DeepSeek vs Claude

编码智能体赛道的正面交锋：Opus 4.8 在 NL2Repo、Toolathlon 略占优，V4-Pro 在 CyberGym、HLE 反超，价格差维持一个量级。

Benchmark	GLM-5.3	Kimi K3	DeepSeek-V4-Pro	Opus 4.8	GPT-5.6 Sol
Terminal-Bench 2.1	88.2	88.3	87.9	85.0	88.8
Terminal-Bench 3.0	28.3	17.4	—	21.1	34.6
DeepSWE v1.1	66.9	67.5	62.7	58.0	72.7
NL2Repo	58.0	58.0	61.1	69.7	—
CyberGym	84.5	80.0	83.3	78.1	83.6
Toolathlon Verified	73.0	76.5	74.1	76.2	74.9
AutomationBench v1.0.6	48.2	46.7	43.2	41.0	45.8
ALE-CLI	28.5	27.6	25.7	25.7	28.6
HLE w/ Tools	62.5	59.8	60.0	57.9	64.5
GDPval-AA v2	1769	1682	1590	1588	1730

数据来源：Z.ai 官方博客（2026-08-14）；未参评以 — 表示。DeepSeek 价格：V4-Pro 错峰 $0.66/$1.98、V4-Flash $0.14/$0.28、V4.1-Flash-1017 $0.15/$0.60 每百万 tokens。

Opus 4.8：NL2Repo 69.7、Toolathlon 76.2、AutomationBench 41.0；V4-Pro：61.1 / 74.1 / 43.2——互有胜负，差距在个位数百分点。

两者同为 1M 级窗口；第三方评测指出 Opus 4.6/4.8 的 MRCR 检索召回仍领先，DeepSeek 靠 CSA+HCA 把成本压到 27% FLOPs / 10% KV。

CyberGym：V4-Pro 83.3 vs Opus 78.1——漏洞发现赛道 DeepSeek 当前占优；ExploitGym 系 GPT/Fable 更激进。

追求闭源最强编码体感与长检索精度选 Claude；预算敏感、需要安全审计能力或自托管，选 DeepSeek。