Een gegenereerde titelkaart met de tekst 'Qwen4-Max vs DeepSeek V4.1 Pro' en de ondertitel 'De ene heeft een tarievenkaart. De andere heeft een zin in een changelog.', over drie kaarten: Qwen4-Max met 1M context en $1,50 / $4,50 per 1M; DeepSeek V4.1 Pro zonder model-ID en zonder prijs, geen kaart; DeepSeek V4 Pro voor $0,66 / $1,98 per 1M met AA Index 23. Een footer luidt: 'Cijfers voor Qwen4-Max volgens Alibaba en Artificial Analysis; DeepSeek V4.1 Pro is per 16 november 2026 nog niet uitgebracht.'
Guides & Insights

Qwen4-Max vs DeepSeek V4.1 Pro: de een heeft een tariefkaart, de ander een clausule

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Qwen4-Max schakelde op 16 november 2026 over op verbruiksgebaseerde facturering: $1,50 per miljoen inputtokens en $4,50 per miljoen outputtokens in Singapore, een contextvenster van 1.000.000 tokens, native beeld- en video-invoer, en een Artificial Analysis Intelligence Index van 43 — 38e van 81 modellen op die ranglijst. D​eepSeek V4.1 Pro heeft geen model-ID, geen prijsregel, geen contextvenster, geen benchmark en geen gewichten, omdat D​eepSeek het nooit heeft uitgebracht. Het enige openbare document dat het noemt, is de releaseopmerking van 10 september 2026 voor DeepSeek V4.1 Flash, waarin stond dat vanaf 14 september verzoeken aan deepseek-v4-pro zouden worden doorgestuurd naar V4.1 Flash "totdat V4.1-Pro wordt gelanceerd" — een plan dat D​eepSeek introk nadat ontwikkelaars bezwaar maakten tegen het onder hun voeten vervangen van een productiemodel. Twee maanden later staat er nog steeds niets achter de naam. De vergelijking die je middag waard is, is dus niet Qwen4-Max tegen een model dat niet bestaat; het is Qwen4-Max tegen de D​eepSeek-flagship die wél bestaat.

Wat er op 16 november is uitgeleverd, in de cijfers die een koper gebruikt

A​libaba's release beschrijft Q​wen4-Max als het eerste model op de Q​wen4-architectuur: een sparse mixture-of-experts met 2,4 biljoen backbone-parameters, 71 miljard per token geactiveerd, plus nog eens 328 miljard aan N-gram-embeddingparameters die worden opgezocht in plaats van vermenigvuldigd. Drie Gated DeltaNet-lagen comprimeren de geschiedenis tot een state met vaste grootte voor elke Q​wen Sparse Attention-laag, en vier residuele vertakkingen met dynamische lees- en schrijfpoorten houden de diepe stack bijeen. Dat is de uitleg van de leverancier waarom de kosten voor lange contexten dalen; het is een uitleg, geen meting.

• Context — een venster van 1.000.000 tokens, met een invoerplafond van 991.808 tokens in niet-denkmodus en 983.616 in denkmodus. Artificial Analysis vermeldt het model op 984k, wat hetzelfde venster is, gemeten vanaf de andere kant.

• Uitvoer — 131.072 tokens zonder denken; in de denkmodus delen redenering en antwoord één budget van 262.144 tokens. reasoning_effort accepteert low, high en xhigh, en als je het weglaat, krijg je high.

• Prijs, Singapore — $1,50 voor invoer, $4,50 voor uitvoer per miljoen. Cache-leesacties tegen $0,075; cache-schrijfacties tegen $1,875 voor vijf minuten of $3,00 voor een uur.

• Prijs, overal elders — $1,413 invoer, $4,24 uitvoer in Frankfurt, Virginia, Tokio, Hongkong en Peking. Hetzelfde model, 5,8% goedkoper per token dan de Singapore-kaart.

• Ten opzichte van zijn eigen voorganger — Qwen3.8-Max staat in Singapore geprijsd op $2,00 en $6,00, dus de verlaging van generatie op generatie bedraagt 25% aan beide kanten van de meter.

• Modaliteit en interface — tekst, afbeelding en video in, tekst uit; O​penAI Chat Completions, O​penAI Responses, A​nthropic Messages en DashScope; batch-inferentie alleen in Peking.

Elk van die cijfers is van A​libaba zelf. Het enige onafhankelijke getal dat vandaag beschikbaar is, is de AA Index van 43; daarmee staat Qwen4-Max boven de mediaan van 41 op het leaderboard en onder de frontier-tier. Het kost $3,27 om die index één keer te draaien, tegen een gemengde prijs van $0,80 per miljoen, en daarbij werden 127 miljoen outputtokens geproduceerd — breedsprakig, maar niet uitzonderlijk.

Waaruit de naam V4.1 Pro eigenlijk bestaat

DeepSeek introduceerde in een nota van 10 september DeepSeek V4.1 Flash, een mixture-of-experts met 552 miljard parameters op een nieuwe Causal Encoder-Decoder-architectuur die tijdens prefill 8 miljard parameters activeert en tijdens decode 16 miljard, afbeeldingen leest, een context van 1M tokens en 384K output biedt, en onder MIT werd uitgebracht. In dezelfde nota schreef DeepSeek dat V4 Pro-verkeer naar Flash zou overgaan tegen Flash-tarieven "totdat V4.1-Pro wordt gelanceerd." Ontwikkelaars zagen dat als een eindelevensbericht voor een model dat ze in productie hadden draaien; DeepSeek trok het routeringsplan terug en bleef deepseek-v4-pro tegen ongewijzigde facturering leveren.

Wat er sindsdien is verschenen, is niets verifieerbaars. De prijspagina van D​eepSeek vermeldt vandaag precies twee aangeboden modellen: deepseek-flash, dat overeenkomt met DeepSeek-V4.1-Flash-1017, en deepseek-v4-pro, dat overeenkomt met DeepSeek-V4-Pro-0813. Er is geen deepseek-v4.1-pro-string in de API-referentie, geen rij op het prijsoverzicht, en de nieuwste repository in de deepseek-ai-organisatie op Hugging Face is nog steeds V4.1 Flash. Trackers die er een datum voor publiceren, publiceren een schatting; een veel gedeelde aftelpagina vermeldt 12 november 2026 als een "geschatte release", en die datum is verstreken zonder aankondiging.

De eerlijke lezing van de naam is deze: het is een niveau dat DeepSeek in proza heeft beschreven en waarop het niets publiekelijks heeft gebouwd. De V4-generatie is het enige bewijs voor hoe dat niveau eruit zou zien — DeepSeek V4 Pro is een mixture-of-experts met 1,6 biljoen parameters, waarvan 49 miljard actief, alleen tekst, 1M-context, 384K-output, MIT-licentie — en een V4.1 Pro zou vermoedelijk de nieuwe architectuur en native vision erven. Vermoedelijk. De eigen claim van de leverancier dat Flash V4 Pro qua prestaties, kosten en snelheid “in alle opzichten overtreft”, laat het doel van het Pro-niveau in de V4.1-lijn echt onduidelijk, wat een vreemde positie is om een vlaggenschip in aan te kondigen.

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.'

De confrontatie die je vandaag kunt uitvoeren: Qwen4-Max tegen DeepSeek V4 Pro

Haal het versienummer van de DeepSeek-kant af en er is een echte concurrentiestrijd, want DeepSeek V4 Pro 0813 is een aanroepbaar, geprijsd open-weight vlaggenschipmodel. Beide kanten hieronder zijn de gepubliceerde cijfers van de leveranciers; de indexkolom is Artificial Analysis v5.0.1, de enige rij waarin de twee getallen door dezelfde testharness zijn geproduceerd.

• Prijs per miljoen — Qwen4-Max $1,50 in / $4,50 uit (Singapore) versus DeepSeek V4 Pro $0,66 / $1,98 buiten piekuren, verdubbelt naar $1,32 / $3,96 in de piekvensters op weekdagen van 01:00–04:00 en 06:00–10:00 UTC.

Context en uitvoer — 1.000.000 tokens met een budget van 262.144 tokens voor denken-plus-antwoord versus 1.048.576 tokens met maximaal 384.000 uitvoertokens.

• Modaliteit — tekst, afbeelding en video als invoer versus alleen tekst. Dit is veruit het grootste functionele verschil tussen beide.

• Backbone — 2,4T totaal, 71B actief, plus 328B in N-gram-embeddings vs. 1,6T totaal, 49B actief. Parameteraantallen voorspellen trainingskosten, niet token-efficiëntie; behandel ze als architectuurnotities.

• Onafhankelijke index — 43 vs. 23 bij DeepSeek's Max effort-instelling, met 21 op High en 13 op non-reasoning. Twintig punten is een kloof die door de generatie wordt bepaald, niet door de instellingen.

• Onafhankelijke kosten per indextaak — $3,27 vs $1,77. Let op de richting: D​eepSeek wint op kosten, met ongeveer 1,8×, op basis van de eigen tokenadministratie van de evaluator.

Verbositeit — 127M outputtokens in de hele index versus een getal dat de pagina van DeepSeek per taak rapporteert in plaats van als totaal; de vergelijking die telt is kosten per voltooide taak, niet tokens per token.

• Gewichten — propriëtair, alleen via API versus MIT, downloadbaar in 48 safetensors-shards.

• Cache-economie — Qwen4-Max rekent $1,875 per miljoen voor het schrijven van een cache-entry van vijf minuten en $0,075 om die te lezen, een korting van 95%; DeepSeek rekent niets expliciet voor het schrijven en $0,022 per miljoen voor het lezen, een korting van 97%. De cache van DeepSeek is zowel goedkoper als automatisch, wat meer uitmaakt dan het tarief in de kop bij agent-workloads.

Kosten van een long-context-taak berekenen op beide meters

Neem een codebaseprefix van 300.000 tokens, tien beurten werk ermee, 4.000 uitvoertokens per beurt, thinking aan, en een prefix die stabiel blijft over de beurten. Dit is rekenwerk met gepubliceerde lijstprijzen, geen gemeten run.

• Qwen4-Max, Singapore, zonder cache — 300.000 invoertokens tegen $1,50 per miljoen is $0,45 per beurt; tien beurten is $4,50. Uitvoer is 4.000 tokens tegen $4,50 per miljoen, $0,018 per beurt, $0,18 over tien beurten. Totaal $4,68.

• Qwen4-Max met de cache die zijn werk doet — één schrijfactie voor $1,875 per miljoen, $0,5625, daarna negen leesacties voor $0,075 per miljoen, $0,0225 elk, $0,2025. De invoer daalt naar $0,765, de uitvoer blijft $0,18. Totaal $0,945, een verlaging van 3,8× voor één regel aanvraagconfiguratie.

• DeepSeek V4 Pro, buiten piekuren, zonder cache — 300.000 invoertokens tegen $0,66 per miljoen is $0,198 per beurt, $1,98 over tien beurten. Uitvoer tegen $1,98 per miljoen is $0,00792 per beurt, $0,0792 totaal. Totaal $2,06.

• DeepSeek V4 Pro met cachehits — de eerste ronde kost $0,198; de negen volgende rondes worden gelezen tegen $0,022 per miljoen, $0,0066 per stuk. De input komt uit op ongeveer $0,257, de output op $0,079. Totaal $0,336. In de piekvensters: verdubbel dat.

Twee conclusies blijven overeind na de berekening. Ten eerste kost Qwen4-Max tegen lijstprijs ruwweg 2,8× zoveel als DeepSeek V4 Pro voor dit type taak, met of zonder caching. Ten tweede dicht Alibaba's bewering dat Qwen4-Max 24% tot 35% minder tokens gebruikt dan Qwen3.8-Max geen gat van 2,8×; zelfs een royale tokenbesparing van 35% laat Qwen4-Max op ongeveer het dubbele uitkomen qua kosten per voltooide taak. De eigen vergelijking van de leverancier van $4,43 tegen $1,67 per taak is een vergelijking met zijn eigen vorige generatie, niet met DeepSeek.

Wat zou van V4.1 Pro een echte tegenstander maken?

Drie gepubliceerde artefacten, en het zijn dezelfde drie die elke D​eepSeek-release hebben aangekondigd. Een changelog-vermelding met de naam van het model, want daar zijn zowel V4.1 Flash als V4 Pro 0813 aangekondigd. Een repository in de deepseek-ai-organisatie met V4.1-Pro in de naam, waar de gewichten zouden belanden als de tier de MIT-conventie van de familie volgt. Of een derde kolom op de prijspagina, die vandaag precies twee modellen bevat. Totdat een van die signalen verandert, is elk specsheet dat je voor D​eepSeek V4.1 Pro leest — aantal parameters, context, prijs, score — geëxtrapoleerd uit de V4-generatie en moet je het ook zo lezen.

Er is nog één ding om in de gaten te houden dat geen artefact is maar een bewering: D​eepSeek zegt dat Flash V4 Pro verslaat qua prestaties, kosten, snelheid en totale taaktijd. Als dat waar blijft in de V4.1-generatie, moet een V4.1 Pro zich rechtvaardigen met iets anders dan "groter" — en het meest waarschijnlijke antwoord is datgene wat niemand heeft gepubliceerd, namelijk dat het de multimodale long-horizon-tier wordt in plaats van de goedkope.

Een van beide achter één enkele toets krijgen

OrcaRouter biedt geen Qwen4-Max aan. Het staat niet in de catalogus van meer dan 200 modellen per 16 november, en geen enkele nabijgelegen vermelding maakt dat anders; de eerlijke route naar Qwen4-Max vandaag is Alibaba's eigen Model Studio API en verschillende platforms van derden. Wat wij wel aanbieden is de DeepSeek-kant van deze pagina, tegen de lijstprijs van de leverancier, doorgegeven zonder markup: deepseek/deepseek-v4-pro-0813 voor $0,66 in en $1,98 uit per miljoen, 1M context, 384K output, de OpenAI-, Responses- en Anthropic-compatibele endpoints, waarbij de dal- en piekvensters precies gelden zoals DeepSeek ze publiceert.

Die asymmetrie is het praktische punt van deze vergelijking. Je kunt DeepSeek V4 Pro op de sleutel zetten die je al hebt en het vanmiddag meten. Dat kun je hier nog niet met Qwen4-Max doen, en doen alsof dat wel kan, zou het soort bewering zijn dat een team een week kost. Wat een routeringslaag je in de tussentijd wel oplevert, is een goedkope gemengde toestand: DeepSeek V4 Pro draagt het volume tegen de lijstprijs, een schaduwdeel van het verkeer gaat rechtstreeks naar Alibaba voor Qwen4-Max, en er is één plek waar de twee rekeningen naast elkaar worden gelezen. Wanneer een model dan in de catalogus terechtkomt, is een percentage van het verkeer erheen verplaatsen een routeringsregel in plaats van een integratie, en automatische failoverbetekent dat een onbewezen model achter een bewezen model kan staan zonder op zijn eerste slechte middag een single point of failure te worden.

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.

De beslissing die deze week voor u ligt

Als je het sterkste model nodig hebt dat je vandaag kunt aanroepen en kosten de beperkende factor zijn, dan is DeepSeek V4 Pro het antwoord tegen $0,66 en $1,98, en het twintigpuntenverschil in de index ten opzichte van Qwen4-Max is de prijs van die korting — een echte prijs, geen afrondingsfout. Als je workload video of afbeeldingen aan de invoerkant heeft, kan DeepSeek V4 Pro dat helemaal niet doen, en Qwen4-Max' native vision plus een venster van 1M is de 2,8× waard, nog voordat je de Work360-agentclaims meetelt die Alibaba heeft gepubliceerd en die niemand heeft gereproduceerd.

Als je eigenlijk DeepSeek V4.1 Pro wilde, is het antwoord dat er geen dergelijk model is om op te wachten, alleen een clausule in een changelog van september waar DeepSeek niets mee heeft gedaan. Bouw op wat bestaat; houd de overstap goedkoop; en controleer één keer per maand de prijspagina van DeepSeek, want dat is de pagina die als eerste zal veranderen.

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).

Vergeleken in dit artikel4

Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt