DeepSeek V4-Pro vs. Claude Opus 4.7: Claude führt bei SWE-bench, DeepSeek beim Preis

Warum hier vor allem DeepSeek V4-Pro gemeint ist

DeepSeek V4 ist nicht nur ein einzelnes Modell. In der offiziellen Preview-Mitteilung tauchen DeepSeek-V4-Pro und DeepSeek-V4-Flash auf; zugleich weist DeepSeek darauf hin, dass bestimmte ältere Endpunkte derzeit auf V4-Flash geroutet werden .

Die hier zitierten Head-to-Head-Zahlen beziehen sich überwiegend auf DeepSeek V4-Pro. Man sollte sie deshalb nicht eins zu eins auf V4-Flash oder auf einen automatisch gerouteten Endpunkt übertragen. Gerade bei produktiven Coding- oder Agenten-Systemen kann diese Unterscheidung den Unterschied zwischen einem fairen Test und einem schiefen Vergleich ausmachen .

Software-Engineering: SWE-bench spricht für Claude

Für Teams, die Pull Requests, Testsuites und echte Repository-Arbeit als Maßstab nehmen, sind die SWE-bench-Werte der wichtigste Teil dieses Vergleichs. Eine Drittanbieter-Auswertung nennt für Claude Opus 4.7 87,6 % SWE-bench Verified und 64,3 % SWE-bench Pro. DeepSeek V4-Pro liegt dort bei 80,6 % beziehungsweise 55,4 % .

Auch die offizielle Produktpositionierung von Anthropic passt dazu: Claude Opus 4.7 wird als Hybrid-Reasoning-Modell für Coding und AI Agents mit einem Kontextfenster von 1 Mio. Tokens beschrieben . Anthropic meldet außerdem, Opus 4.7 habe auf einem internen Coding-Benchmark mit 93 Aufgaben 13 % besser abgeschnitten als Opus 4.6 . Das ist ein relevantes Produktsignal, aber kein unabhängiger Head-to-Head-Test gegen DeepSeek.

Praktisch gelesen: Wenn Ihre Kennzahl lautet, ob ein Modell in einem bestehenden Codebestand Tests zum Laufen bringt, saubere Patches erstellt und weniger Nacharbeit erzeugt, hat Claude Opus 4.7 derzeit die stärkere öffentliche Benchmark-Basis .

Competitive Coding: DeepSeek V4-Pro ist vorn

Bei algorithmischen Coding-Aufgaben dreht sich das Bild. Dieselbe Vergleichsquelle führt DeepSeek V4-Pro mit 93,5 auf LiveCodeBench, während Claude Opus 4.7 dort bei 88,8 liegt. Zusätzlich wird für V4-Pro ein Codeforces-Wert von 3206 genannt .

Das ist vor allem für Coding-Challenges, Contest-Aufgaben, algorithmische Tutor-Systeme und isolierte Programmierprobleme relevant. Solche Benchmarks sind aber nicht dasselbe wie die Arbeit in einem gewachsenen Repository mit Abhängigkeiten, Testinfrastruktur und Review-Anforderungen. Für diese Praxisnähe sind die SWE-bench-Zahlen aussagekräftiger .

Kurz gesagt: Wer ein System für Wettbewerbsprogrammierung oder algorithmische Aufgaben baut, sollte DeepSeek V4-Pro weit oben auf die Shortlist setzen .

Agenten und Tool-Nutzung: Claude ist besser steuerbar dokumentiert

Claude Opus 4.7 hat hier einen konkreten Produktvorteil: Task Budgets. Anthropic beschreibt sie als Zielbudget für Tokens in einem vollständigen Agentenlauf, einschließlich Thinking, Tool Calls, Tool Results und finaler Antwort. Das Modell sieht einen laufenden Countdown und soll seine Arbeit daran priorisieren, wenn das Budget verbraucht wird .

Bei DeepSeek V4 gibt es ebenfalls positive Signale, aber sie sind in den vorliegenden Quellen eher Benchmark- und Analysten-getrieben. CNBC zitiert eine Einschätzung von Counterpoint, wonach das Benchmarkprofil von V4 auf sehr gute Agentenfähigkeiten zu deutlich niedrigeren Kosten hindeute . Das ist interessant, ersetzt aber keine vergleichbar detaillierte Produktdokumentation zur Steuerung von Agentenläufen.

Für die Praxis heißt das: Wenn Sie Tool-Calls, Tokenbudget und Task-Abschluss möglichst kontrolliert orchestrieren wollen, ist Claude Opus 4.7 in den Quellen klarer beschrieben . Wenn die Tokenkosten der Engpass sind, verdient DeepSeek V4-Pro einen ernsthaften A/B-Test auf echten Agenten-Workflows .

API-Preise: DeepSeek ist deutlich günstiger

Beim Preis hat DeepSeek V4-Pro den sichtbarsten Vorteil. DataCamp nennt für DeepSeek V4-Pro 1,74 US-Dollar pro 1 Mio. Input-Tokens und 3,48 US-Dollar pro 1 Mio. Output-Tokens. Für Claude Opus 4.7 nennt DataCamp 5 US-Dollar und 25 US-Dollar pro 1 Mio. Input-/Output-Tokens . Yahoo/TechCrunch nennt für Claude Opus 4.7 ebenfalls 5 US-Dollar pro 1 Mio. Input-Tokens und 25 US-Dollar pro 1 Mio. Output-Tokens .

Auf Basis der DataCamp-Zahlen ist Claude Opus 4.7 beim Input rund 2,9-mal und beim Output rund 7,2-mal teurer als DeepSeek V4-Pro . Das fällt besonders bei Batch-Coding, langen Ausgaben und mehrstufigen Agentenläufen ins Gewicht.

Trotzdem ist der Listenpreis pro Token nicht die ganze Rechnung. In einem echten Deployment zählen auch Latenz, Fehlversuche, Cache-Nutzung, erneute Modellaufrufe, Ausgabequalität und die Frage, wie oft ein Mensch nacharbeiten muss.

Kontextfenster und Architektur

Beim Kontextfenster liegen beide Modelle laut den vorliegenden Quellen in derselben Größenordnung. Anthropic beschreibt Claude Opus 4.7 mit einem Kontextfenster von 1 Mio. Tokens . OpenRouter nennt für DeepSeek V4 Pro eine Kontextlänge von 1,05 Mio. Tokens und beschreibt es als Mixture-of-Experts-Modell mit 1,6 Billionen Gesamtparametern und 49 Milliarden aktivierten Parametern .

Der Unterschied liegt eher in der Transparenz der genannten technischen Daten. Artificial Analysis beschreibt Claude Opus 4.7 als proprietäres Modell und schreibt, Anthropic habe Modellgröße und Parameterzahl nicht veröffentlicht . Das bedeutet nicht automatisch, dass DeepSeek in jeder rechtlichen oder operativen Hinsicht offener ist. In den hier genutzten Quellen liegen zu DeepSeek V4-Pro aber konkretere Architekturangaben vor .

Gesamt-Leaderboards: Claude liegt höher

BenchLM führt Claude Opus 4.7 mit einem Overall Score von 97/100, Rang #2 provisional und #2 verified . DeepSeek V4 Pro High wird im selben System mit einem Overall Score von 83 und Rang #15 provisional geführt .

Solche Rankings sind nützlich, um ein Gesamtbild zu bekommen. Sie sollten aber nicht als endgültiges Urteil gelesen werden. Die Gewichtung eines Leaderboards muss nicht zu Ihrem Workload passen: Ein Modell kann insgesamt höher stehen und trotzdem nicht die beste Wahl für Competitive Coding, deutschsprachige Fachtexte, Long-Context-Retrieval oder eine bestimmte Tool-Pipeline sein.

Wann Claude Opus 4.7 die bessere Wahl ist

Claude Opus 4.7 ist naheliegend, wenn Ihre Priorität ist:

• Software-Engineering in echten Repos: Die genannten SWE-bench-Werte liegen vor DeepSeek V4-Pro .
• Kontrollierte Agentenläufe: Task Budgets geben einen dokumentierten Mechanismus für Thinking, Tool Calls, Tool Results und finale Ausgabe .
• Offizielle Produktdokumentation: Anthropic positioniert Opus 4.7 ausdrücklich für Coding, AI Agents und ein Kontextfenster von 1 Mio. Tokens .
• Starke Gesamtwertung: BenchLM sieht Opus 4.7 klar vor DeepSeek V4 Pro High .

Wann DeepSeek V4-Pro die bessere Wahl ist

DeepSeek V4-Pro ist besonders interessant, wenn Ihre Priorität ist:

• Competitive Programming: V4-Pro wird in der Quelle bei LiveCodeBench vor Claude Opus 4.7 geführt und erhält zusätzlich einen Codeforces-Wert von 3206 .
• Niedrige Tokenkosten: Die von DataCamp genannten API-Preise liegen deutlich unter denen von Claude Opus 4.7 .
• Skalierung großer Workloads: Bei vielen Requests, langen Ausgaben oder mehreren Agenten kann der Preisvorteil entscheidend sein, sofern die Qualität auf Ihren Aufgaben stimmt .
• Konkretere Architekturangaben: OpenRouter nennt Kontextlänge, MoE-Architektur, Gesamtparameter und aktivierte Parameter für DeepSeek V4 Pro .

Was noch offen bleibt

Die vorliegenden Quellen reichen nicht für ein belastbares Urteil zu allen Dimensionen: Safety, Halluzinationen, Deutschqualität, Long-Context-Retrieval, multimodale Fähigkeiten, GPQA oder Tool-Nutzung in jeder Produktionsumgebung bleiben offen. Anthropic beschreibt Opus 4.7 offiziell als stärker bei Coding, Vision und komplexen mehrstufigen Aufgaben, aber das ist kein vollständiger unabhängiger Head-to-Head-Test gegen DeepSeek V4-Pro auf derselben Testumgebung .

Bei DeepSeek ist zusätzlich der Preview-Status und das Endpoint-Routing zu beachten . Bei Claude bleibt offen, wie groß das Modell ist, weil Anthropic laut Artificial Analysis Größe und Parameterzahl nicht veröffentlicht hat .

So sollten Teams vor dem Produktiveinsatz testen

Der sicherste Weg ist ein A/B-Test auf dem eigenen Workload. Für Coding bedeutet das: echte Issues, echte Repositories, echte Testsuites und klare Metriken wie Pass/Fail, Anzahl brauchbarer Patches, Nacharbeitsaufwand, Latenz, Retry-Rate und Tokenkosten. Für Agenten sollten Toolset, System-Prompt, Zeitlimit und Tokenbudget identisch gehalten werden.

Die Kurzfassung: Claude Opus 4.7 ist derzeit besser begründet für Software-Engineering und dokumentierte Agentensteuerung. DeepSeek V4-Pro ist stärker, wenn Competitive Coding und Tokenkosten im Vordergrund stehen. Öffentliche Benchmarks sind ein guter Startpunkt; die Produktionsentscheidung sollte aus Tests auf Ihren eigenen Aufgaben kommen .