DeepSeek V4 vs Claude（Sonnet 4 / Opus 4）

在 SWE-Bench Verified 和 Aider 的 polyglot 榜单上，Opus 4 依然是需要打破的天花板。DeepSeek V4 在日常编程任务上基本和 Sonnet 4 同级，在含中文注释/中文命名的项目里甚至更强。

对 Cursor 里的日常开发，V4 已经可以作为 Sonnet 4 的替代默认模型；只有处理大型、复杂的遗留代码重构，Opus 4 的优势才会显现。

Claude 的 extended thinking 在奥赛数学、复杂法律推理、多步规划上依然是业界最稳的。V4 的 deepseek-reasoner 把差距大幅缩小，但在最难的尾部任务上还没反超。

换算到单位成本，V4 能跑的推理轮次是 Opus 的 5–10 倍，通过 self-consistency 聚合往往能得到更优的最终答案。

Claude 在超长上下文的召回质量上依然最好，needle-in-a-haystack 近乎完美。V4 的上下文窗口足够覆盖绝大多数真实文档（合同、代码仓库、RFC）。

经验法则：如果你经常塞 150k+ tokens 且需要极高召回，付钱用 Claude；否则做好切片和排序，让 V4 来。

Anthropic 的 computer-use 和多工具工作流仍然是市场里最成熟的。DeepSeek V4 的 OpenAI 风格 function calling 也足够跑生产 agent，比 V3 稳定性高了一个档。

最高风险的自主 agent，Claude 依然更可预测；成本敏感的 scraping、表单处理、文档处理，V4 更务实。

Claude 出了名的谨慎，有时谨慎过头。V4 拒答更少，对技术工作更友好，但如果你在做 C 端产品，必须自己加一层 guardrail。

法律、医疗、金融类输出都不要裸信，交付前必须人审。

Opus 4 是目前最贵的前沿模型之一，Sonnet 4 属于中档。V4 的单价基本比 Sonnet 4 低 10 倍，再叠加 /pricing 的官方折扣差距更大。

对独立开发者、中小 SaaS、吞吐量比上限更重要的场景，经济账完全偏向 V4。