Deep|DeepSeek V4 vs Claude vs GPT-5.4: A 38-Task Benchmark Across Coding, Reasoning, and Financial Research

DeepSeek V4 整體表現：與 Claude Opus 同級，成本大幅更低

—DeepSeek V4 Pro（8.27）與 Claude Opus 4.6（8.17）位於同一分析梯次，Flash（8.01）亦與 Opus 4.6 相當但速度快 36%
—DeepSeek V4 是第一個在複雜工具輔助分析任務上匹配 Claude Opus 4.7 的非 Anthropic 模型
—DeepSeek 的相對弱項是輸出格式（儀表板圖表、metric cards），而非分析品質本身

AI應用 ↑看多中期

DeepSeek V4 Pro 在財務研究多步任務上與 Opus 4.7 打成 7-7 平手，前沿模型差距持續收窄 Flash 每任務成本僅 $0.007，是 Claude Opus 的約 50 倍性價比，為 AI 輔助研究工作流開闢低成本替代方案 #風險

—Claude Opus 4.6 (Thinking) coding 平均分 8.88，為本次 benchmark 最高；DeepSeek Pro (Thinking) 以 8.48（4 項完成）緊隨其後
—GPT-5.4 系統設計輸出強勁，但限流實作與 Opus 4.7 的生產等級實作（含 48 項測試）相比明顯較淺

AI算力短期

Thinking 模式是 DeepSeek coding 最大的品質槓桿，但 hard coding 任務超時導致覆蓋率下降（Pro Thinking 僅 29/38）#風險

—DeepSeek V4 Pro 在 NVDA 賽局理論任務（game theory）產出 28,302 字、11 玩家、18 引用、強制移動經濟學，獲本次 benchmark 唯一滿分
—Opus 4.7 在財報電話文字整合（管理層引言、Q&A 主題分析）與引用嚴謹度上仍優於 DeepSeek

NVDA 被用作賽局理論任務的核心分析標的，DeepSeek Pro 完整展開 11 位市場參與者的策略互動與強制移動邏輯

NVDA 賽局理論任務展示 AI 基建競爭格局的複雜性，DeepSeek 與 Claude 在此類深度分析任務上各有所長

—DeepSeek V4 Flash 平均每任務 165 秒，比所有 Claude Opus 版本快；Pro 約 256 秒，與 Opus 4.7 相當
—Flash 每 100 萬 output tokens $0.28，每任務約 $0.007；Pro 每 100 萬 $3.48，約 $0.10/task；均支援 cache-hit 折扣（輸入降至標準價 10-20%）
—對生產部署而言，Flash 提供 165 秒平均速度與 $0.007/task 的強速度-品質折衷；Flash Thinking 在已完成任務品質進一步提升但覆蓋率略降 #催化劑

AI應用 ↑看多短期

DeepSeek Flash 以約 Claude Opus 1/50 的成本達到接近的分析品質，對使用 Claude 做深度研究的團隊具實質評估價值 #比較

AI算力 ↑看多中期

前沿模型競爭格局已從 Anthropic 獨大轉為三方競賽，DeepSeek 的加入顯著壓縮了高品質 AI 的使用成本