Una tarjeta de título generada que dice 'Qwen4-Max vs DeepSeek V4.1 Pro' con el subtítulo 'Uno tiene una lista de precios. El otro tiene una frase en un registro de cambios.', sobre tres tarjetas: Qwen4-Max con contexto de 1M y $1.50 / $4.50 por 1M; DeepSeek V4.1 Pro sin ID de modelo y sin precio, sin tarjeta; DeepSeek V4 Pro a $0.66 / $1.98 por 1M con AA Index 23. Un pie de página dice 'Las cifras de Qwen4-Max según Alibaba y Artificial Analysis; DeepSeek V4.1 Pro no se ha lanzado a fecha de 16 de noviembre de 2026.'
Guides & Insights

Qwen4-Max vs DeepSeek V4.1 Pro: uno tiene una tarjeta de tarifas, el otro tiene una cláusula

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

Qwen4-Max pasó a cobro por uso el 16 de noviembre de 2026: $1.50 por millón de tokens de entrada y $4.50 por millón de salida en Singapur, una ventana de contexto de 1.000.000 tokens, entrada nativa de imágenes y vídeo, y un Artificial Analysis Intelligence Index de 43 —puesto 38 de 81 modelos en esa clasificación—. DeepSeek V4.1 Pro no tiene identificador de modelo, ni fila de precio, ni ventana de contexto, ni benchmark, ni pesos, porque DeepSeek nunca lo ha lanzado. El único documento público que lo menciona es la nota de lanzamiento del 10 de septiembre de 2026 de DeepSeek V4.1 Flash, que decía que, a partir del 14 de septiembre, las solicitudes a deepseek-v4-pro se redirigirían a V4.1 Flash «hasta que se lance V4.1-Pro» —un plan que DeepSeek retiró después de que los desarrolladores se opusieran a que les sustituyeran un modelo de producción por debajo—. Dos meses después, el nombre sigue sin tener nada detrás. Así que la comparación que merece tu tarde no es Qwen4-Max contra un modelo que no existe; es Qwen4-Max contra el buque insignia de DeepSeek que sí existe.

Qué se lanzó el 16 de noviembre, en las cifras que usa un comprador

El anuncio de Alibaba describe Qwen4-Max como el primer modelo sobre la arquitectura Qwen4: una mezcla dispersa de expertos con 2,4 billones de parámetros de backbone, 71 mil millones activados por token, más otros 328 mil millones en parámetros de embedding de N-gramas que se consultan en lugar de multiplicarse. Tres capas Gated DeltaNet comprimen el historial en un estado de tamaño fijo para cada capa de Qwen Sparse Attention, y cuatro ramas residuales con compuertas dinámicas de lectura y escritura mantienen unida la pila profunda. Esa es la versión del proveedor sobre por qué baja el coste en contextos largos; es una versión, no una medición.

• Contexto: una ventana de 1.000.000 de tokens, con un límite de entrada de 991.808 tokens en modo sin razonamiento y 983.616 en modo de razonamiento. Artificial Analysis sitúa el modelo en 984k, que es la misma ventana medida desde el otro extremo.

• Salida — 131.072 tokens sin modo de pensamiento; en modo de pensamiento, el razonamiento y la respuesta comparten un único presupuesto de 262.144 tokens. reasoning_effort acepta low, high y xhigh, y omitirlo te da high.

• Precio, Singapur — 1,50 $ de entrada, 4,50 $ de salida por millón. Lecturas de caché a 0,075 $, escrituras de caché a 1,875 $ por cinco minutos o 3,00 $ por una hora.

• Precio, en todos los demás lugares — $1.413 de entrada, $4.24 de salida en Frankfurt, Virginia, Tokio, Hong Kong y Pekín. El mismo modelo, 5.8% más barato por token que la tarjeta de Singapur.

• Frente a su propio predecesor — Qwen3.8-Max tiene un precio de lista de $2.00 y $6.00 en Singapur, por lo que el recorte de una generación a otra es del 25% en ambos lados del medidor.

• Modalidad y superficie — entrada de texto, imagen y video, salida de texto; OpenAI Chat Completions, OpenAI Responses, Anthropic Messages y DashScope; inferencia por lotes solo en Pekín.

Todas y cada una de esas cifras son de {{1}}Alibaba{{/1}}. La única cifra independiente disponible hoy es el AA Index de 43, que sitúa a Qwen4-Max por encima de la mediana de 41 del ranking y por debajo del nivel de vanguardia. Su coste de ejecutar ese índice una vez es de 3,27 $, con un precio combinado de 0,80 $ por millón, y emitió 127 millones de tokens de salida al hacerlo: prolijo, pero no excepcionalmente tanto.

En qué consiste realmente el nombre V4.1 Pro

Menos de un párrafo. La nota de DeepSeek del 10 de septiembre presentó DeepSeek V4.1 Flash, una mezcla de expertos de 552 mil millones de parámetros con una nueva arquitectura Causal Encoder-Decoder que activa 8 mil millones de parámetros durante el prefill y 16 mil millones durante el decode, lee imágenes, ofrece un contexto de 1 millón de tokens y 384 K de salida, y se publicó bajo licencia MIT. En la misma nota, DeepSeek escribió que el tráfico de V4 Pro pasaría a Flash con las tarifas de Flash «hasta que se lance V4.1-Pro». Los desarrolladores lo interpretaron como un aviso de retirada para un modelo que tenían en producción; DeepSeek dio marcha atrás con el plan de enrutamiento y siguió sirviendo deepseek-v4-pro con la facturación sin cambios.

Lo que ha aparecido desde entonces no es nada verificable. La página de precios de DeepSeek enumera hoy exactamente dos modelos servidos: deepseek-flash, que se asigna a DeepSeek-V4.1-Flash-1017, y deepseek-v4-pro, que se asigna a DeepSeek-V4-Pro-0813. No existe la cadena deepseek-v4.1-pro en la referencia de la API, no hay ninguna fila en la hoja de precios y el repositorio más reciente de la organización deepseek-ai en Hugging Face sigue siendo V4.1 Flash. Los rastreadores que publican una fecha para ello están publicando una estimación; una página de cuenta atrás ampliamente compartida indica el 12 de noviembre de 2026 como una «fecha de lanzamiento estimada», y esa fecha pasó sin ningún anuncio.

Así que la lectura honesta del nombre es esta: es un nivel que D​eepSeek ha descrito en prosa y sobre el que no ha construido nada público. La generación V4 es la única evidencia de cómo sería ese nivel —DeepSeek V4 Pro es una mezcla de expertos de 1,6 billones de parámetros con 49.000 millones activos, solo texto, contexto de 1M, salida de 384K y licencia MIT—, y presumiblemente un V4.1 Pro heredaría la nueva arquitectura y la visión nativa. Presumiblemente. La propia afirmación del proveedor de que Flash «supera de forma integral» a V4 Pro en rendimiento, coste y velocidad deja realmente poco claro cuál es el propósito del nivel Pro en la línea V4.1, lo que es una posición extraña para que se anuncie un buque insignia.

A generated two-column scoreboard titled 'Qwen4-Max vs DeepSeek V4 Pro — the scoreboard', using the same six row labels on both sides. Qwen4-Max: context 1,000,000 tokens, output 262,144 thinking plus answer, price per 1M $1.50 / $4.50, modality text, image and video, AA Index 43, cost per task $3.27. DeepSeek V4 Pro: context 1,048,576 tokens, output 384,000 tokens, price per 1M $0.66 / $1.98, modality text only, AA Index 23, cost per task $1.77. Footer: 'Price and context vendor-reported; AA Index and cost per task per Artificial Analysis v5.0.1.'

El enfrentamiento que puedes ejecutar hoy: Qwen4-Max contra DeepSeek V4 Pro

Quita el número de versión del lado de D​eepSeek y hay una competencia real, porque DeepSeek V4 Pro 0813 es un buque insignia de pesos abiertos, con precio y disponible para invocar. Ambos lados a continuación son las cifras publicadas por los proveedores; la columna del índice es Artificial Analysis v5.0.1, que es la única fila en la que las dos cifras se generaron con el mismo conjunto de pruebas.

• Precio por millón — Qwen4-Max $1.50 entrada / $4.50 salida (Singapur) frente a DeepSeek V4 Pro $0.66 / $1.98 fuera de horas punta, duplicándose a $1.32 / $3.96 en las ventanas de horas punta de días laborables de 01:00–04:00 y 06:00–10:00 UTC.

• Contexto y salida — 1.000.000 de tokens con un presupuesto de 262.144 tokens para pensamiento más respuesta, frente a 1.048.576 tokens con hasta 384.000 tokens de salida.

• Modalidad — texto, imagen y video como entrada frente a solo texto. Esta es la mayor diferencia funcional entre ambos, y no hay punto de comparación.

• Backbone — 2.4T en total, 71B activos, más 328B en embeddings de N-gram frente a 1.6T en total, 49B activos. Los recuentos de parámetros predicen el coste de entrenamiento, no la eficiencia de tokens; considéralos notas de arquitectura.

• Índice independiente — 43 frente a 23 en el ajuste de esfuerzo Máximo de DeepSeek, con 21 en Alto y 13 sin razonamiento. Veinte puntos son una brecha con forma de generación, no con forma de ajustes.

• Coste independiente por tarea de índice: 3,27 $ frente a 1,77 $. Nótese la dirección: D​eepSeek gana en coste, por aproximadamente 1,8×, según el propio recuento de tokens del evaluador.

• Verbosidad — 127M tokens de salida en todo el índice frente a una cifra que la página de D​eepSeek reporta por tarea en lugar de en total; la comparación que importa es el coste por tarea completada, no los tokens por token.

• Pesos — propietarios, solo API frente a MIT, descargables en 48 fragmentos de safetensors.

• Economía de la caché: Qwen4-Max cobra $1.875 por millón por escribir una entrada de caché de cinco minutos y $0.075 por leerla, un descuento del 95 %; D​eepSeek no cobra nada explícito por escribir y $0.022 por millón por leer, un descuento del 97 %. La caché de D​eepSeek es más barata y automática, lo que importa más que la tarifa anunciada en cargas de trabajo de agentes.

Costear un trabajo de contexto largo en ambos medidores

Toma un prefijo de base de código de 300.000 tokens, diez turnos de trabajo sobre él, 4.000 tokens de salida por turno, pensamiento activado y un prefijo que se mantenga estable entre turnos. Se trata de aritmética sobre precios de lista publicados, no de una ejecución medida.

• Qwen4-Max, Singapur, sin caché — 300.000 tokens de entrada a $1,50 por millón son $0,45 por turno; diez turnos son $4,50. La salida es de 4.000 tokens a $4,50 por millón, $0,018 por turno, $0,18 en diez turnos. Total: $4,68.

• Qwen4-Max con la caché haciendo su trabajo: una escritura a $1.875 por millón, $0.5625; luego nueve lecturas a $0.075 por millón, $0.0225 cada una, $0.2025. La entrada baja a $0.765 y la salida se mantiene en $0.18. Total: $0.945, una reducción de 3,8× por una sola línea de configuración de la solicitud.

• DeepSeek V4 Pro, fuera de horas punta, sin caché — 300.000 tokens de entrada a $0,66 por millón son $0,198 por turno, $1,98 en diez turnos. La salida a $1,98 por millón es de $0,00792 por turno, $0,0792 en total. Total: $2,06.

• DeepSeek V4 Pro con aciertos de caché — el primer turno cuesta $0.198; los nueve turnos posteriores se leen a $0.022 por millón, $0.0066 cada uno. La entrada queda cerca de $0.257, la salida $0.079. Total $0.336. En las ventanas pico, duplícalo.

Dos conclusiones sobreviven al cálculo. Primera: a precio de lista, Qwen4-Max cuesta aproximadamente 2,8× lo que cuesta DeepSeek V4 Pro en este tipo de trabajo, con caché o sin ella. Segunda: la afirmación de A​libaba de que Qwen4-Max usa entre un 24 % y un 35 % menos tokens que Qwen3.8-Max no cierra una diferencia de 2,8×; incluso un ahorro generoso del 35 % en tokens deja a Qwen4-Max en alrededor del doble de coste por tarea completada. La propia comparación del proveedor de 4,43 $ a 1,67 $ por tarea es una comparación con su propia generación anterior, no con D​eepSeek.

¿Qué haría que V4.1 Pro fuera un verdadero oponente?

Tres artefactos publicados, y son los mismos tres que han señalado cada lanzamiento de DeepSeek. Una entrada en el registro de cambios que mencione el modelo, ya que es ahí donde se anunciaron tanto V4.1 Flash como V4 Pro 0813. Un repositorio en la organización deepseek-ai con V4.1-Pro en el nombre, que es donde acabarían los pesos si el nivel sigue la convención MIT de la familia. O una tercera columna en la página de precios, que hoy tiene exactamente dos modelos. Hasta que uno de esos elementos se mueva, cualquier ficha técnica que leas sobre DeepSeek V4.1 Pro —número de parámetros, contexto, precio, puntuación— está extrapolada de la generación V4 y debería interpretarse como tal.

Hay una cosa más que vigilar que no es un artefacto sino una afirmación: DeepSeek dice que Flash supera a V4 Pro en rendimiento, coste, velocidad y tiempo total de tarea. Si eso sigue siendo cierto en la generación V4.1, un V4.1 Pro tendrá que justificarse por algo distinto de «más grande», y la respuesta más probable es la que nadie ha publicado: que será el nivel multimodal de horizonte largo en lugar del barato.

Conseguir cualquiera de los dos detrás de una sola tecla

OrcaRouter no ofrece Qwen4-Max. No está en el catálogo de más de 200 modelos a fecha de 16 de noviembre, y ningún listado cercano lo convierte en disponible; la vía honesta para llegar a Qwen4-Max hoy es la propia API Model Studio de Alibaba y varias plataformas de terceros. Lo que sí ofrecemos es la parte de DeepSeek de esta página, al precio de lista del proveedor, trasladado sin margen: deepseek/deepseek-v4-pro-0813 a $0,66 de entrada y $1,98 de salida por millón, contexto de 1M, salida de 384K, los endpoints compatibles con OpenAI, Responses y Anthropic, con las ventanas de hora valle y hora punta aplicándose exactamente tal como DeepSeek las publica.

Esa asimetría es el punto práctico de esta comparación. Puedes usar DeepSeek V4 Pro con la clave que ya tienes y medirlo esta tarde. Todavía no puedes hacer eso con Qwen4-Max aquí, y fingir lo contrario sería el tipo de afirmación que le cuesta una semana a un equipo. Lo que sí te aporta una capa de enrutamiento mientras tanto es un estado mixto barato: DeepSeek V4 Pro asumiendo el volumen a precio de lista, una porción en la sombra del tráfico enviada directamente a A​libaba para Qwen4-Max, y un único lugar donde las dos facturas se leen en paralelo. Cuando un modelo sí llegue al catálogo, mover un porcentaje del tráfico hacia él es una regla de enrutamiento en lugar de una integración, y la conmutación automática por error significa que un modelo no probado puede situarse detrás de uno probado sin convertirse en un punto único de fallo en su primera tarde mala.

A screenshot of the OrcaRouter model page for DeepSeek V4 Pro 0813 at the identifier deepseek/deepseek-v4-pro-0813, showing the $0.66 input and $1.98 output prices, the Tools, JSON and Reasoning capability tags, the attribution to DeepSeek, and the description of a 1M-token context window with up to 384K output tokens, thinking and non-thinking modes with low, high and max reasoning effort, and native support for the Responses API.

La decisión que tienes ante ti esta semana

Si necesitas el modelo más potente al que puedes recurrir hoy y el costo es la limitación, DeepSeek V4 Pro es la respuesta con $0.66 y $1.98, y la brecha de veinte puntos en el índice frente a Qwen4-Max es el precio de ese descuento — un precio real, no un error de redondeo. Si tu carga de trabajo incluye video o imágenes en la entrada, DeepSeek V4 Pro no puede hacerlo en absoluto, y la visión nativa de Qwen4-Max más una ventana de 1M vale el 2.8× incluso antes de contar las afirmaciones del agente Work360 que A​libaba ha publicado y nadie ha reproducido.

Si lo que realmente querías era DeepSeek V4.1 Pro, la respuesta es que no hay tal modelo que esperar, solo una cláusula en un registro de cambios de septiembre sobre la que DeepSeek no ha actuado. Desarrolla sobre lo que existe; mantén barato el cambio; y revisa la página de precios de DeepSeek una vez al mes, porque esa es la página que cambiará primero.

A screenshot of Alibaba Cloud Model Studio's documentation page for qwen4-max (Latest Model), dated 11-16, showing the model description as the next-generation flagship multimodal model in the Qwen family covering text generation, image and video understanding and deep reasoning, its support for web search, tool calling and structured outputs, its OpenAI and Anthropic API compatibility, and its deployment regions including China (Beijing), Singapore and Germany (Frankfurt).

Comparados en este artículo3

Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario