GPT-4.1 vs Claude 3.7 真实工作流实测：不看基准，只看干活

为什么不谈基准测试

每次新模型发布，都会有一堆基准数据涌出来。MMLU 多少分，MATH 多少分，HumanEval 多少分。这些数字看起来很科学，但它们和你实际用模型干活时的体验，往往差了很远。

所以我们换个角度：用真实工作流来测。

最近两周，我们把 GPT-4.1（OpenAI 最新版本，3月底发布）和 Claude 3.7 Sonnet 都接进了 SFD 实验室的工作流，测了四类任务：代码生成、长文档处理、多步骤推理、中文内容创作。以下是真实结论。

我们用来测试的任务：写一个 Fastify 插件，接收 webhook payload，做格式验证，写入 PostgreSQL，失败时写入 dead letter queue。这是我们实际在用的代码类型，不是算法题。

Claude 3.7 的表现：第一次输出基本可用，结构清晰，有错误处理，注释到位。我们改了两处就能跑。

GPT-4.1 的表现：代码结构也不错，但有一个典型问题——它给了一个「理论上完整但实际上跑不了」的版本。PostgreSQL 连接字符串的格式不对，死信队列的部分逻辑有 bug。需要两三轮修正。

但前提是：Claude 3.7 在 Extended Thinking 模式下才有这个优势。关掉 thinking，两者差不多。Extended Thinking 的代价是响应时间从 8s 增加到 35s。

结论：需要「一次就对」的代码任务，用 Claude 3.7 Extended Thinking。快速迭代场景，GPT-4.1 响应更快，来回改也不慢。

GPT-4.1 支持 128k 上下文，Claude 3.7 是 200k。但在实测中，上下文长度并不是决定性因素，关键是「在长文档中找到正确信息」的准确率。

我们用了一份 80 页的技术规格文档，问了 10 个问题，有些答案在文档开头，有些在结尾，有些需要综合多处信息。

Claude 3.7：10 个问题，8 个完全正确，2 个有信息遗漏但没有幻觉。

GPT-4.1：10 个问题，7 个完全正确，2 个部分正确，1 个有明显的信息错位（把文档某一节的数据错误关联到了另一节）。

差距不大，但 Claude 的「不幻觉」表现更稳定。GPT-4.1 在长文档中偶尔会把不同位置的信息混在一起。

这里要说一件可能让人意外的事：在多步骤推理任务上，GPT-4.1 和 Claude 3.7 都不是最强的选手。

我们测了一组「需要多步推导才能得出结论」的任务，包括：复杂的财务计算逻辑、多条件组合判断、需要排除干扰信息的推理链。

DeepSeek R1 在这类任务上的表现比两者都好，主要原因是它的 Chain-of-Thought 更「实诚」——它真的会在 thinking 过程中反复检验自己的中间结论，而不是表演一下就输出。

GPT-4.1 和 Claude 3.7 在推理任务上的差距不大。Claude 3.7 Extended Thinking 会好一些，但不稳定——有时候 thinking 过程走偏了，结论反而不如不 thinking。

这是我们最意外的发现之一。

GPT-4.1 的中文写作有一种很难描述的「外国腔」——语法正确，但读起来不像中文母语者写的。句子结构偏欧化，段落逻辑偏西方论文风格，缺少中文博客那种「说人话」的感觉。

Claude 3.7 的中文写作流畅得多。它能感知到中文读者的阅读习惯，用词更自然，会用一些接地气的表达，长句短句配合好。

这可能是因为 Anthropic 在中文训练数据上做了更多工作，也可能是 Claude 3.7 的 RLHF 标注团队里有更多中文母语者参与。具体原因不知道，但结果就是：中文写作任务，Claude 3.7 赢。

GPT-4.1 API 定价：输入 $2/M tokens，输出 $8/M tokens。

Claude 3.7 Sonnet API 定价：输入 $3/M tokens，输出 $15/M tokens。

Claude 贵了不少，但如果 Extended Thinking 模式能让你少改一两轮代码，实际成本不一定更高——因为你的时间也是成本。

我们的策略：高质量输出要求的任务（代码、文档）用 Claude 3.7；快速迭代、大批量处理用 GPT-4.1 或本地 Qwen3.5。

没有绝对的「更好」，只有「更适合什么场景」：

需要一次性输出高质量代码 → Claude 3.7 Extended Thinking
快速迭代、响应速度优先 → GPT-4.1
中文内容创作 → Claude 3.7
多步推理、数学逻辑 → DeepSeek R1
成本敏感的大批量任务 → 本地模型（Qwen3.5）

我们现在的实际用法：Claude 3.7 是主力，处理代码和内容；GPT-4.1 接进了部分自动化流水线做快速分类和摘要；DeepSeek R1 接了推理密集型任务的队列。没有单一模型能包打天下，组合起来才是正确答案。

下次有人问你「哪个模型更好」，这才是正确的回答方式。