Новости Claude

Claude и DeepSeek сравнили на Python-задачах по цене

На столе с двумя мониторами видны код, логи тестов и распечатка расходов на ИИ-модели

В OpenCode проверили, сколько стоят одинаковые Python-задачи для разных ИИ-моделей. В тесте 13 задач прошли все четыре модели, но итоговый счёт сильно отличался: от $0,67 у DeepSeek Flash до $8,76 у Claude Opus.

Что именно тестировали

Автор прогнал через OpenCode 13 Python-задач: 10 одиночных функций и 3 небольших репозитория. Всего получилось 156 запусков — по три попытки на каждую задачу для четырёх моделей.

Для сравнения взяли DeepSeek V4.1 Flash, DeepSeek V4 Pro, Claude Sonnet 5.5 и Claude Opus 5.5. Запуски шли через API-шлюз TeamoRouter, а счёт считали по реальным списаниям из биллинга, а не только по теории токенов.

Сколько стоило выполнить задачи

После исправления ошибки в скрипте проверки у всех моделей вышло 39 из 39. Но цена за тот же результат оказалась разной: Flash обошёлся в $0,67, V4 Pro — в $2,89, Sonnet — в $3,65, а Opus — в $8,76.

Если смотреть на пересчёт по официальным прайсам, разница ещё заметнее: за те же токены Opus оказался примерно в 13 раз дороже Flash. В целом за все 156 запусков списалось $15,98, и это без пробных прогонов и проверок подключения.

Почему одинаковые тесты стоят по-разному

Главная мысль этого сравнения — зелёные тесты сами по себе не показывают реальную цену. Модели могут идти к одному и тому же результату разным путём: делать больше шагов, тратить больше токенов и по-разному использовать кеш.

У Claude заметная часть затрат ушла в cache write: по расчётам, у Opus на это пришлось 40% расходов, у Sonnet — 48%. У DeepSeek отдельной платы за запись в кеш нет, поэтому итоговая сумма у Flash получилась намного ниже. Ещё один фактор — выходные токены: у Opus их было 776 тысяч против 287 тысяч у Flash, и больше половины этого объёма составили размышления.

Что полезно вынести обычному пользователю

Для разработчиков и команд этот тест полезен как напоминание: при выборе ИИ-модели важно смотреть не только на качество ответа, но и на стоимость каждого запуска. Особенно это заметно в задачах, где агент работает долго, правит несколько файлов и много раз обращается к инструментам.

Автор также показал, что результаты могут колебаться от попытки к попытке: самая дорогая из трёх попыток иногда обходилась в полтора раза дороже самой дешёвой, а в одном случае разница дошла до 4,2 раза. Поэтому для рабочих сценариев лучше считать не одну удачную попытку, а среднюю стоимость серии запусков.

Частые вопросы

Почему у всех моделей одинаковый результат, но разная цена?
Потому что модели могут решать задачу разным числом шагов и токенов. На итоговый счёт влияют не только ответы, но и обращения к инструментам, кеш и режим размышлений.
Какая модель оказалась самой дешёвой?
В этом тесте дешевле всех вышел DeepSeek Flash — $0,67 за полный набор задач. Самым дорогим был Claude Opus — $8,76.
Можно ли по этому тесту выбрать лучшую модель для работы?
Это хороший ориентир, но не окончательный вердикт. Для реального выбора стоит учитывать не только цену, но и качество правок, стабильность и то, сколько токенов модель тратит на ваши типовые задачи.
Зачем вообще смотреть на такие сравнения?
Они помогают понять, сколько будет стоить ИИ в повседневной работе — от написания кода до правок в репозиториях. Это удобно для тех, кто выбирает сервис для команды или считает бюджет на автоматизацию.

Читайте также

Попробовать Lord GPT бесплатно →