Una card titolo generata che recita 'Qwen4-Max vs DeepSeek V4.1 Pro' con il sottotitolo 'Uno ha un listino prezzi. L'altro ha una frase in un changelog.', su tre schede: Qwen4-Max con contesto da 1M e $1.50 / $4.50 per 1M; DeepSeek V4.1 Pro senza ID modello e senza prezzo, nessuna scheda; DeepSeek V4 Pro a $0.66 / $1.98 per 1M con AA Index 23. Un piè di pagina recita 'I dati di Qwen4-Max secondo Alibaba e Artificial Analysis; DeepSeek V4.1 Pro non è stato rilasciato al 16 novembre 2026.'
Guides & Insights

Qwen4-Max vs DeepSeek V4.1 Pro: uno ha un listino prezzi, l'altro ha una clausola

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Qwen4-Max è passato alla tariffazione a consumo il 16 novembre 2026: 1,50 $ per milione di token di input e 4,50 $ per milione di token di output a Singapore, una finestra di contesto di 1.000.000 di token, input nativo di immagini e video e un Artificial Analysis Intelligence Index di 43 — 38º su 81 modelli in quella classifica. D​eepSeek V4.1 Pro non ha un identificatore di modello, né una riga di prezzo, né una finestra di contesto, né un benchmark, né pesi, perché D​eepSeek non l'ha mai rilasciato. L'unico documento pubblico che lo nomina è la nota di rilascio del 10 settembre 2026 per DeepSeek V4.1 Flash, che diceva che dal 14 settembre le richieste a deepseek-v4-pro sarebbero state instradate a V4.1 Flash "fino al lancio di V4.1-Pro" — un piano che D​eepSeek ha ritirato dopo che gli sviluppatori si sono opposti alla sostituzione di un modello di produzione sotto di loro. Due mesi dopo, il nome non ha ancora nulla dietro. Quindi il confronto che merita il vostro pomeriggio non è Qwen4-Max contro un modello che non esiste; è Qwen4-Max contro il flagship D​eepSeek che esiste.

Cosa è stato rilasciato il 16 novembre, nei numeri che usa un acquirente

Il comunicato di Alibaba descrive Qwen4-Max come il primo modello sull'architettura Qwen4: un mixture-of-experts sparso con 2,4 trilioni di parametri backbone, 71 miliardi attivati per token, più altri 328 miliardi in parametri di embedding N-gram che vengono consultati anziché moltiplicati. Tre layer Gated DeltaNet comprimono la cronologia in uno stato di dimensione fissa per ogni layer Qwen Sparse Attention, e quattro rami residui con gate dinamici di lettura e scrittura tengono insieme lo stack profondo. Questa è la versione del fornitore sul perché il costo del contesto lungo diminuisce; è una descrizione, non una misurazione.

• Contesto — una finestra da 1.000.000 di token, con un limite massimo di input di 991.808 token in modalità non-thinking e di 983.616 in modalità thinking. Artificial Analysis riporta il modello a 984k, che corrisponde alla stessa finestra misurata dall'altro estremo.

• Output — 131.072 token non-thinking; in modalità thinking, ragionamento e risposta condividono un unico budget di 262.144 token. reasoning_effort accetta low, high e xhigh; omettendolo, si ottiene high.

• Prezzo, Singapore — 1,50 $ in input, 4,50 $ in output per milione. Letture dalla cache a 0,075 $, scritture nella cache a 1,875 $ per cinque minuti o 3,00 $ per un'ora.

Prezzo, ovunque altrove — $1.413 in input, $4.24 in output a Francoforte, Virginia, Tokyo, Hong Kong e Pechino. Stesso modello, 5,8% più economico per token rispetto alla scheda Singapore.

• Rispetto al proprio predecessore — {{1}}Qwen3.8-Max{{/1}} è quotato a 2,00 $ e 6,00 $ a Singapore, quindi il taglio da una generazione all'altra è del 25% su entrambi i lati del contatore.

• Modalità e superficie — testo, immagine e video in input, testo in output; O​penAI Chat Completions, O​penAI Responses, A​nthropic Messages e DashScope; inferenza batch solo a Pechino.

Ognuno di quei dati è di Alibaba stesso. L'unico numero indipendente disponibile oggi è l'AA Index pari a 43, che colloca Qwen4-Max sopra la mediana della classifica di 41 e sotto la fascia di frontiera. Il costo per eseguire quell'indice una volta è di $3,27, con un prezzo misto di $0,80 per milione, e ha emesso 127 milioni di token di output per farlo — prolisso, ma non in modo eccezionale.

In cosa consiste realmente il nome V4.1 Pro

Il 10 settembre DeepSeek ha pubblicato una nota che introduceva DeepSeek V4.1 Flash, un modello mixture-of-experts da 552 miliardi di parametri basato su una nuova architettura Causal Encoder-Decoder, che attiva 8 miliardi di parametri durante il prefill e 16 miliardi durante il decode, legge le immagini, offre un contesto di 1M di token e 384K di output ed è stato distribuito con licenza MIT. Nella stessa nota DeepSeek scriveva che il traffico di V4 Pro sarebbe passato a Flash alle tariffe di Flash "fino al lancio di V4.1-Pro". Gli sviluppatori l'hanno interpretato come un avviso di dismissione per un modello che stavano usando in produzione; DeepSeek ha fatto marcia indietro sul piano di routing e ha continuato a servire deepseek-v4-pro con fatturazione invariata.

Quel che è apparso da allora non è nulla di verificabile. La pagina dei prezzi di DeepSeek oggi elenca esattamente due modelli serviti: deepseek-flash, che corrisponde a DeepSeek-V4.1-Flash-1017, e deepseek-v4-pro, che corrisponde a DeepSeek-V4-Pro-0813. Non esiste alcuna stringa deepseek-v4.1-pro nel riferimento API, nessuna riga nel listino prezzi, e il repository più recente dell'organizzazione deepseek-ai su Hugging Face è ancora V4.1 Flash. I tracker che ne pubblicano una data stanno pubblicando una stima; una pagina di conto alla rovescia molto condivisa indica il 12 novembre 2026 come «rilascio stimato», e quella data è passata senza un annuncio.

Quindi la lettura onesta del nome è questa: è un tier che DeepSeek ha descritto in prosa e sul quale non ha costruito nulla di pubblico. La generazione V4 è l’unica prova di come sarebbe quel tier — DeepSeek V4 Pro è un mixture-of-experts da 1,6 trilioni di parametri con 49 miliardi attivi, solo testo, contesto da 1M, output da 384K, licenza MIT — e un V4.1 Pro presumibilmente erediterebbe la nuova architettura e la visione nativa. Presumibilmente. L’affermazione dello stesso fornitore secondo cui Flash "supera ampiamente" V4 Pro in prestazioni, costi e velocità lascia davvero poco chiaro lo scopo del tier Pro nella linea V4.1, una posizione strana per un flagship al momento dell’annuncio.

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.'

Il confronto che puoi eseguire oggi: Qwen4-Max contro DeepSeek V4 Pro

Togli il numero di versione dal lato DeepSeek e c'è una vera competizione, perché DeepSeek V4 Pro 0813 è un flagship open-weight, con un prezzo e invocabile. Entrambi i lati di seguito riportano i dati pubblicati dai fornitori; la colonna dell'indice è Artificial Analysis v5.0.1, l'unica riga in cui i due numeri sono stati prodotti dallo stesso harness.

Prezzo per milione: {{1}}Qwen4-Max{{/1}} $1,50 in ingresso / $4,50 in uscita (Singapore) rispetto a {{2}}DeepSeek V4 Pro{{/2}} $0,66 / $1,98 fuori punta, che raddoppia a $1,32 / $3,96 nelle finestre di punta dei giorni feriali dalle 01:00–04:00 e 06:00–10:00 UTC.

• Contesto e output — 1.000.000 di token con un budget di 262.144 token per ragionamento e risposta rispetto a 1.048.576 token con fino a 384.000 token di output.

• Modalità — testo, immagini e video in input rispetto al solo testo. Questa è la singola più grande differenza funzionale tra i due, e non c'è paragone.

• Backbone — 2.4T totali, 71B attivi, più 328B in embedding N-gram rispetto a 1.6T totali, 49B attivi. I conteggi dei parametri predicono il costo di addestramento, non l'efficienza sui token; trattateli come note sull'architettura.

• Indice indipendente — 43 contro 23 con l'impostazione Max effort di DeepSeek, con 21 su High e 13 non-reasoning. Venti punti sono un divario determinato dalla generazione, non dalle impostazioni.

• Costo indipendente per attività di indicizzazione — $3,27 vs $1,77. Nota la direzione: DeepSeek vince sul costo, di circa 1,8×, secondo il conteggio token dello stesso valutatore.

• Verbosità — 127M token di output sull'intero indice rispetto a un valore che la pagina di D​eepSeek riporta per attività anziché in totale; il confronto che conta è il costo per attività completata, non token per token.

• Pesi — proprietari, solo API vs MIT, scaricabili in 48 shard safetensors.

• Economia della cache — Qwen4-Max addebita 1,875 $ per milione per scrivere una voce di cache di cinque minuti e 0,075 $ per leggerla, uno sconto del 95%; D​eepSeek non addebita nulla esplicitamente per la scrittura e 0,022 $ per milione per la lettura, uno sconto del 97%. La cache di D​eepSeek è sia più economica sia automatica, il che conta più della tariffa nominale sui carichi di lavoro degli agenti.

Calcolare il costo di un job a contesto lungo su entrambi i contatori

Prendi un prefisso di codebase da 300.000 token, dieci turni di lavoro su di esso, 4.000 token di output per turno, thinking attivo e un prefisso stabile tra i turni. Questa è aritmetica sui prezzi di listino pubblicati, non un'esecuzione misurata.

• Qwen4-Max, Singapore, senza cache — 300.000 token di input a $1,50 per milione sono $0,45 per turno; dieci turni sono $4,50. L'output è di 4.000 token a $4,50 per milione, $0,018 per turno, $0,18 su dieci. Totale $4,68.

• Qwen4-Max con la cache che fa il suo lavoro — una scrittura a $1,875 per milione, $0,5625, poi nove letture a $0,075 per milione, $0,0225 ciascuna, $0,2025. L'input scende a $0,765, l'output resta $0,18. Totale $0,945, un taglio di 3,8× per una riga di configurazione della richiesta.

• DeepSeek V4 Pro, fuori orario di punta, senza cache — 300.000 token di input a $0,66 per milione sono $0,198 per turno, $1,98 su dieci turni. L'output a $1,98 per milione è $0,00792 per turno, $0,0792 in totale. Totale $2,06.

• DeepSeek V4 Pro con cache hit: il primo turno costa $0.198; i nove turni successivi vengono letti a $0.022 per milione, $0.0066 ciascuno. L'input si attesta su circa $0.257, l'output su $0.079. Totale $0.336. Nelle finestre di picco, raddoppia.

Due conclusioni sopravvivono all'aritmetica. Primo, al prezzo di listino Qwen4-Max costa circa 2,8× quanto costa DeepSeek V4 Pro su questo tipo di lavoro, con o senza cache. Secondo, l'affermazione di A​libaba che Qwen4-Max utilizzi dal 24% al 35% in meno di token rispetto a Qwen3.8-Max non colma un divario di 2,8×; anche un generoso risparmio del 35% di token lascia Qwen4-Max a circa il doppio del costo per attività completata. Il confronto per attività del fornitore stesso, da $4,43 a $1,67, è un confronto con la propria generazione precedente, non con D​eepSeek.

Cosa renderebbe V4.1 Pro un vero avversario

Tre artefatti pubblicati, e sono gli stessi tre che hanno segnalato ogni rilascio di DeepSeek. Una voce di changelog che nomina il modello, dato che è lì che sono stati annunciati sia V4.1 Flash sia V4 Pro 0813. Un repository nell'organizzazione deepseek-ai con V4.1-Pro nel nome, che è dove finirebbero i pesi se il livello segue la convenzione MIT della famiglia. Oppure una terza colonna sulla pagina dei prezzi, che oggi ha esattamente due modelli. Finché uno di questi non si muove, qualsiasi scheda tecnica tu legga per DeepSeek V4.1 Pro — numero di parametri, contesto, prezzo, punteggio — è estrapolata dalla generazione V4 e va letta in questo modo.

C'è un'altra cosa da tenere d'occhio, che non è un artefatto ma un'affermazione: D​eepSeek dice che Flash batte V4 Pro su prestazioni, costo, velocità e tempo totale di esecuzione delle attività. Se questo resta vero nella generazione V4.1, un V4.1 Pro deve giustificarsi su qualcosa di diverso da "più grande" — e la risposta più probabile è quella che nessuno ha pubblicato, cioè che sarà la fascia multimodale e a lungo orizzonte anziché quella economica.

Ottenere l'uno o l'altro con un unico tasto

OrcaRouter non serve Qwen4-Max. Non è nel catalogo di oltre 200 modelli al 16 novembre, e nessuna voce adiacente lo rende tale; la via onesta per Qwen4-Max oggi è l'API Model Studio di A​libaba stessa e diverse piattaforme di terze parti. Quello che serviamo è il versante D​eepSeek di questa pagina, al prezzo di listino del fornitore applicato senza alcun ricarico: deepseek/deepseek-v4-pro-0813 a $0,66 in ingresso e $1,98 in uscita per milione, contesto 1M, output 384K, gli endpoint compatibili con O​penAI, Responses e Anthropic, con le finestre off-peak e peak applicate esattamente come le pubblica D​eepSeek.

Quell'asimmetria è il punto pratico di questo confronto. Puoi mettere DeepSeek V4 Pro sulla chiave che hai già e misurarlo questo pomeriggio. Non puoi ancora farlo con Qwen4-Max qui, e fingere il contrario sarebbe il tipo di affermazione che costa a un team una settimana. Ciò che un livello di routing ti offre nel frattempo è uno stato misto economico: DeepSeek V4 Pro che porta il volume al prezzo di listino, una fetta shadow di traffico inviata direttamente ad A​libaba per Qwen4-Max, e un unico posto in cui le due fatture vengono lette fianco a fianco. Quando un modello arriva effettivamente nel catalogo, spostare una percentuale di traffico su di esso è una regola di routing anziché un'integrazione, e il failover automatico significa che un modello non ancora collaudato può stare dietro a uno collaudato senza diventare un singolo punto di fallimento al suo primo pomeriggio negativo.

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 decisione che hai davanti questa settimana

Se ti serve il modello più potente che puoi chiamare oggi e il costo è il vincolo, DeepSeek V4 Pro è la risposta a $0,66 e $1,98, e il divario di venti punti nell'indice rispetto a Qwen4-Max è il prezzo di quello sconto — un prezzo reale, non un errore di arrotondamento. Se il tuo carico di lavoro prevede video o immagini in input, DeepSeek V4 Pro non è affatto in grado di gestirli, e la visione nativa di Qwen4-Max più una finestra da 1M vale il 2,8× anche prima di considerare le dichiarazioni sull'agente Work360 che A​libaba ha pubblicato e che nessuno ha riprodotto.

Se quello che volevi davvero era D​eepSeek V4.1 Pro, la risposta è che non c'è alcun modello del genere da attendere, solo una clausola in un changelog di settembre su cui D​eepSeek non ha agito. Sviluppa basandoti su ciò che esiste; mantieni economico il passaggio; e controlla la pagina dei prezzi di D​eepSeek una volta al mese, perché è quella la pagina che cambierà per prima.

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).

Confrontati in questo articolo4

Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno