本文详细记录了DeepSeek-V3.2在Claude Code环境下的实际使用体验。作者通过ccusage项目测试了模型在代码生成、可视化等任务中的表现，并特别强调了工具调用的流畅性和与Claude Code的良好兼容性。测试结果显示，DeepSeek-V3.2处理8.3M tokens仅需3.24元，缓存命中率达7.8M，表现出色。通过与Claude Opus 4.5的对比测试，作者发现两者各有优势，DeepSeek在成本控制上更具优势，而Claude则在逻辑精准度上表现更好。文章还指出了128k上下文长度的局限性，以及模型在上下文压缩方面的需求。这篇实测报告为AI开发者提供了有价值的大模型应用参考和性能对比数据。
