DeepSeek 与 Claude 编程能力对比评测

罗本

— 6 min read

大语言模型已经不只是聊天工具，越来越多的开发者开始尝试将 AI 接入自己的工作流，直接让模型写代码、修 Bug、生成测试。在中文社区里，DeepSeek 和 Claude 是两款讨论度极高的模型，一个以极致的性价比和强大的推理能力见长，另一个则被普遍认为在代码生成和长上下文理解方面有独特的优雅感。这次我挑选了几个常见的编程任务，把 DeepSeek-V3 和 Claude 3.5 Sonnet 放在同一个场景下对比，看看它们在真实开发中的表现到底有什么区别。为了公平，所有测试均关闭联网搜索，温度参数设为 0，通过同一个 API 接口调用。

## 评测任务与调用方式

我选了两个有代表性的任务：第一个是基础算法实现——用 Python 写一个支持过期时间的 LRU 缓存；第二个更贴近实际业务——用 Node.js 实现一个带有自动重试与指数退避的 HTTP 请求函数。每个任务都要求输出完整可运行的代码、关键注释和简单的使用示例。模型调用通过 TokenPocket API 中转站统一接入，后文会细说。

## 任务一：带过期时间的 LRU 缓存

需求很明确：基于 `OrderedDict` 实现一个 `TTL LRU Cache`，支持 `get` 和 `put` 操作，每个键在插入时可以指定过期秒数，获取已过期的键应自动删除并返回 `-1`。

**DeepSeek 输出片段：** ```python from collections import OrderedDict import time

class TTLLRUCache: def __init__(self, capacity: int): self.capacity = capacity self.cache = OrderedDict() self.expire_times = {}

def get(self, key: int) -> int: if key not in self.cache: return -1 if time.time() > self.expire_times[key]: self.cache.pop(key) del self.expire_times[key] return -1 self.cache.move_to_end(key) return self.cache[key]

def put(self, key: int, value: int, ttl: int = 60) -> None: if key in self.cache: self.cache.move_to_end(key) self.cache[key] = value self.expire_times[key] = time.time() + ttl if len(self.cache) > self.capacity: oldest = next(iter(self.cache)) self.cache.pop(oldest) del self.expire_times[oldest] ```

**Claude 输出片段：** ```python from collections import OrderedDict import time

class TTLLRUCache: def __init__(self, capacity: int): self.capacity = capacity self.store = OrderedDict() self.expiry = {}

def _clean_expired(self): now = time.time() expired = [k for k, t in self.expiry.items() if t <= now] for k in expired: self.store.pop(k, None) self.expiry.pop(k, None)

def get(self, key: int) -> int: self._clean_expired() if key not in self.store: return -1 self.store.move_to_end(key) return self.store[key]

def put(self, key: int, value: int, ttl: int = 60) -> None: self._clean_expired() if key in self.store: self.store.move_to_end(key) self.store[key] = value self.expiry[key] = time.time() + ttl if len(self.store) > self.capacity: oldest = next(iter(self.store)) self.store.pop(oldest) self.expiry.pop(oldest, None) ```

### 分析 - **正确性**：两者都实现了核心逻辑。DeepSeek 直接在 `get` 里检查单个键过期，这种方式在并发不高时非常高效；Claude 则引入了 `_clean_expired()` 批量清理过期项，更贴合“缓存自动清理”的思路，也避免了过期键在字典中残留过久。 - **边界处理**：Claude 的代码在清理时使用了 `pop(key, None)`，防止键已经不存在时抛出异常；DeepSeek 在 `put` 淘汰最老键时未用安全删除，但逻辑上因为刚检查过，键一定存在，也算合理。 - **代码风格**：Claude 的注释和结构更工整，函数职责分离清晰；DeepSeek 的实现更直接，更适合追求简明逻辑的开发者。

## 任务二：带重试机制的 HTTP 请求函数

要求用 Node.js 写一个 `fetchWithRetry` 函数，支持最大重试次数、指数退避，并且在遇到 5xx 或网络错误时重试，其他错误直接抛出。

**DeepSeek 实现：** ```javascript async function fetchWithRetry(url, options = {}, maxRetries = 3, baseDelay = 1000) { for (let i = 0; i <= maxRetries; i++) { try { const res = await fetch(url, options); if (res.ok) return res; if (res.status >= 500 && i < maxRetries) { await new Promise(r => setTimeout(r, baseDelay * 2 ** i)); continue; } throw new Error(`Request failed with status ${res.status}`); } catch (err) { if (i === maxRetries || (err.message && !err.message.includes('fetch'))) throw err; await new Promise(r => setTimeout(r, baseDelay * 2 ** i)); } } } ```

**Claude 实现：** ```javascript async function fetchWithRetry(url, options = {}, { maxRetries = 3, baseDelay = 1000, retryOn = [500, 502, 503, 504] } = {}) { for (let attempt = 0; attempt <= maxRetries; attempt++) { try { const response = await fetch(url, options); if (response.ok || attempt === maxRetries) return response; if (retryOn.includes(response.status)) { const delay = baseDelay * Math.pow(2, attempt); console.warn(`Retry ${attempt + 1}/${maxRetries} after ${delay}ms`); await new Promise(r => setTimeout(r, delay)); continue; } throw new Error(`HTTP ${response.status}: ${response.statusText}`); } catch (error) { if (attempt === maxRetries) throw error; if (error instanceof TypeError || error.name === 'AbortError') { await new Promise(r => setTimeout(r, baseDelay * Math.pow(2, attempt))); continue; } throw error; } } } ```

### 分析 Claude 的版本更专业：将重试条件配置化，增加了日志提示，对网络异常（`TypeError`, `AbortError`）做了准确判断，并正确处理了最后一次重试后仍然失败的情况。DeepSeek 的实现虽然简洁，但错误判断依赖于 `error.message` 包含 `'fetch'` 这种不够稳健的字符串匹配，且未将配置抽象。在对工程健壮性要求更高的场景下，Claude 明显更胜一筹。

## 综合感受

在单纯算法题上，DeepSeek 的思维敏捷，代码直接有效，尤其擅长快速给出简洁解法，非常适合原型验证。Claude 则展露出软件工程素养，倾向于写出职责清晰、扩展性更强的代码，并在异常处理上考虑得更周全。速度方面，两者通过 API 调用均在 3–5 秒内返回完整答案，DeepSeek 略快但差异不明显。

如果你在日常开发中需要快速产出可用的代码片段，DeepSeek 是极其高性价比的助手；而当你构建关键业务逻辑、需要代码长期可维护时，Claude 的代码质量会让你更放心。理想的做法是让两者互补——用 DeepSeek 进行头脑风暴和初版生成，再让 Claude 进行审查与重构。

## 如何低成本同时使用多个模型

在实际评测和日常工作中，我不可能为了切换模型反复对接不同厂商的 API。我用的是 **TokenPocket API 中转站 (https://tokenpocket.site)**，它把 DeepSeek、Claude、Qwen、Gemini 等主流模型接入同一个接口，完全按量计费，不需要预先购买大额套餐。新用户注册就送免费额度，足够把上面这些测试跑好几轮。对于个人开发者和小团队来说，这种一站式的模型调度方式既能控制成本，又能随时用上最好的模型，非常实用。

Read more

跨境收 USDT 手续费太高？这个方法完全免费

做跨境贸易、自由职业或海外电商的朋友，很多都习惯用 USDT 收款。可一旦要把 USDT 转给供应商、合作方或交易所，手续费问题就来了：以太坊链上一笔 USDT 可能几 U 到几十 U；波场 TRC20 虽然便宜，但账户里通常要留 TRX 作为 Gas。更尴尬的是，有时钱包里只有 USDT 没有 TRX，急用钱却转不出去，还得先去买 TRX、再提回钱包。其实在波场网络上，有一种免费转账的玩法，尤其适合高频、小额跨境收付。 ### 波场转账为什么还要手续费？ 波场网络不是直接按笔收取固定手续费，而是使用带宽和能量两种资源。普通 TRX 转账消耗带宽；USDT、USDD 这类智能合约代币转账，主要消耗能量，同时需要少量带宽。如果账户资源不足，系统会自动燃烧 TRX

By 罗本

AI 编程助手配置指南：Cursor/Cline 接入教程

AI 编程助手已经成为日常开发的高频工具，Cursor 和 Cline 是其中关注度很高的两款。默认情况下，它们可以接入官方模型服务，但如果你想使用 DeepSeek、Qwen、Claude、Gemini 等模型，或者希望统一按量计费、用 USDT 支付，自定义 API 中转站会是一个更灵活的选择。下面介绍如何把 Cursor 和 Cline 接入兼容 OpenAI 格式的 API 服务。 ## 一、Cursor 接入自定义 API 打开 Cursor，进入 `Settings` → `Models`，找到 `OpenAI API Key` 区域。关键操作是开启 `Override OpenAI Base URL`，然后填写中转站地址和密钥。

By 罗本

波场免费转账科普：USDD 是什么？和 USDT 有什么区别？怎么免 TRX 转？

在波场（TRON）生态里，提到转账，很多人第一反应是：需要 TRX 做手续费。但如果你经常转 USDT 或 USDD，会发现现在有更省钱的路径——甚至可以实现“0 TRX”免费转账。今天就来讲清楚 USDD 与 USDT 的区别，以及免费转账的正确姿势。 ## 一、USDD 是什么？ USDD 是波场生态推出的去中心化美元稳定币，由 TRON DAO Reserve 管理。它目标与美元 1:1 锚定，发行和稳定机制更依赖超额抵押资产和链上套利，而不是单纯由某一家中心化公司持有美元储备。 USDD 基于 TRC-20 标准发行，可以在波场钱包、DeFi、DEX 中自由流转。因为同为波场上的 TRC-20 资产，

By 罗本

如何为你的应用接入多模型 AI 能力

在 AI 应用开发中，单一模型很难同时满足成本、速度、推理能力和多语言等要求。接入多模型能力，不仅能根据任务动态调度，还能在主模型限流或故障时自动降级，提升整体可用性。 ## 一、多模型接入的常见架构 最轻量的方式不是分别对接每家厂商 SDK，而是选择一个兼容 OpenAI Chat Completions 协议的 API 网关或中转服务。这样业务代码只需维护一套请求格式，通过 `model` 参数切换不同模型，例如 DeepSeek、Qwen、Claude、Gemini。 ## 二、基础代码示例 以下使用 OpenAI Python SDK 封装一个多模型客户端： ```python import os from openai import OpenAI MODELS = { "deepseek": "deepseek-chat&

By 罗本