Claude Opus 5 vs DeepSeek V4 Pro: 가격 및 사양 실측 비교

언제 어떤 모델을 쓸까

둘 다 1000000 토큰 컨텍스트를 공유하고 사고를 끌 수 있으므로 차이는 모달리티와 요금표입니다. claude-opus-5는 텍스트 외에 이미지 입력을 받고 명시적인 사고 능력을 갖췄고, deepseek-v4-pro는 텍스트 전용이지만 입력이 약 3.8배($1.32 대 $5), 출력이 약 6.3배($3.96 대 $25), 캐시 읽기가 약 3.8배($0.132 대 $0.5) 저렴합니다. 프롬프트에 스크린샷이나 도표가 들어가면 claude-opus-5를, 대량 텍스트와 코드 작업에는 deepseek-v4-pro를 고르세요. 후자의 393216 토큰 최대 출력은 128000 상한도 넘어섭니다.

벤치마크

평균 상회최고 점수Claude Opus 538 ~~/ 46~~8 ~~/ 46~~DeepSeek V4 Pro5 ~~/ 10~~0 ~~/ 10~~

Claude Opus 5 DeepSeek V4 Pro 측정된 다른 모델 다른 모델 평균 ★ 더 높은 점수를 낸 모델 없음

NL2Repo

더 높은 점수를 낸 모델 없음 75.3%

35.5%

BioMysteryBench hard

49.4%

N/A

OSWorld 2.0

더 높은 점수를 낸 모델 없음 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

더 높은 점수를 낸 모델 없음 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

더 높은 점수를 낸 모델 없음 43.3%

N/A

FrontierCode 1.1 Main

48%

N/A

ProgramBench Almost Solved

더 높은 점수를 낸 모델 없음 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

더 높은 점수를 낸 모델 없음 43.3%

N/A

SWE-Bench Pro max

N/A

55.4%

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

N/A

1506

QwenWebDev (Elo) Elo, max · 1570-1617 Alibaba (Qwen) 공개 · 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%

공급자 공개 자료: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

가격

	Claude Opus 5	DeepSeek V4 Pro	Δ
입력 / 1M 토큰	$5	$1.32	3.8×
출력 / 1M 토큰	$25	$3.96	6.3×
캐시 읽기 / 1M 토큰	$0.5	$0.132	3.8×
캐시 쓰기	1.25x (5m) / 2x (1h)	별도 요금 없음	-

빌드 시점에 실시간 카탈로그에서 가져온 요금입니다. 현재 요금은 각 모델 페이지에서 확인할 수 있습니다.

가격 위치: 이 과금 단위를 쓰는 채팅 모델 76개 전체의 1M 토큰당 입력 가격(로그 스케일)

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

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

기능

	Claude Opus 5	DeepSeek V4 Pro
도구 사용	지원	지원
사고 제어	설정 가능	설정 가능
구조화된 출력	지원	지원
프롬프트 캐싱	명시적(접두사 직접 지정)	암시적(자동)
캐시 수명	5m default, 1h option	no fixed TTL (evicted when unused)
최소 캐시 접두사	1024 토큰	미공개

사양

	Claude Opus 5	DeepSeek V4 Pro
입력 모달리티	텍스트 이미지	텍스트
출력 모달리티	텍스트	텍스트
출시일	2026-07-24	2026-04-24
지식 컷오프	2026-05	-
컨텍스트 윈도우	1M	1M
최대 출력	128K	393K
사고 파라미터	thinking.type output_config.effort	thinking.type reasoning_effort
허용 값	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)
기본값	thinking on effort high (Claude API and Claude Code)	enabled, with reasoning_effort high some complex agent requests are automatically set to max

사양은 각 공급자의 문서에서 그대로 옮겨 적었습니다. 공급자가 공개하지 않은 항목은 추정해 채우지 않고 뺐습니다. 전체 출처: Claude Opus 5 · DeepSeek V4 Pro

같은 프롬프트, 두 모델: 게이트웨이를 거쳐 측정

CFO를 위한 추론 버그가 있는 함수 수정 스키마에 맞춰 추출 제약 조건에 맞춰 작성

프롬프트 Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. 검증 정확히 3문장

Claude Opus 5 통과 · 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.

출력 529 tok 지연 시간 9.0 s

DeepSeek V4 Pro 통과 · 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.

출력 641 tok (+545 사고) 지연 시간 11.5 s

지시 준수(정확히 세 문장이라 셀 수 있음), 독자에 맞춘 어조(CFO 대상), 아래 토큰 미터에 드러나는 숨은 사고 토큰 과금 차이를 봅니다.

프롬프트 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. 검증 수정 후 테스트 통과

Claude Opus 5 통과 · 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`. […]

출력 1094 tok 지연 시간 16.1 s

DeepSeek V4 Pro 통과 · 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. […]

출력 2418 tok (+2131 사고) 지연 시간 35.6 s

수정이 실제로 맞는지(실행되는지), 설명이 얼마나 압축적인지, 범위가 정해진 작업에서 토큰을 얼마나 효율적으로 쓰는지를 봅니다.

프롬프트 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. 검증 유효한 JSON, 스키마와 정확히 일치

Claude Opus 5 통과 · 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.

출력 539 tok 지연 시간 7.6 s

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

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

출력 1204 tok (+1153 사고) 지연 시간 19.9 s

스키마 준수(없는 필드를 지어내지 않는지), 환각을 유도하는 조건에서의 대응(guidance 값을 일부러 주지 않음), 구조화된 출력 경로의 차이를 봅니다.

프롬프트 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. 검증 120단어, 금지어 0개

Claude Opus 5 통과 · 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.

출력 1593 tok 지연 시간 19.1 s

DeepSeek V4 Pro 채점할 답변 없음 · no answer text within 16,384 tokens (all of it went to thinking)

모델이 답변 텍스트를 반환하지 않았습니다. 토큰 예산을 전부 숨겨진 사고 과정에 썼기 때문입니다.

출력 8193 tok (+8192 사고) 지연 시간 106.2 s

제약 준수(단어 수 제한, 금지어 목록, 의문문 하나), 문체의 특징, 길이 조절을 봅니다.

코드 한 줄로 모델 전환

아래 탭마다 두 모델 id가 모두 들어 있습니다. 바꿀 곳은 강조된 두 줄뿐이고, 엔드포인트, 키, 요청 형식은 그대로입니다.

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",  # 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
    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",  // 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
  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",  # 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
    "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",  // 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
		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")  // 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
        .addUserMessage("Summarize this diff")
        .reasoningEffort(ReasoningEffort.MEDIUM)
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

API 키 받기 →

자주 묻는 질문

Claude Opus 5 vs DeepSeek V4 Pro, 어느 쪽이 더 저렴한가요?

입력 / 1M 토큰 기준으로는 DeepSeek V4 Pro 쪽이 더 저렴합니다($1.32 대 $5, 3.8배 차이). 다른 항목에서는 반대일 수 있습니다. 전체 요금은 위 표에 있으며, 실제 비용은 사용 패턴에 따라 달라집니다.

연동을 두 번 하지 않고도 Claude Opus 5 vs DeepSeek V4 Pro A/B 테스트를 할 수 있나요?

네. 두 모델 모두 API 키 하나로 같은 OpenAI 호환 엔드포인트에서 호출합니다. 모델 문자열 한 줄만 바꾸면 전환되므로, 트래픽 일부를 각 모델로 보내 청구 금액을 직접 비교할 수 있습니다.

Claude Opus 5, DeepSeek V4 Pro 모두 프롬프트 캐싱을 지원하나요?

네. 두 모델 모두 캐시 읽기를 입력 요금보다 낮게 과금하므로, 같은 접두사를 반복해 쓰는 워크로드는 정가로 계산한 것보다 비용이 적게 듭니다. 정확한 캐시 읽기 요금은 위 가격표에 있습니다.

직접 측정한 자료

GPT-6.1 Sol vs Claude Sonnet 5.5: 같은 $2/$10, 작업당 비용 절반 과도한 거부의 실체: 모델보다 벤치마크가 문제였다 Claude Opus 5.5 vs Opus 5: 같은 답, 출력 token은 절반

벤치마크

가격

기능

사양

같은 프롬프트, 두 모델: 게이트웨이를 거쳐 측정

코드 한 줄로 모델 전환

자주 묻는 질문

관련 비교

직접 측정한 자료