (LMArena)1515–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub59.9%–
LiveBench 1.0 Data AnalysisLiveBench74.5%79.5%†
AA-Omniscience v1.1Artificial Analysis37.6–
MMLU-ProVals AI91.6%–
LegalBenchVals AI87.0%–
CorpFinVals AI73.2%†–
TaxEvalVals AI75.1%†–
BioMysteryBenchVals AI79.3%–
Excel Modeling BenchmarkVals AI73.6%–
MedCodeVals AI63.6%–
MedScribeVals AI91.0%–
Public Benefits Bench v1.1Vals AI76.9%–
DrugDiscoveryBenchScale AI SEAL53.7%–
EBR-benchEpoch AI Benchmarking Hub45.7%–
GDP.pdfEpoch AI Benchmarking Hub24.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis60.9%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.6%–
FACTS ParametricGoogle48.8%†–
指令遵循
LiveBench LanguageLiveBench88.7%80.4%†
LiveBench Instruction FollowingLiveBench63.8%71.0%†
Arena Instruction FollowingArena (LMArena)1494–
人类偏好
Arena TextArena (LMArena)1489–
EQ-Bench 4EQ-Bench1365†–
EQ-Bench Creative Writing v3EQ-Bench2135†–
Arena Creative WritingArena (LMArena)1473–
Arena Multi-turnArena (LMArena)1486–
Arena Longer QueriesArena (LMArena)1502–
多模态
Arena VisionArena (LMArena)1318†–
MMMU-ProArtificial Analysis84.7%74.8%
MMMU-Pro (Vals)Vals AI89.9%–
MortgageTaxVals AI72.1%†–
Humanity's Sixth SenseScale AI SEAL30.5%–
Blueprint-Bench 2Epoch AI Benchmarking Hub30.4%†–
Furniture AssemblyEpoch AI Benchmarking Hub60.8%–
长上下文
AA-LCR v1.1Artificial Analysis79.3%81.3%
Arena DocumentArena (LMArena)1486†–
MLCRArtificial Analysis11.1%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.7†–
LiveBench 1.0LiveBench80.1%76.8%†
AA Intelligence Index v5.0.1Artificial Analysis44.2–
AA Intelligence Index v4.3.2Artificial Analysis50.834.8
AA Progress Index v1Artificial Analysis333.7308.5
Vals RSI IndexVals AI33.0%–
Vals Science IndexVals AI47.9%–
Vals Multimodal IndexVals AI73.9%†–
安全与诚实
FORTRESSScale AI SEAL16.8%†–
DistressBenchScale AI SEAL70.2%†–

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 5 (max):25 项新结果(LiveCodeBench, MMLU-Pro, IOI…)。
  • Claude Opus 5 (max):1 项新结果(GDPval-AA v2.1)。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • Claude Opus 5 (max):7 项新结果(AA Intelligence Index v5.0.1, HLE-Diamond (AA), AA-Omniscience v1.1…)。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • Claude Opus 5 (max):1 项分数修订。
  • Claude Opus 5 (max):BenchLeader Index 66.3 → 65.5。
  • Claude Opus 5 (max):1 项新结果(AA Progress Index v1)。
  • Deepseek v4 Flash Vision (max):2 项新结果(AA Progress Index v1, HLE-Diamond (AA))。

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 5 vs Deepseek v4 Flash Vision:常见问题

Claude Opus 5 和 Deepseek v4 Flash Vision 哪个更便宜?价格会变吗?
目前 Deepseek v4 Flash Vision 更便宜:每百万 token $0.262 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。
Claude Opus 5 和 Deepseek v4 Flash Vision 哪个更快?
Deepseek v4 Flash Vision 输出更快(约 1.5 倍;输出 163 比 80 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 5 还是 Deepseek v4 Flash Vision 更好?
Deepseek v4 Flash Vision 在智能体任务方面得分更高(类别得分 70 比 64,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 τ³-Banking (AA) 上,Claude Opus 5 为 42.1%,Deepseek v4 Flash Vision 为 41.0%。
处理长文档哪个更好?
Deepseek v4 Flash Vision 在长上下文基准测试上得分更高(65 比 64)。两者都约为 1M token(Claude Opus 5 为 1,000,000,Deepseek v4 Flash Vision 为 1,048,576)。
哪个延迟更低?
Deepseek v4 Flash Vision 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 43.1 秒比 48.5 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
更多问题(2)
第三方基准测试对 Claude Opus 5 和 Deepseek v4 Flash Vision 的看法一致吗?
在两者都有结果的 16 项基准测试中,Claude Opus 5 领先 15 项,Deepseek v4 Flash Vision 领先 1 项。
Deepseek v4 Flash Vision 是什么时候发布的?
Deepseek v4 Flash Vision 于 2026年8月21日 发布。