Claude Opus 5 vs DeepSeek V4 Pro：料金と仕様の実測比較

どんなときに、どちらを選ぶか

どちらも 1000000 トークンのコンテキストを共有し思考を切れるため、違いはモダリティと料金表です。claude-opus-5 はテキストに加えて画像入力を受け付け明示的な思考能力を備え、deepseek-v4-pro はテキスト専用ですが入力が約 3.8 分の 1（$1.32 対 $5）、出力が約 6.3 分の 1（$3.96 対 $25）、キャッシュ読み取りが約 3.8 分の 1（$0.132 対 $0.5）です。スクリーンショットや図がプロンプトに含まれるなら claude-opus-5 を、大量のテキストとコードの処理なら deepseek-v4-pro を選びます。後者の 393216 トークンの最大出力は 128000 の上限も上回ります。

ベンチマーク

平均超え上回るモデルなしClaude Opus 538 ~~/ 46~~8 ~~/ 46~~DeepSeek V4 Pro5 ~~/ 10~~0 ~~/ 10~~

Claude Opus 5 DeepSeek V4 Pro 測定された他モデル他モデルの平均 ★ これを上回るモデルなし

NL2Repo

これを上回るモデルなし 75.3%

35.5%

BioMysteryBench hard

49.4%

N/A

OSWorld 2.0

これを上回るモデルなし 70.6%

N/A

ExploitBench (Cap%)

70%

N/A

HealthBench Professional

59.8%

N/A

Finance Agent v2

58.6%

N/A

Legal Agent Benchmark

6.7%

N/A

Humanity's Last Exam no tools

56.6%

37.7%

BrowseComp

90.8%

N/A

LVBench

75.4%

N/A

Humanity's Last Exam no tools

56.6%

37.7%

GPQA Diamond

93.4%

N/A

Humanity's Last Exam with tools

63.6%

N/A

HLE-Verified

54.4%

N/A

FrontierMath Tier 4 (v2)

73.2%

N/A

ARC-AGI-3

30.2%

N/A

ARC-AGI-1

97.5%

N/A

ARC-AGI-2

90.4%

N/A

GPQA Diamond max

N/A

90.1%

Apex Shortlist high

N/A

85.5%

Apex Shortlist max

N/A

90.2%

Chinese-SimpleQA high

N/A

77.7%

Chinese-SimpleQA max

N/A

84.4%

CorpusQA 1M high

N/A

56.5%

CorpusQA 1M max

N/A

62%

GPQA Diamond high

N/A

89.1%

HMMT Feb. 2026 high

N/A

94%

HMMT Feb. 2026 max

N/A

95.2%

Humanity's Last Exam no tools, high

N/A

34.5%

Humanity's Last Exam no tools, max

N/A

37.7%

Humanity's Last Exam with tools, high

N/A

44.7%

Humanity's Last Exam with tools, max

N/A

48.2%

IFBench max

N/A

77%

IMOAnswerBench high

N/A

88%

IMOAnswerBench max

N/A

89.8%

MMLU-Pro high

N/A

87.1%

MMLU-Pro max

N/A

87.5%

MMMLU max

N/A

87.9%

MRCR 1M high

N/A

83.3%

MRCR 1M max

N/A

83.5%

SimpleQA-Verified high

N/A

46.2%

SimpleQA-Verified max

N/A

57.9%

Apex Shortlist non-think

N/A

9.2%

Chinese-SimpleQA non-think

N/A

75.8%

CorpusQA 1M non-think

N/A

35.6%

CritPt max

N/A

12.9%

Global PIQA max

N/A

90.5%

GPQA Diamond non-think

N/A

72.9%

HMMT Feb. 2026 non-think

N/A

31.7%

Humanity's Last Exam no tools, non-think

N/A

7.7%

IFEval max

N/A

91.9%

IMOAnswerBench non-think

N/A

35.3%

INCLUDE max

N/A

86.1%

MAXIFE max

N/A

88.9%

MMLU-Pro non-think

N/A

82.9%

MMLU-ProX max

N/A

83.9%

MMLU-Redux max

N/A

94.8%

MRCR 1M non-think

N/A

44.7%

MRCR v2 128K max

N/A

74.4%

NOVA-63 max

N/A

52.8%

PolyMATH max

N/A

72%

QwenWorldBench max

N/A

52.3%

SimpleQA-Verified non-think

N/A

45%

SuperGPQA max

N/A

69.9%

WMT24++ max

N/A

82.2%

NL2Repo

これを上回るモデルなし 75.3%

35.5%

SWE-Bench Pro

N/A

59%

DeepSWE 1.1

68.8%

N/A

Terminal-Bench 2.1

89.1%

N/A

SWE-bench Multilingual

N/A

76.2%

Terminal-bench 4.0

52.3%

N/A

Terminal-bench 3.0

これを上回るモデルなし 43.3%

N/A

FrontierCode 1.1 Main

48%

N/A

ProgramBench Almost Solved

これを上回るモデルなし 37%

N/A

Terminal Bench 2.0 Terminus 2

N/A

67.9%

FrontierCode 1.1 Extended

63.6%

N/A

CursorBench 3.2.0

70%

N/A

CursorBench 4.0

46.6%

N/A

Frontier-Bench v0.1

これを上回るモデルなし 43.3%

N/A

SWE-Bench Pro max

N/A

55.4%

Codeforces (Elo) high · 2816-3052 DeepSeek 公表 · 2026-08-26

N/A

2919

LiveCodeBench high

N/A

89.8%

LiveCodeBench max

N/A

93.5%

SWE-bench Multilingual max

N/A

76.2%

SWE-Bench Pro high

N/A

54.4%

SWE-bench Verified high

N/A

79.4%

SWE-bench Verified max

N/A

80.6%

Terminal Bench 2.0 high

N/A

63.3%

Terminal Bench 2.0 max

N/A

67.9%

Terminal Bench 2.0 Terminus 2, max

N/A

67.9%

Codeforces (Elo) max · 3052-3206 DeepSeek 公表 · 2026-08-26

N/A

3206

LiveCodeBench non-think

N/A

56.8%

NL2Repo max

N/A

35.5%

QwenSVGBench Elo, max · 1506-1541 Alibaba (Qwen) 公表 · 2026-08-26

N/A

1506

QwenWebDev (Elo) Elo, max · 1570-1617 Alibaba (Qwen) 公表 · 2026-08-26

N/A

1570

SWE-bench Multilingual non-think

N/A

69.8%

SWE-bench Multilingual high

N/A

74.1%

SWE-Bench Pro non-think

N/A

52.1%

SWE-bench Verified non-think

N/A

73.6%

Terminal Bench 2.0 non-think

N/A

59.1%

ベンダー公表値： Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

料金

	Claude Opus 5	DeepSeek V4 Pro	Δ
入力 / 100 万トークン	$5	$1.32	3.8×
出力 / 100 万トークン	$25	$3.96	6.3×
キャッシュ読み取り / 100 万トークン	$0.5	$0.132	3.8×
キャッシュ書き込み	1.25x (5m) / 2x (1h)	追加料金なし	-

ビルド時点の現行カタログの料金です。最新の料金表は各モデルのページに掲載しています。

両モデルの位置：100 万トークンあたりの入力料金（この課金単位のチャットモデル全 76 件、対数スケール）

Claude Opus 5 · $5 DeepSeek V4 Pro · $1.32

$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

対応機能

	Claude Opus 5	DeepSeek V4 Pro
ツール呼び出し	あり	あり
思考の制御	設定可能	設定可能
構造化出力	あり	あり
プロンプトキャッシュ	明示（プレフィックスを自分で指定）	自動（暗黙的）
キャッシュ保持時間	5m default, 1h option	no fixed TTL (evicted when unused)
キャッシュ対象の最小プレフィックス	1024 トークン	公表なし

仕様

	Claude Opus 5	DeepSeek V4 Pro
入力モダリティ	テキスト画像	テキスト
出力モダリティ	テキスト	テキスト
リリース	2026-07-24	2026-04-24
知識カットオフ	2026-05	-
コンテキストウィンドウ	1M	1M
最大出力	128K	393K
思考パラメータ	thinking.type output_config.effort	thinking.type reasoning_effort
指定可能な値	thinking.type adaptive disabled effort low medium high xhigh max	thinking.type enabled disabled reasoning_effort high max (low and medium map to high, xhigh maps to max)
デフォルト	thinking on effort high (Claude API and Claude Code)	enabled, with reasoning_effort high some complex agent requests are automatically set to max

仕様は各ベンダーのドキュメントから転記しています。ベンダーが公表していない項目は、推測で埋めずに省いています。出典の一覧： Claude Opus 5 · DeepSeek V4 Pro

1 つのプロンプトを両モデルで実行（ゲートウェイ経由で測定）

CFO 向けの推論バグのある関数の修正スキーマに沿った抽出制約付きの文章作成

プロンプト Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. チェックちょうど 3 文

Claude Opus 5 合格 · 3 sentences

When reasoning is enabled, the model generates a hidden chain of "thinking" tokens before it writes the visible answer, and those internal tokens are billed at the output rate even though no one ever sees them — commonly 3–10x more tokens than the response itself. Because output tokens are priced several times higher than input tokens, that added volume hits us at our most expensive rate, which is why the bill roughly doubled while our request count stayed flat. The spend is controllable: we can cap the reasoning budget per call, route only genuinely hard requests to reasoning mode and cheaper models for the rest, and track cost per successfully completed task rather than cost per token, since a single correct answer usually beats three cheap retries plus human cleanup.

出力 529 tok レイテンシ 9.0 s

DeepSeek V4 Pro 合格 · 3 sentences

Enabling reasoning causes the model to generate a lengthy internal chain‑of‑thought before it delivers a visible answer, and we are billed for every one of those hidden reasoning tokens just as we are for the final output. In most interactions, the volume of these unseen tokens at least equals the visible response, effectively doubling the total tokens consumed per query. That doubled token consumption translates directly into a doubled per‑query cost, which is why our overall LLM bill doubled.

出力 641 tok (+545 思考) レイテンシ 11.5 s

指示への忠実さ（ちょうど 3 文という、数えて確かめられる条件）、読み手に合わせた書き分け（CFO 向けの語り口）、そして下のトークンメーターに表れる、表示されない思考への課金の差。

プロンプト This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. チェック修正がテストを通る

Claude Opus 5 合格 · 8/8 cases

## Fixed version ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 if cur > best: best = cur return best ``` ## The bug The counters were tracking the wrong quantity: `cur` counted *matching adjacent pairs* rather than *elements in the current run*, and both counters started at `0` instead of `1`. Since a run of length *n* contains only *n − 1* adjacent equal pairs, every result came back one too small — `[1, 1]` returned 1, `[3, 3, 3]` returned 2 — and a single-element list returned 0 because the loop body never executed and `best` kept its initial value of `0`. […]

出力 1094 tok レイテンシ 16.1 s

DeepSeek V4 Pro 合格 · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` **Explanation:** The bug stems from initializing `cur = 0` and only incrementing it when two adjacent elements match, which counts the number of *additional* equal elements rather than the actual run length (which is `cur + 1`). As a result, the returned `best` is always one less than the true longest run—most obviously returning 0 for a single-element list instead of 1. […]

出力 2418 tok (+2131 思考) レイテンシ 35.6 s

修正が本当に正しいか（実行して確かめられる）、説明の密度、範囲の限られたタスクでのトークン効率。

プロンプト Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. チェック有効な JSON、スキーマに完全一致

Claude Opus 5 合格 · 5/5 fields, guidance "Withheld pending Q4 close"

```json { "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "Withheld pending Q4 close" } ``` Notes on judgment calls: - **quarter**: "September quarter" is labeled Q3 because the text refers to an upcoming "Q4 close," implying a calendar-aligned fiscal year. No fiscal year is given. - **revenue_usd_m**: 412 is stated as constant-currency and hedged ("call it"), so it's approximate; the currency is not explicitly stated as USD. - **growth_pct**: "up eleven and change" means slightly more than 11, so 11 is a floor rather than an exact figure.

出力 539 tok レイテンシ 7.6 s

DeepSeek V4 Pro 合格 · 5/5 fields, guidance null

{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": "eleven and change", "guidance": null }

出力 1204 tok (+1153 思考) レイテンシ 19.9 s

スキーマの遵守（存在しないフィールドを作らない）、ハルシネーションを誘う条件への耐性（guidance は明示的に伏せてある）、構造化出力の実現方法の違い。

プロンプト Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. チェック 120 語、禁止語 0

Claude Opus 5 合格 · 123 words, 0 banned, 1 question

**Cross-Provider Prompt Caching** We're introducing Cross-Provider Prompt Caching in the API Gateway. Repeated system prompts, long documents, and few-shot examples are stored once at the gateway layer and reused across OpenAI, Anthropic, Google, and self-hosted models. Instead of paying full input token costs on every request, your application sends a cache reference, and the gateway rehydrates the context before forwarding it downstream. Why does that matter? Teams running high-volume agents and retrieval pipelines typically see input token spend fall 40 to 70 percent, with median latency dropping by several hundred milliseconds. Caches are scoped per project, encrypted at rest, and invalidated automatically when a prompt template changes. Enable it with a single header, and see the docs for TTL tuning and per-route controls.

出力 1593 tok レイテンシ 19.1 s

DeepSeek V4 Pro 採点できる回答なし · no answer text within 16,384 tokens (all of it went to thinking)

モデルは回答テキストを返しませんでした。トークンの上限を、表示されない思考ですべて使い切ったためです。

出力 8193 tok (+8192 思考) レイテンシ 106.2 s

制約の遵守（語数の上限、禁止語リスト、疑問文はひとつだけ）、文体の癖、長さの制御。

1 行の変更で切り替え

以下のどのタブにも両方のモデル ID が入っています。書き換えるのはハイライトされた 2 行だけで、エンドポイント、キー、リクエスト形式はすべて同じです。

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="claude-opus-5",
    # model="deepseek-v4-pro",  # この行のコメントを外し、上の行をコメントアウト
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://synthorai.io/v1",
  apiKey: "sk-syn-...",
});

const resp = await client.chat.completions.create({
  model: "claude-opus-5",
  // model: "deepseek-v4-pro",  // この行のコメントを外し、上の行をコメントアウト
  messages: [{ role: "user", content: "Summarize this diff" }],
  reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);

curl https://synthorai.io/v1/chat/completions \
  -H "Authorization: Bearer sk-syn-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-5",
    # "model": "deepseek-v4-pro",  # この行のコメントを外し、上の行をコメントアウト
    "messages": [{"role": "user", "content": "Hello"}],
    "reasoning_effort": "medium"
  }'

package main

import (
	"context"
	"fmt"

	"github.com/openai/openai-go/v3"
	"github.com/openai/openai-go/v3/option"
)

func main() {
	client := openai.NewClient(
		option.WithBaseURL("https://synthorai.io/v1"),
		option.WithAPIKey("sk-syn-..."),
	)
	resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
		Model: "claude-opus-5",
		// Model: "deepseek-v4-pro",  // この行のコメントを外し、上の行をコメントアウト
		Messages: []openai.ChatCompletionMessageParamUnion{
			openai.UserMessage("Summarize this diff"),
		},
		ReasoningEffort: openai.ReasoningEffortMedium,
	})
	fmt.Println(resp.Choices[0].Message.Content)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

ChatCompletion resp = client.chat().completions().create(
    ChatCompletionCreateParams.builder()
        .model("claude-opus-5")
        // .model("deepseek-v4-pro")  // この行のコメントを外し、上の行をコメントアウト
        .addUserMessage("Summarize this diff")
        .reasoningEffort(ReasoningEffort.MEDIUM)
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

API キーを取得 →

よくある質問

Claude Opus 5 と DeepSeek V4 Pro ではどちらが安いですか？

入力 / 100 万トークンは DeepSeek V4 Pro のほうが安くなります（$1.32 対 $5、3.8 倍の差）。ほかの行では逆になることもあります。料金の全体は上の表に掲載しており、実際のコストは利用の内訳によって変わります。

Claude Opus 5 と DeepSeek V4 Pro の A/B テストは、実装を 2 つ用意せずにできますか？

はい。どちらも同じ OpenAI 互換エンドポイントから 1 つの API キーで利用できます。切り替えはモデル名の文字列を 1 行変えるだけなので、トラフィックの一部をそれぞれに振り分けて、請求額を直接比較できます。

Claude Opus 5 と DeepSeek V4 Pro はプロンプトキャッシュに対応していますか？

はい。どちらのモデルも、キャッシュ読み取りは通常の入力単価より安く課金されます。そのため、同じプレフィックスを繰り返し使うワークロードでは、定価から見込まれるよりコストが下がります。キャッシュ読み取りの正確な単価は、上の料金表に掲載しています。

当社の実測レポートより

GPT-6.1 Sol と Claude Sonnet 5.5：同じ $2/$10、タスク単価は半分過剰拒否の実測、原因の大半はモデルではなくベンチマーク Claude Opus 5.5 vs Opus 5：回答は同じ、出力 token は半分

ベンチマーク

料金

対応機能

仕様

1 つのプロンプトを両モデルで実行（ゲートウェイ経由で測定）

1 行の変更で切り替え

よくある質問

関連する比較

当社の実測レポートより