
Qwen 4 vs. DeepSeek V4.1 Pro: Zwei Preiskarten, ein identischer Preis pro Indexpunkt
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 90 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 97 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNEUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 87 tok/s
- OrcaNEUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 133 tok/s
- OrcaNEUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 pro 1 Mio. Tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 pro 1 Mio. Tokens · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenz
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenz
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 pro 1 Mio. Tokens · 219 tok/s
Teilt man die Kosten jedes Modells pro abgeschlossener Aufgabe durch seinen Intelligence-Index-Wert, passiert etwas Seltsames. Qwen4-Maxergibt bei 3,27 $ pro Aufgabe und 42,9 Punkten 7,6 Cent pro Indexpunkt. DeepSeek V4.1 Pro — oder vielmehr das Modell, das tatsächlich unter DeepSeek's Pro-Tarif bereitgestellt wird, DeepSeek V4 Pro 0813, bei 1,77 $ pro Aufgabe und 23,1 Punkten — ergibt 7,7 Cent pro Punkt. Zwei Unternehmen, zwei Preislisten, deren Ausgabepreise sich um den Faktor vier unterscheiden, zwei Fähigkeitsniveaus, die fast zwanzig Punkte auseinanderliegen, und die gleichen Kosten pro Einheit gemessener Intelligenz – bis auf ein Prozent. Diese Koinzidenz macht das ganze Duell aus, und sie ist nützlicher als jede einzelne Benchmark-Zeile.
Eine Anmerkung zum Namen im Slug: DeepSeek hat keinen Modelleintrag namens V4.1 Pro in seinem Katalog. Seine Preisseite listet genau zwei ausgelieferte Modelle auf – deepseek-flash, das zu DeepSeek-V4.1-Flash-1017 aufgelöst wird, und deepseek-v4-pro, das zu DeepSeek-V4-Pro-0813 aufgelöst wird. Die Zeichenfolge V4.1 Pro findet sich noch in einer September-Anmerkung zu einem künftigen Launch, die inzwischen von der Seite entfernt wurde. Dies ist also ein Vergleich mit DeepSeeks tatsächlichem Pro-Modell, und jede DeepSeek-Zahl unten bezieht sich auf dieses Modell.
Die Arithmetik zuerst, denn sie ist das Argument.
Artificial Analysis veröffentlicht sowohl den Index-Score als auch die modellierten Kosten für den Betrieb der vollständigen Index-Suite, wobei die Listenpreise jedes Anbieters und die Token zugrunde gelegt werden, die das Modell tatsächlich verbraucht hat. Diese beiden Zahlen reichen aus, um die Leistungsfähigkeit direkt zu bepreisen.
• Qwen4-Max — 42,9 Indexpunkte bei xhigh-Aufwand; 3,27 $ pro Aufgabe; 7,6 Cent pro Punkt.
• DeepSeek V4 Pro 0813 — 23,1 Punkte bei maximalem Aufwand; 1,77 $ pro Aufgabe; 7,7 Cent pro Punkt.
• Das Verhältnis — 1,007. DeepSeek ist pro abgeschlossener Aufgabe 46 % günstiger und 46 % weniger leistungsfähig, und die beiden Fakten heben sich gegenseitig auf.
• Gegen Spitzenpreise — DeepSeeks Preiskarte verdoppelt sich in ihren Wochentagsfenstern 01:00–04:00 und 06:00–10:00 UTC von 0,66 $/1,98 $ auf 1,32 $/3,96 $. Der Betrag von 1,77 $ basiert auf dem Spitzentarif, sodass Arbeit außerhalb der Spitzenzeiten DeepSeeks Kosten pro Punkt auf rund 3,8 Cent drückt und es damit pro Punkt um den Faktor zwei zum günstigeren Modell wird.
Die letzte Zeile ist die, auf die es ankommt. Die beiden Modelle sind zum Listenpreis von DeepSeek gleichwertige Anschaffungen, und Qwen4-Max ist doppelt so effizient, wenn Sie sich in das Rabattfenster von DeepSeek einplanen können – was Ihnen sagt, dass es bei der Entscheidung überhaupt nicht um Modellqualität geht, sondern darum, ob Ihr Traffic sich batchweise verarbeiten lässt.

Was man mit 23 Punkten bekommt, aber nicht mit 43
Effizienzparität ist ein hübscher Zufall; sie ist kein Grund, ein Modell zu betreiben, das in einer Testsuite 23 Punkte erzielt, während der Median des Feldes zwischen 40 und 49 liegt. Die Lücke ist nicht gleichmäßig, und ihre Form ist das Argument dafür, überhaupt Qwen4-Max zu wählen.
• Terminal-Bench 4.0 — Qwen4-Max 48,5 %, DeepSeek V4 Pro 14,1 %. Eine Spanne von 34 Punkten, die größte einzelne Abweichung in diesem Vergleich.
• FrontierCode 2.0 — 26,5 % gegenüber 17,1 %. Kleiner als der Terminal-Abstand, aber für Repository-Arbeit weiterhin entscheidend.
• HLE Diamond — 44,9 % gegenüber 19,5 %.
• CritPt Agentic Hard — 43,0 % gegenüber 35,0 %. Der geringste Abstand unter den Hard-Reasoning-Suites und der einzige Punkt, an dem sich der Rückstand von DeepSeek mit Scaffolding wohl aufholen lässt.
• GDPval — 1.808,69 gegenüber keiner veröffentlichten Angabe für das DeepSeek-Modell. Das Fehlen ist erwähnenswert, statt es zu übertünchen: Bei wirtschaftlich fundierten beruflichen Aufgaben gibt es keinen vergleichbaren Messwert, weshalb die Bewertung beider Modelle dort auf Ihrer eigenen Einschätzung beruht.
• Kompetenzaufteilung — DeepSeek liegt bei allen fünf von Artificial Analysis gemeldeten Teilwerten zurück, am schwächsten im Rechtsbereich (27,5 gegenüber 49,6 von Qwen4-Max) und am nächsten in Strategie und Betrieb (41,1 gegenüber 56,9).
Wenn die Aufgabe lautet: „Lies das hier und extrahiere jenes“, bestehen beide Modelle die Hürde, und der Preis entscheidet. Wenn die Aufgabe lautet: „Bediene eine Shell, bis die Tests bestehen“, dann bedeutet ein Terminal-Score von 14,1 %, dass das Modell in sechs von sieben Läufen scheitert, und kein noch so niedriger Preis macht einen fehlschlagenden Lauf günstig — Sie zahlen so oder so für die Tokens und bezahlen dann noch einen Menschen dafür, die Arbeit zu Ende zu bringen.

Die Spalte, die für jeden mit einem Review-Schritt den Ausschlag geben sollte
Artificial Analysis verfolgt Halluzinationen getrennt von der Genauigkeit, und die DeepSeek-Zahl ist die disqualifizierendste Einzelzahl in diesem Duell: eine Halluzinationsrate von 94,1 % gegenüber 28,4 % für Qwen4-Max und etwa 50 % für die Frontier-Modelle in dieser Preisklasse. Der Allwissenheits-Score von DeepSeek ist negativ (−6,4), was bedeutet, dass es weniger genau antwortete, als eine Enthaltung es getan hätte.
Eine Halluzinationsrate von 94 % bedeutet nicht, dass 94 % der Antworten falsch sind. Sie bedeutet, dass von den Fragen, die das Modell falsch beantwortet hat oder nicht verifizieren konnte, fast alle mit erfundenem Inhalt statt mit einer Ablehnung beantwortet wurden. Für eine Pipeline mit einem Menschen im Prüfkreislauf ist das ein Kostenmultiplikator; für eine ohne ist es ein Haftungsrisiko. Qwen4-Max ist gemessen an den Maßstäben der Spitzenmodelle ebenfalls kein vertrauenswürdiges Modell, aber mit 28,4 % scheitert es zumindest in einer Form, die ein Prüfer erkennen kann.
Eines davon ist MIT-lizenziert, und das ändert die Rechnung.
DeepSeek V4 Pro wird unter der MIT-Lizenz ausgeliefert, die Gewichte sind veröffentlicht; Qwen4-Max ist proprietär, wird ausschließlich von Alibaba Cloud gehostet und hat keinen herunterladbaren Checkpoint. Diese Asymmetrie sollte stärker gewichtet werden, als es in einem Preisvergleich üblicherweise geschieht, denn sie verändert, was „Kosten pro Aufgabe“ bedeutet.
• Grenzkosten — DeepSeeks $0.66/$1.98 ist ein Listenpreis für die GPU von jemand anderem. Beim Selbsthosting sind Ihre Grenzkosten Ihre eigene Auslastung, die bei hohem konstantem Volumen oft ein Drittel davon beträgt und bei geringem Volumen schlechter als die API ist.
• Was Sie aufgeben — der 1M-Token-Kontext und die 384K-Ausgabeobergrenze, die DeepSeek dokumentiert, gelten auch auf Ihrer eigenen Hardware weiter, aber Sie übernehmen die Kernel-Unterstützung, die Quantisierungsentscheidungen und die Bewertungslast festzustellen, ob Ihre Bereitstellung mit der Referenz übereinstimmt.
• Was Sie mit Qwen4-Max nicht tun können – kein Fine-Tuning, keine On-Premises-Bereitstellung, keine Einsicht in die Modellgewichte und keine Möglichkeit, den Dienst weiter anzubieten, wenn sich die regionalen Preise von Alibaba ändern. Sechs Regionen sind eine breitere Verteilung als bei den meisten, und es bleibt dennoch die Entscheidung eines einzigen Anbieters.
Die MIT-Lizenz ist auch der ehrliche Grund, warum DeepSeek V4 Pro auf so vielen Hosts erscheint, während Qwen4-Max nur auf einem erscheint. Das ist eine Eigenschaft der Lizenz, kein Urteil über das Modell.

Beide laufen lassen, ohne auf eines von beiden zu setzen.
Diese beiden sind ein natürliches Paar für eine Routing-Schicht und keine Entweder-oder-Entscheidung, denn ihre Schwächen sind unkorreliert: DeepSeek ist günstig und schwach bei der agentischen Ausführung, Qwen4-Max ist mittelpreisig und dort kompetent, und der Preisunterschied ist klein genug, dass es weniger kostet, die schwierigen 20 % des Traffics an das teurere Modell zu schicken, als die Ausfälle, die dadurch vermieden werden. Eine Routing-DSL bildet diese Aufteilung in einem einzigen Aufruf ab — nach Aufgabentyp klassifizieren, shell-gesteuerte Arbeit an eine Route und Extraktionsarbeit an eine andere schicken — und automatisches Failover deckt den Fall ab, dass einer der Anbieter an Leistung verliert.
Was wir nicht behaupten werden: Qwen4-Max ist nicht in unserem Katalog. Eine qwen4-Kennung liefert heute not-found zurück; sie läuft über Alibabas Model Studio API und mehrere Drittanbieter-Plattformen, und das Nächste, was wir anbieten, ist qwen/qwen3.8-max zu 2,00 $ und 6,00 $ — das frühere Flaggschiff, eine Indexgeneration dahinter und bei der Ausgabe 1,50 $ pro Million günstiger. Die DeepSeek-Seite steht als deepseek/deepseek-v4-pro-0813 in unserem Katalog zum eigenen Listenpreis von DeepSeek ohne Aufschlag, die oben genannten Off-Peak- und Peak-Tarife sind also genau das, was Ihnen berechnet wird, keine Näherung.
Was würde die Antwort ändern
Drei Punkte, nach Wahrscheinlichkeit geordnet. Ein DeepSeek V4.1 Pro, das tatsächlich erscheint, würde diesen Vergleich neu aufsetzen, weil die September-Notiz Verbesserungen bei Leistung, Kosten, Geschwindigkeit und Gesamtaufgabenzeit gegenüber V4 Pro behauptete — alles davon DeepSeeks eigene Behauptung und nichts davon reproduzierbar, solange es keine Modell-ID und keine Preisliste gibt. Ein Preisnachlass für Qwen4-Max würde die Punkt-für-Punkt-Übereinstimmung zu Qwens Gunsten brechen und das Effizienzargument verschwinden lassen. Und eine unabhängige Bewertung eines der beiden Modelle bei Aufgaben, die Sie tatsächlich ausführen, würde jede Zahl auf dieser Seite schlagen, einschließlich der von Artificial Analysis.
Bis dahin ist die Regel kurz. Wenn Ihre Arbeit stapelverarbeitbar und dokumentförmig ist, ist DeepSeek V4 Pro zu Off-Peak-Tarifen die günstigste Leistung im Portfolio, und die Halluzinationsrate ist der Punkt, um den herum Sie eine Prüfung bauen. Wenn Ihre Arbeit eine Shell ausführt, ein Repository öffnet oder etwas erzeugt, das ein Kunde ohne Prüfung liest, zahlen Sie die zusätzlichen $1.50 pro Aufgabe und nehmen Sie die 34-Punkte-Lücke bei Terminal-Aufgaben in Kauf.
