内容更新: 2026-10-09
DeepSeek vs Claude：公开评测分数对照
公开证据对照
先看共有测试，再自己验证
本页汇总双方共同出现在同一公开第三方评测中的结果，并标明精确模型版本与原始来源。条形图只比较同一测试内的分数，不能替代你用真实任务亲自试用。
DeepSeek vs Claude：差异集中在哪
公开评测快照里的差异
- 公开快照整体格局（2026-09-29 抓取）：两边共同出现在 Arena 通用对话与编程偏好、以及 LiveBench 的语言、数学、推理、数据分析、指令遵循、编程、智能体编程等类别。Claude 在语言、数学、推理、编程、数据分析上领先；DeepSeek 在智能体编程一项拿到第 1（77.3 对 71.7）。这不是一边倒的对局，而是各有主场。
- 真实代码修复（SWE-bench Verified）：Claude 侧 79.2%（Sonar Foundation Agent + Claude 4.5 Opus，列第 1），DeepSeek 侧 70.0%（DeepSeek V3.2 (high)，列第 46）。这一项差距接近 10 个百分点，但 DeepSeek 侧使用的并非其最新代表配置，版本差异会显著影响结论。
产品与使用条件的差异
- 访问与登录：DeepSeek 官网 chat.deepseek.com 面向中国大陆用户可直接访问、手机号即可登录；Claude 官网需要相应地区的访问条件与账号。日常打开成本差别明显。
- 产品定位：DeepSeek 以开放权重、API 生态与推理数学见长，偏向技术用户与自部署场景；Claude 的产品重心在长文写作、代码审阅与稳妥的输出风格。
- 价格与套餐：两边定价结构差异较大且经常调整，本页不引用具体数字。请在 DeepSeek 官网与 Anthropic 定价页（见下方官方来源）核对当前套餐与 API 价格。
建议的同题实测任务
- 数学多步推理：同一道多步题要求展示中间步骤，核对哪边的步骤经得起复算
- 代码审阅：同一条 PR diff，要求「只列出会导致线上问题的点」，对比谁的误报更少
- 中文长文：同一份 3000 字中文材料要求压缩成 300 字摘要，检查谁更少丢关键信息
怎么选：按你的任务落位
- 选 Claude，如果：你需要长文写作、代码审阅与更稳的输出风格，且访问条件不是障碍；公开快照里它在多数类别领先。
- 选 DeepSeek，如果：你在意大陆直连、开放权重、API 成本与智能体编程场景；公开快照里它在这一项排第 1。
- 不要只看这一个指标：SWE-bench 那一项的 10 个百分点来自特定版本与智能体组合，不能直接当作产品整体差距。请按任务实测。
两个工具的主场几乎不重叠：一个偏写作与审阅，一个偏推理、开放权重与大陆直连。把它们当成互补而非互斥，通常是更划算的选择。
快照证据的抓取时间与原始来源见下方评测表。实测任务请在你自己的账号上运行；本页提供证据与任务设计，不代你下结论。
公开评测怎么说
下面只展示这些模型共同出现在同一公开评测类别里的结果。不同来源的分数不能相加，也不能据此宣布谁全面更好。
DeepSeek
1
在共有测试中分数更高的项目
Claude
7
在共有测试中分数更高的项目
共有测试
8
不同来源的分数不能相加
LiveBench · 智能体编程
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| DeepSeek | deepseek-v4.1-flash-max | 1 | 77.27 points | Category score (points) |
| Claude | claude-opus-5-5-max-effort | 2 | 71.72 points | Category score (points) |
LiveBench · 编程任务
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | claude-sonnet-5-5-max-effort | 1 | 91.37 points | Category score (points) |
| DeepSeek | deepseek-v4.1-flash-max | 22 | 80.04 points | Category score (points) |
LiveBench · 数据分析
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | claude-fable-5-max-effort | 6 | 80.54 points | Category score (points) |
| DeepSeek | deepseek-v4-flash-vision-exp | 13 | 79.48 points | Category score (points) |
LiveBench · 指令遵循
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | claude-fable-5-max-effort | 6 | 75.77 points | Category score (points) |
| DeepSeek | deepseek-v4-flash-vision-exp | 26 | 70.96 points | Category score (points) |
LiveBench · 语言任务
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | claude-fable-5-max-effort | 1 | 90.68 points | Category score (points) |
| DeepSeek | deepseek-v4-pro-0813 | 26 | 82.07 points | Category score (points) |
LiveBench · 数学
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | claude-opus-5-5-max-effort | 1 | 97.08 points | Category score (points) |
| DeepSeek | deepseek-v4-pro-0813 | 16 | 95.09 points | Category score (points) |
LiveBench · 推理
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | claude-opus-5-5-max-effort | 3 | 92.15 points | Category score (points) |
| DeepSeek | deepseek-v4.1-flash-max | 31 | 86.69 points | Category score (points) |
SWE-bench Verified · 真实软件问题修复
SWE-bench Verified 衡量 AI 编程系统修好真实 GitHub 问题的比例。解决率越高，说明在该次测试设置中修好的问题越多。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | Sonar Foundation Agent + Claude 4.5 Opus | 1 | 79.2% | Resolved (%) |
| DeepSeek | DeepSeek V3.2 (high) | 46 | 70% | Resolved (%) |
产品入口
亲自试用时可核对的事项
- 对你的真实任务，答案是否准确、完整，以及还需要多少人工修改。
- 当前套餐的配额、价格与地区可用性是否满足长期使用。
- 隐私条款、登录方式与团队协作是否符合你的工作要求。
更多有公开证据的模型对比
官方来源与核验时间
下列链接是本页产品身份与套餐信息的官方来源，最后核验于 2026-09-28。价格、可用模型、配额与地区限制可能变化，请在购买或部署前以官网为准。
- DeepSeek API models and pricing - 2026-09-28
- Anthropic plans and pricing - 2026-09-28
常见问题
本页是否给出绝对排名？
不会。本站只在公开测试条件、原始来源与审校方法可核验时，才呈现限定条件下的结论；不会发布脱离场景的“全面最优”名单。
价格和套餐信息是否最终有效？
页面会链接官方来源并标注核验日期。购买或部署前，请以提供方官网及你所在地区显示的价格与条款为准。
ModelAny 会保存提示词吗？
ModelAny 采用本地优先设计：草稿、设置与历史保留在浏览器本地；提示词仅发送到你选择的 AI 服务，不会上传到 ModelAny 自有服务器。
用同一提示词比较多个模型
ModelAny 是免费的浏览器扩展，源码公开可审阅，已在 Chrome 网上应用店 与 Microsoft Edge 加载项 上架。草稿、设置与历史保留在浏览器本地。
安装扩展