BenchLeader

Claude Sonnet 5 vs DeepSeek V4 Pro

完整资料:Claude Sonnet 5(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 8 个来源

截至 2026年11月16日,Claude Sonnet 5 与 DeepSeek V4 Pro 的质量不相上下(BenchLeader Index 59.0 比 56.0,在 ±5.1 的误差范围内)。DeepSeek V4 Pro 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $0.990 比 $4.00)。看重推理(65 比 56)和编程(60 比 52)选 Claude Sonnet 5;看重长上下文(64 比 63)选 DeepSeek V4 Pro。Claude Sonnet 5 的首次回答更快(15.8 秒 比 42.8 秒)。Claude Sonnet 5 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Sonnet 5 的 BenchLeader Index 为 59.0,DeepSeek V4 Pro 为 56.0(BenchLeader,2026年11月16日)。
  • Claude Sonnet 5 每百万 token 混合价格为 $4.00(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 Sonnet 5 比 DeepSeek V4 Pro 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 21 项基准测试中,Claude Sonnet 5 领先 12 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Sonnet 5 的评分为 1539,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 Sonnet 5类别得分 60 比 52;SciCode 54.3% 比 46.4%高
数学均可类别得分 65 比 65;Arena Maths 1472 比 1465均可
推理Claude Sonnet 5类别得分 65 比 56;Arena Hard Prompts 1490 比 1482高
长文档DeepSeek V4 Pro类别得分 64 比 63;AA-LCR v1.1 79.3% 比 76.7%中
对话质量(人类偏好)均可Arena 投票 65 比 65均可
成本最低DeepSeek V4 Pro每百万 token 混合价格 $1.98 比 $4.00;智能体编程会话 $0.095 比 $0.160–
首次回答最快Claude Sonnet 5首个回答 token 15.8 秒(Claude Sonnet 5 (high))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 Sonnet 5 (high) 与 DeepSeek V4 Pro (high) 的质量不相上下(59.0 比 56.0,在 ±5.1 的误差范围内)。
  • Claude Sonnet 5 (high) 在编程、数学、推理方面更强。
  • DeepSeek V4 Pro (high) 在人类偏好、长上下文方面更强。
  • DeepSeek V4 Pro (high) 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $0.990 比 $4.00)。

概览

规格Claude Sonnet 5DeepSeek V4 Pro
提供商AnthropicDeepSeek
发布日期2026年6月30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 Sonnet 5 (high)DeepSeek V4 Pro (high)
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.200$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 Sonnet 5 (high)DeepSeek V4 Pro (high)领先者
推理65.455.6Claude Sonnet 5
编程59.951.5Claude Sonnet 5
智能体与工具52.9–无法比较
数学65.364.5持平
知识–41.2无法比较
人类偏好64.665.0持平
多模态60.9–无法比较
长上下文62.964.3DeepSeek V4 Pro

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推理编程数学长上下文人类偏好Claude Sonnet 5, 推理: 65.4Claude Sonnet 5, 编程: 59.9Claude Sonnet 5, 数学: 65.3Claude Sonnet 5, 长上下文: 62.9Claude Sonnet 5, 人类偏好: 64.6DeepSeek V4 Pro, 推理: 55.6DeepSeek V4 Pro, 编程: 51.5DeepSeek V4 Pro, 数学: 64.5DeepSeek V4 Pro, 长上下文: 64.3DeepSeek 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, 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 21 项基准测试中,Claude Sonnet 5 领先 12 项,DeepSeek V4 Pro 领先 9 项。所有同时评测两者的综合评分都认为 DeepSeek V4 Pro 更强。

综合 IndexClaude Sonnet 5 (high)DeepSeek V4 Pro (high)领先者
BenchLeader Index59.056.0不相上下
Arena Text14611464DeepSeek V4 Pro

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 Sonnet 5 (high)DeepSeek V4 Pro (high)
每百万 token 混合价格$4.00$1.98
每百万 token 输入 / 输出$2.00 / $10.00$1.32 / $3.96
每百万 token 缓存输入$0.200$0.022
每项任务价格:聊天回复$0.0038$0.0017
每项任务价格:总结一份 30 页的报告$0.030$0.018
每项任务价格:代码编辑$0.027$0.014
每项任务价格:智能体编程会话$0.160$0.095
每项任务价格:结构化信息提取$0.0060$0.0034
智能体编程会话(输入大多命中缓存)$0.079$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99 tok/s80 tok/s
首次回答时间15.8 秒42.8 秒
完整回答耗时(最近一次测量 2026年11月13日)40.7 秒–

每个模型都按其排名最高的推理强度设置进行对比。Claude Sonnet 5 (high) 得分 59.0,首个回答 token 需 16 秒;Claude Sonnet 5 (max) 为 56.1(158 秒),Claude Sonnet 5 (xhigh) 为 55.4(32 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 147 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 Sonnet 5 (high)DeepSeek V4 Pro (high)
BenchLeader IndexBenchLeader59.056.0
智能体与工具得分BenchLeader52.9–
编程得分BenchLeader59.951.5
人类偏好得分BenchLeader64.665.0
长上下文得分BenchLeader62.964.3
数学得分BenchLeader65.364.5
多模态得分BenchLeader60.9–
推理得分BenchLeader65.455.6
知识得分BenchLeader–41.2
混合价格(美元/百万 token)BenchLeader$4.00$1.98
输出速度BenchLeader99 tok/s80 tok/s
首次回答时间BenchLeader15.8 秒42.8 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub80.3%†90.9%
SimpleBenchSimpleBench60.6%†–
Arena Hard PromptsArena (LMArena)14901482
LiveBench 1.0 ReasoningLiveBench88.7%†85.8%†
GPQA Diamond (AA)Artificial Analysis91.1%†92.8%†
Humanity's Last Exam (AA)Artificial Analysis35.7%41.5%
HLE-Diamond (AA)Artificial Analysis–20.5%
GPQA Diamond (Vals)Vals AI88.9%†92.4%†
Kagi LLM BenchmarkKagi LLM Benchmark–53.5%†
ARC-AGI-1ARC Prize–87.2%
ARC-AGI-2ARC Prize–59.7%
CritPtArtificial Analysis15.1%18.6%
CritPt v2 hard subset (AA)Artificial Analysis–28.5%
HLE-Diamond (Scale)Scale AI SEAL–13.4%†
Arena ExpertArena (LMArena)15091481
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†16.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†43.0%†
CL-bench LifeEpoch AI Benchmarking Hub–13.5%
LMCAEpoch AI Benchmarking Hub50.0%45.5%†
DTBenchEpoch AI Benchmarking Hub84.5%93.9%†
ForecastBenchForecastBench63.1%†60.7%†
BTF-3Epoch AI Benchmarking Hub14.2%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–77.6%†
SciCodeSciCode54.3%46.4%
WeirdMLWeirdML68.8%46.5%
显示全部 147 项基准测试
指标发布方Claude Sonnet 5 (high)DeepSeek V4 Pro (high)
编程
FrontierCodeCognition42.7%†28.6%
GSO-BenchGSO-Bench37.3%†–
Arena CodingArena (LMArena)15201503
Arena WebDevArena (LMArena)15391581
LiveBench 1.0 CodingLiveBench80.7%†77.2%†
SciCode (AA)Artificial Analysis54.3%51.7%
LiveCodeBenchVals AI82.4%†87.5%†
IOIVals AI45.0%†51.6%†
SWE-bench (Vals)Vals AI79.6%†96.4%†
Code MigrationVals AI44.4%†41.5%†
Code Migration v1.1Vals AI–52.0%†
ProgramBenchVals AI0.0%†0.0%†
Vibe Code Bench 1-100Vals AI13.8%†17.5%†
Vibe Code Bench v1.1Vals AI81.3%†82.3%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL–27.1%†
SWE Atlas v1.0: Test WritingScale AI SEAL–27.1%†
SWE-Bench Pro V2Scale AI SEAL93.2%†–
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†–
MirrorCodeEpoch AI Benchmarking Hub63.3%†33.3%†
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†40.0%
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%–
CursorBenchCursor30.8%–
ALE-BenchEpoch AI Benchmarking Hub1463.11006.1
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%6.1%
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†78.7%†
Startrise FrontendStartrise66.6%†62.7%†
GameBench 2 OverallDuelLab GameBench 246.6†41.9†
GameBench 2 by reasoning settingDuelLab GameBench 254.4†45.1
Design Arena WebsiteDesign Arena1268†1227†
FrontierCode 1.1 (AA)Artificial Analysis–38.8%†
FrontierCode 2.0 (AA)Artificial Analysis17.8%†16.7%
智能体与工具
Terminal-BenchTerminal-Bench12.1%†6.7%†
APEX-AgentsMercor54.5%†47.3%†
Arena AgentArena (LMArena)2–
LiveBench Agentic CodingLiveBench59.4%†55.0%†
Terminal-Bench 2.1 (Vals)Vals AI74.5%†50.2%†
HiL-BenchScale AI SEAL–38.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–47.5%†
GDPval-AA v2.1Artificial Analysis12621336
τ³-Banking (AA)Artificial Analysis37.3%†39.6%†
Analyst Agent (AA)Artificial Analysis46.3%†–
CyberBenchVals AI61.9%†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 AI5.0%†7.5%†
Legal Research BenchVals AI41.8%†40.9%†
SkillsBenchVals AI46.5%†53.8%†
SREBenchVals AI0.4%†1.9%†
Tax Agent BenchVals AI29.4%†26.8%†
Terminal-Bench 2.0 (Vals)Vals AI–56.2%†
Terminal-Bench 4.0 (Vals)Vals AI10.6%†14.1%†
Terminal-Bench ScienceVals AI5.7%†4.3%†
Arena SearchArena (LMArena)1191†–
Arena Agent Task CompletionArena (LMArena)-0.6–
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†3284.5†
AutomationBenchArtificial Analysis32.1%46.2%
GDP.pdf (AA)Artificial Analysis9.4%10.4%
EnterpriseOps-GymArtificial Analysis44.7%†49.6%†
AA-Briefcase v1.1Artificial Analysis11771148
Design Arena AgenticDesign Arena1222†927†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–1.9%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub65.6%†64.6%†
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†26.8%†
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†95.6%
ProofBenchVals AI77.0%†50.0%†
LiveBench MathematicsLiveBench92.9%†95.1%†
AIME 2026MathArena–96.7%†
HMMT February 2026MathArena–93.9%†
USAMO 2026MathArena–60.7%†
MathArena ApexMathArena–28.1%†
Arena MathsArena (LMArena)14721465
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†52.9%†
LiveBench 1.0 Data AnalysisLiveBench71.7%†79.2%†
AA-Omniscience v1.1Artificial Analysis–-6.5
MMLU-ProVals AI87.5%†87.3%†
LegalBenchVals AI83.9%†82.4%†
CorpFinVals AI67.0%†65.4%†
TaxEvalVals AI75.6%†73.1%†
CaseLaw v2Vals AI–59.4%†
Excel Modeling BenchmarkVals AI66.3%†52.8%†
Excel Modeling Benchmark v1.1Vals AI–65.1%†
MedCodeVals AI47.5%†42.5%†
MedScribeVals AI76.0%†80.2%†
Public Benefits Bench v1.1Vals AI66.0%†62.9%†
Immigration BenchVals AI–61.7%†
DrugDiscoveryBenchScale AI SEAL50.0%†31.7%†
AA-Omniscience v1.1: accuracyArtificial Analysis–45.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–5.9%
FACTS ParametricGoogle20.5%†–
指令遵循
LiveBench LanguageLiveBench75.0%†82.1%†
LiveBench Instruction FollowingLiveBench63.9%†67.7%†
Arena Instruction FollowingArena (LMArena)14671461
人类偏好
Arena TextArena (LMArena)14611464
EQ-Bench 4EQ-Bench1221†1156†
EQ-Bench Creative Writing v3EQ-Bench1798†1553†
Arena Creative WritingArena (LMArena)14341444
Arena Multi-turnArena (LMArena)14731469
Arena Longer QueriesArena (LMArena)14811474
多模态
Arena VisionArena (LMArena)1272–
MMMU-ProArtificial Analysis77.3%†–
MMMU-Pro (Vals)Vals AI83.0%†–
MortgageTaxVals AI70.0%†–
Humanity's Sixth SenseScale AI SEAL24.8%†–
GeoBenchGeoBench74.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†–
长上下文
AA-LCR v1.1Artificial Analysis76.7%79.3%
Arena DocumentArena (LMArena)1469–
MLCRArtificial Analysis4.4%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†155.9†
LiveBench 1.0LiveBench76.0%†77.4%†
AA Intelligence Index v5.0.1Artificial Analysis–20.8
AA Intelligence Index v4.3.2Artificial Analysis31.736†
AA Progress Index v1Artificial Analysis296.8311.5†
Vals IndexVals AI–53.0†
Vals Finance IndexVals AI–52.9%†
Vals Multimodal IndexVals AI68.8%†–
Vals Router IndexVals AI–53.0%†
Vals Legal IndexVals AI–69.0%†
安全与诚实
DistressBenchScale AI SEAL68.0%†–
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

  • Claude Sonnet 5 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • 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 Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • Claude Sonnet 5 (high):1 项新结果(GeoBench)。
  • DeepSeek V4 Pro (high):BenchLeader Index 57.5 → 59.1。
  • Claude Sonnet 5 (high):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 Sonnet 5 (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 Sonnet 5 vs DeepSeek V4 Pro:常见问题

Claude Sonnet 5 比 DeepSeek V4 Pro 更好吗?
Claude Sonnet 5 (high) 与 DeepSeek V4 Pro (high) 的质量不相上下(59.0 比 56.0,在 ±5.1 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 Sonnet 5 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 $4.00(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 Sonnet 5 还是 DeepSeek V4 Pro 更好?
Claude Sonnet 5 在编程方面得分更高(类别得分 60 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 Sonnet 5 为 1539,DeepSeek V4 Pro 为 1581。
Claude Sonnet 5 和 DeepSeek V4 Pro 哪个更快?
Claude Sonnet 5 输出更快(约 2 倍;输出 99 比 80 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
DeepSeek V4 Pro 在长上下文基准测试上得分更高(64 比 63)。两者都约为 1M token(Claude Sonnet 5 为 1,000,000,DeepSeek V4 Pro 为 1,048,576)。
更多问题(3)
哪个延迟更低?
Claude Sonnet 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 15.8 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 Sonnet 5 和 DeepSeek V4 Pro 的看法一致吗?
在两者都有结果的 21 项基准测试中,Claude Sonnet 5 领先 12 项,DeepSeek V4 Pro 领先 9 项。所有同时评测两者的综合评分都认为 DeepSeek V4 Pro 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。