DeepSeek V4 Pro 0813 vs Claude Fable 5 on DeepSWE: Cost, Coding, and Routing

DeepSeek V4 Pro 0813 与 Claude Fable 5 在 DeepSWE 上的对比：成本、编码与路由

关键结论

优先运行 DeepSeek V4 Pro 0813，仅在失败时升级至 Claude Fable 5。这种级联方式以每项 8.28 美元的成本解决了 82.7% 的 DeepSWE 任务。单独使用 Fable 以每项 21.63 美元的成本解决 69.7% 的任务。Fable 的准确率高出 7 个百分点，但成本低 62%。

• 首次尝试 Fable 占优：69.7% 的 pass@1 对比 62.8%，领先 7 个百分点。
• 随后所有尝试中 Pro 占优：pass@2 相当（78.5% vs 77.1%），pass@4 时 Pro 高出 4.4 个百分点（88.5% vs 84.1%）。
• 价格差距达 90 倍：每轮 0.24 美元 vs 21.63 美元。每 100 美元支出，Pro 解决 260 项任务，Fable 仅解决 3 项。
• 失败任务类型不同：每项任务相关性仅 0.39，是目前测得的分歧最大的模型组合。两者共同覆盖 113 项任务中的 107 项，这种分歧正是路由机制生效的根本原因。

立即可用 · 美国托管

在 Together AI 上运行 DeepSeek-V4 Pro 0813

1.05M 上下文长度，支持函数调用和 JSON 模式，OpenAI 兼容 API，通过美国基础设施部署。

查看模型

‍

在 DeepSWE 基准测试中，我们对 DeepSeek V4 Pro 0813 与 Claude Fable 5 进行了对比。该基准测试通过多种任务类型和编程语言评估模型的软件工程能力。这两个模型在价格表上处于完全不同的位置：Claude Fable 5 是 DeepSWE 板上最昂贵的部署方案，而 DeepSeek V4 Pro 0813 是最便宜的选项之一。Fable 在首次尝试时准确率高出 7 个百分点，但每轮成本是 Pro 的 90 倍。因此真正的问题不是哪个模型更好，而是这 90 倍的价格溢价实际购买了什么，以及何时值得支付。

DeepSWE · 正面对比

DeepSeek V4 Pro 0813 与 Claude Fable 5 快速对比

| 模型 | pass@1 | 平均成本 | 每 100 美元解决数 | 输出 token | 步数 | |------|--------|----------|------------------|------------|------| | claude-fable-5 [max] | 69.7% ± 2.3% | $21.63 | 3 | 115k | 79 | | deepseek-v4-pro-0813 [max] | 62.8% ± 3.1% | $0.24 | 260 | 101k | 146 |

我们对 DeepSeek V4 Pro 0813（max）与 Claude Fable 5（max）在所有 113 个 DeepSWE 任务上进行了对比测试，每个任务进行四轮试验，总计 904 次部署（各 452 次）。Fable 是昂贵的工匠，Pro 是性价比突出的特例。这两个模型在所有配对中分歧最大，这也成为它们最引人注目的特点。以下所有数据均来自此次测试，因此可能与其他公开的 DeepSeek V4 Pro 0813 与 Claude Fable 5 对比结果存在差异。

DeepSWE 评分榜：pass@1 与 pass@k

单次尝试 Fable 领先：69.7% 的 pass@1 对比 Pro 的 62.8%（官方评分）。但这种领先优势并不稳固。两次尝试后 Pro 追平（78.5 vs 77.1），四次尝试时 Pro 的 88.5% pass@4 超出 Fable 的 84.1% 超过 4 个百分点。对于成本是其 90 倍的 Fable 来说，它既没有占据性能上限，也没有在多次尝试中保持首次尝试的优势。低成本模型在覆盖范围和最佳 k 次尝试表现上都更胜一筹。

成本对比：DeepSeek V4 Pro 0813 与 Claude Fable 5 定价

DeepSeek V4 Pro 0813 每次部署仅需 0.24 美元，是 Fable（21.63 美元）的 90 分之一：每 100 美元可解决 260 项任务，而 Fable 仅能解决 3 项。这是我们测得的最悬殊的成本差距，且 Fable 是板上最昂贵的配置。值得注意的是，较低的价格并未带来预期的速度惩罚：Fable 的中位部署耗时 31 分钟，Pro 为 35 分钟，基本持平。这是因为 Fable 是板上输出最冗长的模型（115k 输出 token），尽管它仅需 79 步（对比 Pro 的 146 步）。Pro 需要更多步骤，但 Fable 每步输出更多内容。两个模型在速度上并无显著差异。

失败模式：各模型出错方式

两者在避免破坏现有功能方面都表现得非常克制：DeepSeek V4 Pro 0813和Fable在回归测试套件时仅在11%的失败案例中出现退化，远低于GPT家族的20%。差异体现在另一个方向：Fable在此类任务中承担了最大的重大失误比例（18% vs Pro的10%），这意味着当Fable出错时，其错误往往更加严重，解决方案可能完全偏离正确方向，而非仅仅遗漏个别边界情况。Pro在接近正确答案的案例中表现更优（66%接近正确 vs Fable的57%）。因此两者都可以在不进行严格回归验证的情况下安全采用，但Fable的失误类型在调试成本上更高。

按任务类型划分的优势领域

Fable在需要严密推理和精确契约的任务领域展现出卓越工艺：在8个任务中赢得6个，其中数据建模和序列化以88%的准确率领先（比Pro高出24个百分点），语言内部机制也达到78%。但DeepSeek V4 Pro 0813在两个关键领域表现突出：有状态响应性（66% vs 64%）和并发性与持久性（58% vs 45%），后者恰好是Fable最薄弱的领域，Fable在此类任务中仅取得45%的准确率，这是唯一一个低成本模型在工程能力上超越Fable的领域。

DeepSeek V4 Pro 0813 vs Claude Fable 5 按编程语言对比

Fable在五种编程语言中赢得四种，但真正证明其价值的是Rust：85% vs Pro的65%，20个百分点的差距是所有对比中最大的单语言差距。Fable显然是序列化和Rust领域的专家。在其他语言中差距相对较小（Python 70% vs 60%，Go 71% vs 67%，JavaScript 75% vs 65%），而DeepSeek V4 Pro 0813甚至在TypeScript上以61% vs 57%取得优势。除Rust和序列化领域外，支付90倍价格的性价比难以成立。

DeepSeek V4 Pro 0813和Claude Fable 5的差异性

这是它们最显著的特性。任务间相关性仅为0.39，是所有DeepSeek-Pro组合中最低的，表明两者确实存在实质性分歧。两者共同解决88个任务，Pro单独解决12个，Fable单独解决7个，仅有6个任务两者均无法解决。它们的联合覆盖率达94.7%（107/113），分歧呈现双向性：DeepSeek V4 Pro 0813在awilix-async-container-initialization任务中四战全胜，而Fable完全无法解决；Fable则在四个任务中四战全胜，而Pro完全无法解决（包括koota-query-predicates和testem-bail-on-test-failure）。这种互补性而非冗余性，是真正的价值所在。

任务路由策略：组合投资方案

这种多样性加上价格差异使级联策略极具吸引力。先运行DeepSeek V4 Pro 0813，仅在测试套件拒绝答案时升级到Fable：每任务8.28美元的费用下，82.7%的任务可被解决。这比单独使用Fable（69.7%）高出13个百分点，且费用不到Fable每任务价格（21.63美元）的一半。低成本的初始阶段处理了大部分任务，因此Fable的高价仅适用于剩余的困难任务，这些任务还能获得独立的二次尝试。这种级联策略甚至超越了完美单次决策的神谕路由（78.8%）。顺序不可调换：先用Pro每任务8.28美元，先用Fable则需21.71美元，两者准确率相同。

实际意义

Fable 5是这张对比表中最难证明其作为默认模型合理性的模型：其部署成本是所有模型中最高的，首轮尝试的领先优势会被重试消除，且没有四轮尝试的性能上限优势。仅在两个特定领域值得购买：Rust（85%）和序列化密集型任务（88%），在这些领域其质量确实能合理证明其高价。

DeepSeek V4 Pro 0813 是一个截然不同的配置：首次尝试即可达到接近 Fable 的精度，具有更高的上限，失败模式表现相当或更优，且成本仅为 Fable 的 1/90，但放弃了 Rust 和精确合约领域。由于两者是迄今为止我们测量到的最多样化组合，Fable 最佳的使用方式不是作为默认模型，而是作为低成本 Pro 模型的后续升级选项，仅在少数真正需要 Rust 或序列化专家的任务中才付费使用。

数据表：DeepSeek V4 Pro 0813 与 Claude Fable 5 对比，完整结果

DeepSWE · 完整结果

指标

Pass@1（官方评分）

62.8%

69.7%

Pass@1（错误视为失败）

67.3%

Pass@2 / pass@4

78.5 / 88.5%

77.1 / 84.1%

覆盖率 / 可靠性

88.5 / 71.0%

84.1 / 82.0%

Solid（4/4）/ walls（0/4）

35 / 13

56 / 18

每轮部署成本 / 总成本

$0.24 / $109

$21.63 / $9,346

每 100 美元解决数

261

中位数分钟 / 步骤

35 / 146

31 / 79

中位数峰值上下文 / 输出 token

232k / 101k

202k / 115k

失败分析（接近成功 / 大失败 / 回归）

66% / 10% / 11%

57% / 18% / 11%

获胜领域（共 8 个）

2（有状态、并发）

6

获胜语言

1（TypeScript）

4（Rust 完胜）

每任务相关性 / 联合

0.39 / 107 of 113（94.7%）

Pro → Fable 级联（精度 / 成本）

82.7% / $8.28

（对比单独使用 Fable 69.7% / $21.63）

Oracle 1 次路由

78.8%

基础设施错误

0

16

常见问题

DeepSeek V4 Pro 0813 比 Claude Fable 5 更好吗？

这取决于具体指标。Claude Fable 5 在 DeepSWE 的单次尝试质量上领先（pass@1 69.7% vs 62.8%），且在四次尝试中解决任务的数量更多（56 vs 35）。DeepSeek V4 Pro 0813 在 pass@2 表现持平，在 pass@4 上以 88.5% vs 84.1% 超出，且每轮部署成本仅为 Fable 的 1/90，因此对于高吞吐量或可重试的代理工作来说，是更具性价比的选择。

DeepSeek V4 Pro 0813 比 Claude Fable 5 便宜多少？

在我们的测试中，DeepSeek V4 Pro 0813 每轮部署成本为 $0.24，而 Claude Fable 5 在最大努力模式下为 $21.63，成本相差约 90 倍。按每解决任务计算，Pro 每 100 美元可解决 260 个任务，而 Fable 仅能解决 3 个，效率相差约 80 倍。

对于编码任务，DeepSeek V4 Pro 0813 和 Claude Fable 5 哪个更好？

对于大多数编码任务，两者的差距小于价格差异。Claude Fable 5 在 Rust（85 vs 65）、Python、Go 和 JavaScript 上领先，并在 8 个任务领域中赢得 6 个，尤其擅长数据建模和序列化。DeepSeek V4 Pro 0813 在 TypeScript（61 vs 57）、有状态响应式编程以及并发和持久性（58 vs 45）上表现更优，而这些正是 Fable 的弱项领域。

是否应该在 DeepSeek V4 Pro 0813 和 Claude Fable 5 之间进行路由？

是的，如果你能验证结果。这两个模型是我们测量到的配对中每任务相关性最低的（0.39），但联合覆盖了 113 个任务中的 107 个。先运行 DeepSeek V4 Pro 0813，当测试套件拒绝其输出时升级到 Claude Fable 5，可达到每任务 $8.28 的 82.7% 准确率，优于单独使用 Fable 或完美的一次性路由 oracle。

DeepSWE 中的 pass@k 是什么？

pass@k 衡量在 k 次任务尝试中至少有一次通过隐藏测试套件。pass@1 奖励首次尝试就正确；更高的 k 值奖励那些经过多次尝试最终能解决问题的模型。随着 k 值增加，DeepSeek V4 Pro 0813 的优势会逐渐扩大。