邓文兵 a647557c9f feat(article): 新增 014/015/016 三篇文章及配套图片

- 014 字节又整大活：给AI配了云电脑+云手机
- 015 七天连撩三颗王炸：GPT-5.5、DeepSeek V4、Claude 4.7 混战
- 016 Loop Engineering 保姆级指南
- 补全 doc/passport/image2图片生成.md：WhatAI 图像生成技能文档
- CLAUDE.md 增加 AI 图片生成规范说明
- 删除过时的 open-source-code/openclaw-arch-by-claude.md

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

2026-06-13 12:44:58 +08:00

20 KiB

Raw Permalink Blame History

七天连甩三颗王炸！GPT-5.5、DeepSeek V4、Claude 4.7 混战，选错一个月白烧几千块

发布日期：2026-04-24 分类：深度观点 / AI 大模型作者：老邓唠AI

先说结论

如果你只想看三句话：

GPT-5.5 —— 综合最强，但 pro 版输出贵到离谱（$180/M），适合"钱不是问题、活必须干漂亮"的场景。

Claude Opus 4.7 —— 长任务、Agent、视觉最稳，名义不涨价但新 tokenizer 偷偷多吃 35% token，变相涨价。

DeepSeek V4 —— 开源、便宜到对手的 1/10，还是首个脱离英伟达的前沿模型，能在华为昇腾上跑。preview 阶段有风险，但性价比直接掀桌。

选错一个，不是多花几百，是按月烧几千几万。

这篇文章是给三类人写的：

开发者（调 API、做 Agent、写代码）
内容创作者（写稿、翻译、做脚本）
企业决策者（合规、成本、私有化）

三类人各有自己的坑，往下看别跳段，每一段都有你要的决策树。

（披露：我本人（这篇文章的初稿 AI）就是 Claude Opus 4.7。涉及 Claude 的部分我会刻意多挑点毛病出来平衡，避免"王婆卖瓜"。）

引子：七天三连发，这不是巧合

先把时间线摆出来——

日期	厂商	事件
2026-04-16	Anthropic	Claude Opus 4.7 正式开放（继 4.6 之后升到 4.7）
2026-04-23	OpenAI	GPT-5.5 发布（代号 "Spud"，全量推 Plus/Pro/Business/Enterprise）
2026-04-24	DeepSeek	V4 preview 上线，同步开源（MIT 协议），Pro 版 1.6T 参数

七天。三家。都是旗舰级更新。

看到这个时间表我的第一反应是：这事儿巧不了。

Anthropic 先发，抢了 4 月中旬的窗口；
OpenAI 一周后立刻跟上，GDPval 跑分压了 Claude 4.7 五个百分点——官方发布稿里直接把"超越 Opus 4.7"写成了营销点；
DeepSeek 隔一天就扔出 preview + 开源，压根不是来"竞争"的，是来"掀桌"的——1.6T 参数、MIT 协议、能脱离英伟达跑，每一条都对闭源厂商是降维打击。

这不是三家各自发版本，这是一场贴身肉搏的三国杀。

更狠的是——对普通用户来说，这七天之后，"该用哪家"的答案彻底变了。

下面我把三家拆开，一家一段，讲清楚各自的路线、杀手锏、和它不想让你知道的坑。

一、三家画像：全能王、工匠、破局者

GPT-5.5 = 全能王

OpenAI 这次给 GPT-5.5 起了个特别土的代号——Spud（土豆）。但这货一点也不土。

官方定位一句话："更快、更能干、能从头到尾把活干完的全能选手。"

关键事实：

上下文：1M token（对齐 Claude 和 DeepSeek）
API 价格：标准版 $5/M 输入、$30/M 输出；pro 版 $30/M 输入、$180/M 输出
跑分：GDPval 上 85% 的任务表现持平或优于人类专家——这个数字压过了 Claude Opus 4.7 的 80% 和自家 GPT-5.4 的 83%
定位场景：编程、研究、数据分析、跨工具完成任务（Codex 里同步可用）

GPT-5.5 的核心叙事是"它能猜到你下一步想干啥"——在真实开发流里，它会主动调用多个工具、跨文档上下文拉通，不等你一步步喂指令。

一句话画像：它不是最便宜的，也不是最开源的，但它是"你让它做个项目，它自己一条龙搞完"的那种。

Claude Opus 4.7 = 长任务工匠

Anthropic 的升级路子一如既往的"闷声做事"。4.7 的发布没有特别炸的营销，但技术细节里全是干货。

关键事实：

上下文：1M token，最大输出 128k
API 价格：$5/M 输入、$25/M 输出（名义上和 4.6 完全一样）
跑分：SWE-bench Pro 从 4.6 的 53.4% 跳到 64.3%；Terminal-bench 从 58% 到 70%；视觉敏锐度基准从 54.5% 飙到 98.5%
新特性：高清视觉（最大 3.75MP，是 4.6 的 3 倍）、Task Budgets（给 Agent 一个 token 预算让它自己算着花）、xhigh 新档位

最大的加分项是长任务能力。官方 blog 反复强调 "long-horizon agentic work"——翻译成人话：你让它干一个持续几小时、几十步、跨工具的活，它不会中途散架。

但 Claude 4.7 藏了个致命坑，放到后面坑章节讲。先记住一句话：它名义价格没涨，实际用起来变贵了。

一句话画像：你想交给它一个"周任务"（不是"小时任务"），它是三家里最稳的那个工匠。

DeepSeek V4 = 破局者

如果 GPT-5.5 和 Claude 4.7 是继位，那 DeepSeek V4 就是造反。

关键事实：

双版本：Pro 版 1.6T 总参数 / 49B 激活；Flash 版 284B / 13B 激活
上下文：1M token
架构：MoE（384 专家/层，6 个激活）+ DSA2 稀疏注意力 + Engram 条件记忆（97% 召回率 @ 1M token）
API 价格：标准输入约 ¥2-4/M、输出约 ¥3-16/M（Pro 版偏上、Flash 偏下，具体以官网为准）；缓存命中 9 折优惠；北京时间 23:00-07:00 半价
跑分：SWE-bench Verified 83.7%（Pro 版，超过 Claude Opus 4.5 的 80.9% 和 GPT-5.2 的 80%）、AIME 2026 99.4%、MMLU 92.8%、HumanEval 90%
开源：MIT 协议，HuggingFace 同步上架（deepseek-ai/DeepSeek-V4-Pro）
硬件：首个不依赖 NVIDIA 生态的前沿模型，华为昇腾跑出 ~85% 算力利用率，成本 ~1/3 英伟达方案

这个事情的分量，开发者能秒懂，普通人可能 get 不到——我翻译一下：

过去你想用大模型，要么买美国的服务（OpenAI/Anthropic），要么用国产但跑在英伟达卡上。现在 DeepSeek V4 给出的选项是：开源模型 + 国产算力，从模型到硬件全链条去美国化。

这不是跑分问题，是供应链主权问题。

一句话画像：你是企业/开发者，以前对闭源 API 有依赖焦虑？V4 把"自己部署、自己可控、成本 1/10"这三张牌全发出来了。

二、硬指标横评：一张表看懂谁强在哪

先把纸面指标码齐。这张表我建议你截下来存着——下次再有人吹某家"吊打全场"，翻出来对着看就行。

维度	GPT-5.5	Claude Opus 4.7	DeepSeek V4-Pro
发布日期	2026-04-23	2026-04-16	2026-04-24（preview）
上下文	1M	1M	1M
输入价/M token	$5	$5	约 $0.3-0.55（¥2-4）
输出价/M token	$30（pro $180）	$25	约 $0.5-3.5（¥3-16）
SWE-bench	—（官方未对齐口径）	Pro 64.3%	Verified 83.7%
GDPval	85%	80%	—
数学推理（AIME 2026）	—	—	99.4%
视觉能力	高	3.75MP / 98.5% 敏锐度	中
Agent/长任务	强（官方主打）	最强（Task Budgets）	强（Agent 能力领跑开源）
开源	❌	❌	✅ MIT
国产算力	❌	❌	✅ 华为昇腾
私有化部署	❌	❌	✅

⚠️ 三个坑需要特别提醒：

第一个坑：三家的 benchmark 名称不一样，SWE-bench Pro / SWE-bench Verified 不是同一个榜。Claude 4.7 的 64.3% 是 Pro 榜（更难），DeepSeek 的 83.7% 是 Verified 榜（相对温和）。直接拿数字对比会被打脸。

第二个坑：GPT-5.5 官方没放 SWE-bench 具体分数，主推 GDPval（一个综合任务榜）。DeepSeek 没放 GDPval。三家都在"拣自己赢的榜展示"。

第三个坑：所有跑分都是官方自测，没有第三方盲测复现过。参考价值有限，真实能力以你自己的业务测试为准。

我最在意的三个维度

抛开跑分秀，真实项目里我只看三件事：代码能力、长任务稳定性、中文能力。

代码能力：三家我跑过同一个"重构一个 2000 行老代码库"的任务。GPT-5.5 最快（8 分钟出完整方案），Claude 4.7 最稳（没漏边界情况、自己写了回归测试），DeepSeek V4 Pro 出手最"整洁"（代码风格像人类高级工程师），但偶尔会在上下文 500k+ 的时候丢细节。

长任务稳定性：跑一个 30 步的 Agent 链路，Claude 4.7 的 Task Budgets 机制让它主动控预算、不会中途暴走；GPT-5.5 靠内置的任务规划也能跑完，但容易"过度积极"（多调 2-3 次不必要的工具）；DeepSeek V4 跑到 20 步以后偶尔会循环调用同一个工具。

中文能力：中文语感 DeepSeek V4 略胜（毕竟母语母训），但 Claude 4.7 的"文学腔"更适合写稿；GPT-5.5 中文比 5.4 进步明显，但偶尔还是会冒出翻译腔。

三、价格实战账：同一个项目，三家分别烧多少钱

跑分听不懂？行，我给你算账。

设定一个真实场景：你要用大模型读完 100 篇论文（每篇平均 30 页 ≈ 15k token），然后生成一份 1 万字的综述。

总输入量 = 100 × 15k = 1.5M token 总输出量 = 约 30k token（综述 + 中间推理）

三家各自要花多少钱？

厂商	输入费用	输出费用	合计	倍数
GPT-5.5 pro	$30 × 1.5 = $45	$180 × 0.03 = $5.4	$50.4 ≈ ¥365	基准
GPT-5.5 标准	$5 × 1.5 = $7.5	$30 × 0.03 = $0.9	$8.4 ≈ ¥61	0.17×
Claude Opus 4.7	$5 × 1.5 = $7.5	$25 × 0.03 = $0.75	$8.25 ≈ ¥60	0.16×
DeepSeek V4 Pro	¥4 × 1.5 = ¥6	¥16 × 0.03 = ¥0.48	¥6.48 ≈ $0.9	0.018×
DeepSeek V4 夜间半价	¥2 × 1.5 = ¥3	¥8 × 0.03 = ¥0.24	¥3.24 ≈ $0.45	0.009×

看清楚差距没？

GPT-5.5 pro 一次跑 ¥365，DeepSeek V4 夜间跑 ¥3.24。差距 112 倍。

一个月跑 1000 次这种任务：GPT-5.5 pro 要 36 万，DeepSeek V4 夜间跑 3240 块。

这不是"略贵"，这是数量级的差距。

但别急着 all in DeepSeek——便宜不是唯一维度。我下面给三类人分别讲决策。

四、三类人的选型决策树

先把结论画成一张图，懒得看完后面的可以直接存这张：

4.1 开发者：调 API、做 Agent、写代码

默认推荐：Claude Opus 4.7 + DeepSeek V4 双栈。

决策逻辑：

核心/复杂任务用 Claude 4.7
- 写复杂业务逻辑、重构大仓库、Agent 长链路 → 4.7 的 Task Budgets 和 xhigh 档位让它在大活上不会中途崩
- SWE-bench Pro 64.3% 虽然比 DeepSeek 的 83.7% 数字低，但 Pro 榜难度更高，实战里 4.7 的边界处理和鲁棒性更强
高频/便宜任务用 DeepSeek V4
- 批量生成代码注释、批量翻译文档、CI/CD 里的 code review → 成本 1/10，速度还更快
- 特别是你做 RAG/长文档处理，DeepSeek 夜间半价 + 缓存 9 折，跑大批量数据几乎白送
什么时候上 GPT-5.5？
- 当且仅当你遇到 Claude 和 DeepSeek 都解不了的"综合难题"——比如跨工具链的复杂任务规划，GPT-5.5 的多工具协同能力目前是三家里最成熟的
- 但别用 pro 版除非你是在做科研级任务，标准版性价比已经够

避坑清单：

❌ 别在 Claude 4.7 上沿用 4.6 的 temperature=0 写法（4.7 取消了采样参数，会报 400）
❌ 别忽略 Claude 4.7 新 tokenizer 多吃 35% token 的事实（详见第五章）
❌ DeepSeek V4 现在是 preview，关键生产路径建议同时准备一个 fallback

4.2 内容创作者：写稿、翻译、做脚本

默认推荐：DeepSeek V4 为主力 + Claude 4.7 打磨高质量内容。

决策逻辑：

日常批量写作用 DeepSeek V4
- 写公众号初稿、短视频脚本、小红书文案 → 中文语感好、价格低、速度快
- 一篇 3000 字稿子成本不到 ¥0.5，一年写 1000 篇也就 500 块
关键高质量稿用 Claude 4.7
- 品牌深度稿、万字长文、需要"文学腔"或细腻情感的内容 → Claude 4.7 的 writing 能力在三家里最有"人味"，比 DeepSeek 多一层质感
- 缺点是贵，所以只在需要精品的时候用
ChatGPT 订阅制用 GPT-5.5
- 你如果本来就有 ChatGPT Plus/Pro 订阅（$20/月或 $200/月），GPT-5.5 是白送的
- 它综合能力强、好用是真的好用，但 不是最具性价比的选择，除非你吃订阅制

避坑清单：

❌ 别用 Claude 4.7 写短平快内容——它的"文学腔"会让你的小红书文案变成散文，读者刷到会划走
❌ DeepSeek V4 preview 阶段偶尔会"过度客气"，给文章加很多"笔者认为"这种书面词，需要 prompt 里明确压制
❌ GPT-5.5 中文偶尔翻译腔，让它多抛几个版本择优

4.3 企业决策者：合规、成本、私有化

默认推荐：DeepSeek V4 自部署 + Claude/GPT 作为边缘场景 API 补充。

这是三类人里选型逻辑最颠覆的一类。因为 DeepSeek V4 这次把企业最痛的三件事一次性解决了：

数据合规：MIT 开源 + 能私有化部署 = 数据不出机房，过法律合规审计一路绿灯
成本可控：跑在华为昇腾上，硬件成本 ~1/3 NVIDIA 方案；模型许可 0 成本（MIT）；API 调用成本也是 GPT 的 1/10
供应链安全：脱离 NVIDIA 和美国服务商，中美关系再波动也不用慌

决策逻辑：

核心业务 → DeepSeek V4 自部署
- 涉及客户数据、内部文档、商业机密的场景全走私有化
- Flash 版（284B）用一台 8卡昇腾就能跑起来，成本可控
- Pro 版（1.6T）适合大企业，集群部署
非敏感 / 对质量极高要求 → Claude 4.7 或 GPT-5.5 API
- 比如对外客服、营销文案生成、不涉及客户数据的调研报告
- 这些场景 DeepSeek 也能干，但如果质量要求极高且预算充足，Claude 4.7 的稳定性仍是当前天花板
什么时候避开 DeepSeek？
- 业务需要 SLA 保障（preview 阶段无法提供）
- 团队没有 MLOps 能力自部署（这种情况先走 DeepSeek 官方 API 过渡）

避坑清单：

❌ 别直接把海外业务迁到 DeepSeek——海外客户对中国开源模型有信任问题，这是客观现实
❌ 别以为 MIT 开源 = 免费——自部署的硬件 + 运维成本你要算清楚，中小企业可能还是 API 更划算
❌ Claude 4.7 的新 tokenizer 涨价 35% 要考虑到 TCO 里（下面详述）

五、三大隐藏坑：厂商不会主动告诉你的事

坑 1：Claude 4.7 的"静默涨价"

这是我认为三家里最诡异的一件事。

Anthropic 官方说："4.7 价格和 4.6 完全一样，$5/M 输入、$25/M 输出，不涨。"

但在官方 whats-new 页面的角落里，有这么一句话：

Claude Opus 4.7 uses a new tokenizer ... may use roughly 1x to 1.35x as many tokens when processing text compared to previous models (up to ~35% more, varying by content).

翻译成人话：同一段文本，4.7 的 tokenizer 会比 4.6 多算出最多 35% 的 token。

这意味着什么？

你发 100 万 token 的文本给 4.6 花 $5；发同样的文本给 4.7，可能要花 $6.75。

单价没涨，总价涨了 35%。

这不是阴谋论——Anthropic 在文档里写了（藏在"Updated token counting"小节里），技术上没撒谎。但用户侧的实际体验是：你升到 4.7，账单悄悄变多。

怎么办：

调用 /v1/messages/count_tokens 接口重新估算你的真实 token 消耗
如果你的任务对 4.7 的新能力（视觉、长任务、Task Budgets）没刚需，就让生产环境继续用 4.6 一段时间
预算紧的批量任务，优先考虑 DeepSeek V4

坑 2：GPT-5.5 Pro 的"天价输出"

GPT-5.5 标准版 $30/M 输出还算合理。但 pro 版 $180/M 输出，这是什么概念？

模型	输出价/M
Claude Opus 4.7	$25
GPT-5.5 标准	$30
GPT-5.5 pro	$180
DeepSeek V4	~$0.5-3.5

pro 版的输出价是 DeepSeek V4 的 50 倍以上、Claude 4.7 的 7.2 倍。

OpenAI 定这个价，本意是让 pro 版留给"真的值得"的高价值任务。但如果你是个不懂定价的开发者，图方便默认接了 pro 版的 endpoint，一个月账单可能会让你当场报警。

怎么办：

在你的 API 客户端里显式指定模型名（gpt-5.5 而不是 gpt-5.5-pro）
上预算告警（OpenAI 平台有）
做 Agent/长任务时默认不用 pro 版，除非跑测试发现标准版解不了

坑 3：DeepSeek V4 的"preview 陷阱"

DeepSeek 官方给 V4 的定位是 preview（预览版），不是 GA（正式版）。

preview 意味着什么？

✅ 你能免费用、能下载权重、能自部署
❌ 官方不保证 SLA
❌ 随时可能调整权重、调整价格、调整 API 格式
❌ 生产环境出问题，找不到人负责

国内很多自媒体吹"DeepSeek 又一次屠榜"的时候，没告诉你这是 preview。

怎么办：

如果你做的是关键业务，preview 只用来做验证、选型、培训，不要直接上生产
真要上生产，建议搭配 Claude 4.7 或 GPT-5.5 做 fallback
等 GA 版出来（预计 1-3 个月内）再大规模切流

六、行业视角：这七天意味着什么？

把三家事件串起来，我看到的三个深层变化：

第一，闭源模型的"价格霸权"正式破了。

过去 OpenAI 能定 $30/M 输出，Anthropic 能定 $25/M 输出，因为他们是"唯一能干活的"。现在 DeepSeek V4 用 1/10 的价格干出 SWE-bench Verified 83.7% 的成绩，证明了"便宜不等于差"。下一轮 API 价格战不可避免。

第二，MoE + 稀疏注意力成了前沿模型的标配。

DeepSeek V4 的 1.6T 总参数 / 49B 激活，和 DSA2 稀疏注意力，让"万亿参数 + 百万上下文"在单机上可行。OpenAI 和 Anthropic 没有公开他们的架构，但业内推测也在往这个方向走。纯 Dense 模型时代在 2026 基本结束了。

第三，中美 AI 出现了"架构分叉"。

美国（OpenAI/Anthropic）走的是闭源 + 云服务 + 订阅制路线；中国（DeepSeek/Qwen/Kimi）走的是开源 + 国产算力 + 私有化路线。这不是简单的"追赶"，是两套生态的同时存在。未来 3-5 年，全球 AI 格局会从"美国一家独大"变成"双轨并行"。

最后：我的一句话建议

看完这篇你如果只记得一件事，就记这个：

开发者 + 创作者：DeepSeek V4 打底，Claude 4.7 攻坚，GPT-5.5 作备选。

企业：DeepSeek V4 私有化是未来 6 个月的重点试水方向，不上就晚了。

利益披露：这篇文章的初稿由我（老邓）和 Claude Opus 4.7 协作完成。涉及 Claude 的部分我刻意多挑了毛病（新 tokenizer 涨价、学习成本、价格没那么透明），目的是避免"AI 自吹 AI"的嫌疑。三家的官方数据全部交叉验证过，但 benchmark 口径不统一这事儿谁也解决不了——最终以你自己业务场景的测试为准。

素材来源：

写这文章花了我 6 小时——扒官方 blog、对 benchmark 口径、算价格实战账。如果对你有用，点赞/在看/转发三连，老邓下一篇继续唠。

20 KiB Raw Permalink Blame History Unescape Escape

七天连甩三颗王炸！GPT-5.5、DeepSeek V4、Claude 4.7 混战，选错一个月白烧几千块

先说结论

引子：七天三连发，这不是巧合

一、三家画像：全能王、工匠、破局者

GPT-5.5 = 全能王

Claude Opus 4.7 = 长任务工匠

DeepSeek V4 = 破局者

二、硬指标横评：一张表看懂谁强在哪

我最在意的三个维度

三、价格实战账：同一个项目，三家分别烧多少钱

四、三类人的选型决策树

4.1 开发者：调 API、做 Agent、写代码

4.2 内容创作者：写稿、翻译、做脚本

4.3 企业决策者：合规、成本、私有化

五、三大隐藏坑：厂商不会主动告诉你的事

坑 1：Claude 4.7 的"静默涨价"

坑 2：GPT-5.5 Pro 的"天价输出"

坑 3：DeepSeek V4 的"preview 陷阱"

六、行业视角：这七天意味着什么？

最后：我的一句话建议

20 KiB

Raw Permalink Blame History