Kartu judul yang dihasilkan bertuliskan 'Qwen4-Max vs DeepSeek V4.1 Pro' dengan subjudul 'Yang satu punya kartu tarif. Yang lain punya satu kalimat di changelog.', di atas tiga kartu: Qwen4-Max dengan konteks 1M dan $1.50 / $4.50 per 1M; DeepSeek V4.1 Pro tanpa ID model dan tanpa harga, tanpa kartu; DeepSeek V4 Pro seharga $0.66 / $1.98 per 1M dengan AA Index 23. Footer berbunyi 'Angka Qwen4-Max menurut Alibaba dan Artificial Analysis; DeepSeek V4.1 Pro belum dirilis per 16 November 2026.'
Guides & Insights

Qwen4-Max vs DeepSeek V4.1 Pro: Satu Punya Daftar Tarif, yang Lain Punya Klausul

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Qwen4-Max mulai dikenakan tarif berbasis pemakaian pada 16 November 2026: $1,50 per juta token input dan $4,50 per juta token output di Singapura, jendela konteks 1.000.000 token, input gambar dan video native, serta Artificial Analysis Intelligence Index sebesar 43 — peringkat ke-38 dari 81 model di papan peringkat tersebut. DeepSeek V4.1 Pro tidak memiliki pengenal model, tidak memiliki baris harga, tidak memiliki jendela konteks, tidak memiliki benchmark, dan tidak memiliki bobot, karena DeepSeek belum pernah merilisnya. Satu-satunya dokumen publik yang menyebutnya adalah catatan rilis 10 September 2026 untuk DeepSeek V4.1 Flash, yang menyatakan bahwa mulai 14 September permintaan ke deepseek-v4-pro akan dialihkan ke V4.1 Flash “sampai V4.1-Pro diluncurkan” — rencana yang dibatalkan DeepSeek setelah para pengembang keberatan atas penggantian model produksi yang mereka gunakan secara diam-diam. Dua bulan kemudian, nama itu masih tidak memiliki apa pun di baliknya. Jadi perbandingan yang layak untuk menghabiskan sore Anda bukanlah Qwen4-Max melawan model yang tidak ada; melainkan Qwen4-Max melawan model unggulan DeepSeek yang benar-benar ada.

Apa yang dirilis pada 16 November, dalam angka yang digunakan pembeli

Rilis Alibaba mendeskripsikan Qwen4-Max sebagai model pertama pada arsitektur Qwen4: sebuah mixture-of-experts sparse dengan 2,4 triliun parameter tulang punggung, 71 miliar yang diaktifkan per token, ditambah 328 miliar lagi dalam parameter embedding N-gram yang dicari alih-alih dikalikan. Tiga lapisan Gated DeltaNet memampatkan riwayat menjadi state berukuran tetap untuk setiap lapisan Qwen Sparse Attention, dan empat cabang residual dengan gerbang baca dan tulis dinamis menyatukan tumpukan dalam tersebut. Itulah penjelasan vendor tentang mengapa biaya konteks panjang menurun; itu adalah klaim, bukan pengukuran.

• Konteks — jendela 1.000.000 token, dengan batas maksimum input 991.808 token dalam mode non-thinking dan 983.616 dalam mode thinking. Artificial Analysis mencantumkan model tersebut pada 984k, yang merupakan jendela sama yang diukur dari ujung lainnya.

• Keluaran — 131.072 token non-thinking; dalam mode thinking, reasoning dan jawaban berbagi satu anggaran 262.144 token. reasoning_effort menerima low, high, dan xhigh, dan jika dihilangkan akan memberi Anda high.

• Harga, Singapura — $1,50 masuk, $4,50 keluar per juta. Pembacaan cache $0,075, penulisan cache $1,875 untuk lima menit atau $3,00 untuk satu jam.

• Harga, di semua wilayah lain — $1.413 masuk, $4.24 keluar di Frankfurt, Virginia, Tokyo, Hong Kong, dan Beijing. Model yang sama, 5,8% lebih murah per token daripada kartu Singapura.

Dibandingkan pendahulunya sendiri — Qwen3.8-Max tercatat seharga $2,00 dan $6,00 di Singapura, sehingga pemotongan antargenerasi adalah 25% pada kedua sisi meteran.

• Modalitas dan permukaan — teks, gambar, dan video masuk, teks keluar; OpenAI Chat Completions, OpenAI Responses, Anthropic Messages, dan DashScope; inferensi batch hanya di Beijing.

Setiap angka tersebut adalah milik Alibaba sendiri. Satu-satunya angka independen yang tersedia saat ini adalah AA Index sebesar 43, yang menempatkan Qwen4-Max di atas median papan skor 41 dan di bawah tingkat terdepan. Biaya untuk menjalankan indeks itu sekali adalah $3.27, dengan harga campuran $0.80 per juta, dan model itu mengeluarkan 127 juta token keluaran saat melakukannya — bertele-tele, tetapi tidak terlalu berlebihan.

Terdiri dari apa sebenarnya nama V4.1 Pro

Catatan D​eepSeek 10 September memperkenalkan DeepSeek V4.1 Flash, model mixture-of-experts 552 miliar parameter dengan arsitektur Causal Encoder-Decoder baru yang mengaktifkan 8 miliar parameter selama prefill dan 16 miliar selama decode, membaca gambar, menyajikan konteks 1 juta token dan keluaran 384K, serta dirilis dengan lisensi MIT. Dalam catatan yang sama, D​eepSeek menulis bahwa lalu lintas V4 Pro akan dialihkan ke Flash dengan tarif Flash "hingga V4.1-Pro diluncurkan." Para pengembang membaca itu sebagai pemberitahuan pensiun bagi model yang mereka jalankan di produksi; D​eepSeek membatalkan rencana routing tersebut dan tetap melayani deepseek-v4-pro dengan penagihan yang tidak berubah.

Yang muncul sejak itu bukanlah apa pun yang dapat diverifikasi. Halaman harga D​eepSeek hari ini mencantumkan tepat dua model yang dilayani: deepseek-flash, yang dipetakan ke DeepSeek-V4.1-Flash-1017, dan deepseek-v4-pro, yang dipetakan ke DeepSeek-V4-Pro-0813. Tidak ada string deepseek-v4.1-pro di referensi API, tidak ada baris di lembar harga, dan repositori terbaru di organisasi deepseek-ai di Hugging Face masih V4.1 Flash. Pelacak yang menerbitkan tanggal untuknya hanya menerbitkan perkiraan; satu halaman hitung mundur yang banyak dibagikan mencantumkan 12 November 2026 sebagai “estimasi rilis,” dan tanggal itu lewat tanpa pengumuman.

Jadi, pembacaan jujur atas nama itu adalah ini: ini adalah tier yang telah DeepSeek jelaskan dalam bentuk prosa dan belum ada apa pun yang publik dibangun di atasnya. Generasi V4 adalah satu-satunya bukti tentang seperti apa tier tersebut — DeepSeek V4 Pro adalah mixture-of-experts berparameter 1,6 triliun dengan 49 miliar parameter aktif, hanya teks, konteks 1M, output 384K, lisensi MIT — dan V4.1 Pro mungkin akan mewarisi arsitektur baru serta visi native. Mungkin. Klaim vendor sendiri bahwa Flash "secara komprehensif melampaui" V4 Pro dalam performa, biaya, dan kecepatan membuat tujuan tier Pro dalam lini V4.1 benar-benar tidak jelas, yang merupakan posisi aneh bagi sebuah flagship untuk diumumkan.

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.'

Pertandingan yang bisa Anda jalankan hari ini: Qwen4-Max melawan DeepSeek V4 Pro

Singkirkan nomor versi dari sisi DeepSeek dan akan ada kompetisi nyata, karena DeepSeek V4 Pro 0813 adalah model unggulan open-weight yang dapat dipanggil dan memiliki harga. Kedua sisi di bawah ini adalah angka yang diterbitkan vendor; kolom indeks adalah Artificial Analysis v5.0.1, satu-satunya baris tempat kedua angka dihasilkan oleh harness yang sama.

• Harga per juta — Qwen4-Max $1.50 masuk / $4.50 keluar (Singapura) vs DeepSeek V4 Pro $0.66 / $1.98 di luar jam sibuk, naik dua kali lipat menjadi $1.32 / $3.96 pada jendela jam sibuk hari kerja pukul 01.00–04.00 dan 06.00–10.00 UTC.

• Konteks dan output — 1.000.000 token dengan anggaran berpikir-dan-menjawab sebesar 262.144 token vs 1.048.576 token dengan hingga 384.000 token output.

• Modalitas — masukan teks, gambar, dan video vs hanya teks. Ini adalah perbedaan fungsional terbesar antara keduanya, dan selisihnya tidak tipis.

• Backbone — total 2,4T, 71B aktif, ditambah 328B dalam embedding N-gram vs total 1,6T, 49B aktif. Jumlah parameter memprediksi biaya pelatihan, bukan efisiensi token; anggap itu sebagai catatan arsitektur.

• Indeks independen — 43 vs 23 pada pengaturan upaya Maksimal D​eepSeek, dengan 21 pada Tinggi dan 13 non-penalaran. Dua puluh poin adalah kesenjangan yang berbentuk generasi, bukan yang berbentuk pengaturan.

• Biaya independen per tugas indeks — $3.27 vs $1.77. Perhatikan arahnya: D​eepSeek menang dalam hal biaya, dengan sekitar 1.8×, berdasarkan penghitungan token evaluator itu sendiri.

• Verbositas — 127M token keluaran di seluruh indeks vs angka yang dilaporkan halaman D​eepSeek per tugas, bukan secara total; perbandingan yang penting adalah biaya per tugas yang diselesaikan, bukan token per token.

• Bobot — proprietari, hanya API vs MIT, dapat diunduh dalam 48 shard safetensors.

• Ekonomi cache — Qwen4-Max mengenakan $1,875 per juta untuk menulis entri cache lima menit dan $0,075 untuk membacanya, diskon 95%; DeepSeek tidak mengenakan biaya eksplisit untuk menulis dan $0,022 per juta untuk membaca, diskon 97%. Cache DeepSeek lebih murah dan otomatis, yang lebih penting daripada tarif utama pada beban kerja agen.

Menghitung biaya pekerjaan konteks panjang pada kedua meter

Ambil prefiks basis kode 300.000 token, sepuluh giliran kerja terhadapnya, 4.000 token keluaran per giliran, thinking aktif, dan prefiks yang stabil antar-giliran. Ini aritmetika atas harga daftar yang dipublikasikan, bukan eksekusi yang diukur.

• {{1}}Qwen4-Max{{/1}}, {{2}}Singapura{{/2}}, tanpa cache — {{3}}300.000 token masukan{{/3}} dengan {{4}}$1,50 per juta{{/4}} adalah {{5}}$0,45 per giliran{{/5}}; sepuluh giliran adalah {{6}}$4,50{{/6}}. Outputnya adalah {{7}}4.000 token{{/7}} dengan {{8}}$4,50 per juta{{/8}}, {{9}}$0,018 per giliran{{/9}}, {{10}}$0,18 untuk sepuluh giliran{{/10}}. Total {{11}}$4,68{{/11}}.

• Qwen4-Max dengan cache yang menjalankan tugasnya — satu penulisan sebesar $1.875 per juta, $0.5625, lalu sembilan pembacaan sebesar $0.075 per juta, $0.0225 masing-masing, $0.2025. Input turun menjadi $0.765, output tetap $0.18. Total $0.945, pemotongan 3.8× untuk satu baris konfigurasi permintaan.

• DeepSeek V4 Pro, di luar jam sibuk, tanpa cache — 300.000 token masukan dengan $0,66 per juta adalah $0,198 per giliran, $1,98 untuk sepuluh giliran. Keluaran dengan $1,98 per juta adalah $0,00792 per giliran, total $0,0792. Total $2,06.

• DeepSeek V4 Pro dengan cache hit — giliran pertama membayar $0,198; sembilan giliran berikutnya dibaca dengan tarif $0,022 per juta, $0,0066 masing-masing. Input mencapai sekitar $0,257, output $0,079. Total $0,336. Pada jendela puncak, kalikan dua.

Dua kesimpulan tetap bertahan setelah aritmetika. Pertama, pada harga daftar Qwen4-Max biayanya sekitar 2,8× dari biaya DeepSeek V4 Pro untuk bentuk pekerjaan ini, baik dengan cache maupun tanpa cache. Kedua, klaim A​libaba bahwa Qwen4-Max menggunakan 24% hingga 35% lebih sedikit token daripada Qwen3.8-Max tidak menutup selisih 2,8×; bahkan penghematan token 35% yang cukup besar masih menyisakan Qwen4-Max pada sekitar dua kali biaya per tugas yang diselesaikan. Perbandingan biaya per tugas milik vendor sendiri, $4,43 terhadap $1,67, adalah perbandingan dengan generasi sebelumnya sendiri, bukan dengan D​eepSeek.

Apa yang akan membuat V4.1 Pro menjadi lawan yang sebenarnya

Tiga artefak yang telah dipublikasikan, dan ketiganya sama dengan tiga hal yang selama ini menandai setiap rilis DeepSeek. Entri changelog yang menyebut nama model, karena di situlah V4.1 Flash dan V4 Pro 0813 keduanya diumumkan. Repositori di organisasi deepseek-ai dengan V4.1-Pro dalam namanya, yang merupakan tempat bobot akan ditempatkan jika tingkat ini mengikuti konvensi MIT keluarga tersebut. Atau kolom ketiga di halaman harga, yang saat ini berisi tepat dua model. Sampai salah satu dari itu berubah, lembar spesifikasi apa pun yang Anda baca untuk DeepSeek V4.1 Pro — jumlah parameter, konteks, harga, skor — diekstrapolasi dari generasi V4 dan harus dibaca seperti itu.

Ada satu hal lagi yang perlu diperhatikan yang bukan artefak melainkan klaim: D​eepSeek mengatakan Flash mengalahkan V4 Pro dalam hal performa, biaya, kecepatan, dan total waktu tugas. Jika itu tetap benar pada generasi V4.1, V4.1 Pro harus membenarkan keberadaannya dengan sesuatu selain "lebih besar" — dan jawaban yang paling mungkin adalah jawaban yang belum dipublikasikan siapa pun, yaitu bahwa ia akan menjadi tier multimodal dan berhorizon panjang, bukan tier yang murah.

Menempatkan salah satunya di balik satu tombol

OrcaRouter tidak menyediakan Qwen4-Max. Model itu tidak ada dalam katalog lebih dari 200 model per 16 November, dan tidak ada daftar terkait yang membuatnya demikian; rute jujur ke Qwen4-Max saat ini adalah API Model Studio milik A​libaba sendiri dan beberapa platform pihak ketiga. Yang kami sediakan adalah sisi D​eepSeek dari halaman ini, dengan harga daftar dari vendor yang diteruskan tanpa markup: deepseek/deepseek-v4-pro-0813 seharga $0,66 untuk input dan $1,98 untuk output per juta, konteks 1M, output 384K, endpoint yang kompatibel dengan O​penAI, Responses, dan Anthropic, dengan jendela off-peak dan peak berlaku persis seperti yang dipublikasikan D​eepSeek.

Asimetri itulah inti praktis dari perbandingan ini. Anda bisa memasang DeepSeek V4 Pro pada kunci yang sudah Anda miliki dan mengukurnya sore ini juga. Anda belum bisa melakukan itu dengan Qwen4-Max di sini, dan berpura-pura sebaliknya akan menjadi klaim yang membuat sebuah tim kehilangan waktu seminggu. Yang memang Anda dapatkan sementara ini dari lapisan perutean adalah keadaan campuran yang murah: DeepSeek V4 Pro menanggung volume pada harga daftar, sebagian kecil trafik bayangan dikirim langsung ke A​libaba untuk Qwen4-Max, dan satu tempat di mana kedua tagihan dibaca berdampingan. Ketika sebuah model benar-benar masuk ke katalog, memindahkan sebagian persentase trafik ke model itu menjadi aturan perutean, bukan integrasi, dan failover otomatis berarti model yang belum terbukti dapat berada di belakang model yang sudah terbukti tanpa menjadi titik kegagalan tunggal pada sore pertamanya yang buruk.

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.

Keputusan yang ada di hadapan Anda minggu ini

Jika Anda membutuhkan model terkuat yang bisa Anda panggil hari ini dan biaya menjadi kendala, DeepSeek V4 Pro adalah jawabannya pada $0,66 dan $1,98, dan selisih indeks dua puluh poin dengan Qwen4-Max adalah harga dari diskon itu — harga yang nyata, bukan kesalahan pembulatan. Jika beban kerja Anda memiliki video atau gambar di sisi input, DeepSeek V4 Pro sama sekali tidak bisa melakukannya, dan visi bawaan Qwen4-Max plus jendela 1M sepadan dengan 2,8× bahkan sebelum Anda menghitung klaim agen Work360 yang telah dipublikasikan A​libaba dan belum direproduksi siapa pun.

Jika yang sebenarnya Anda inginkan adalah D​eepSeek V4.1 Pro, jawabannya adalah tidak ada model semacam itu untuk ditunggu, hanya sebuah klausul dalam changelog September yang belum ditindaklanjuti oleh D​eepSeek. Bangunlah di atas apa yang sudah ada; jaga biaya peralihan tetap rendah; dan periksa halaman harga D​eepSeek sebulan sekali, karena itulah halaman yang akan berubah lebih dulu.

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).

Dibandingkan dalam artikel ini4

Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari