Wygenerowana karta tytułowa z napisem „Qwen4-Max vs DeepSeek V4.1 Pro” i podtytułem „Jeden ma cennik. Drugi ma zdanie w changelogu.”, na trzech kartach: Qwen4-Max z kontekstem 1M i $1.50 / $4.50 za 1M; DeepSeek V4.1 Pro bez identyfikatora modelu i bez ceny, bez karty; DeepSeek V4 Pro za $0.66 / $1.98 za 1M z AA Index 23. W stopce widnieje: „Dane Qwen4-Max według Alibaba i Artificial Analysis; DeepSeek V4.1 Pro nie został wydany na dzień 16 listopada 2026 r.”
Guides & Insights

Qwen4-Max kontra DeepSeek V4.1 Pro: jeden ma cennik, drugi — klauzulę

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Qwen4-Max przeszedł na rozliczanie 16 listopada 2026 r.: 1,50 USD za milion tokenów wejściowych i 4,50 USD za milion tokenów wyjściowych w Singapurze, okno kontekstu 1 000 000 tokenów, natywne wejście obrazu i wideo oraz wynik 43 w Artificial Analysis Intelligence Index — 38. miejsce spośród 81 modeli w tym zestawieniu. DeepSeek V4.1 Pro nie ma identyfikatora modelu, pozycji w cenniku, okna kontekstu, wyniku benchmarku ani wag, ponieważ DeepSeek nigdy go nie wydał. Jedynym publicznym dokumentem, który go wymienia, jest nota wydania DeepSeek V4.1 Flash z 10 września 2026 r., w której stwierdzono, że od 14 września żądania do deepseek-v4-pro będą przekierowywane do V4.1 Flash „do czasu premiery V4.1-Pro” — plan, który DeepSeek wycofał po tym, jak deweloperzy zaprotestowali przeciwko podmienianiu im modelu produkcyjnego pod nogami. Dwa miesiące później za tą nazwą wciąż nic nie stoi. Zatem porównaniem wartym Twojego popołudnia nie jest Qwen4-Max z modelem, który nie istnieje; jest nim Qwen4-Max z flagowym modelem DeepSeek, który istnieje.

Co trafiło do sprzedaży 16 listopada — w liczbach, którymi posługuje się kupujący

Wydanie Alibaby opisuje Qwen4-Max jako pierwszy model na architekturze Qwen4: rzadką mieszankę ekspertów z 2,4 biliona parametrów szkieletowych, 71 miliardów aktywowanych na token, plus 328 miliardów więcej w parametrach osadzania N-gram, które są wyszukiwane, a nie mnożone. Trzy warstwy Gated DeltaNet kompresują historię do stanu o stałym rozmiarze dla każdej warstwy Qwen Sparse Attention, a cztery gałęzie rezydualne z dynamicznymi bramkami odczytu i zapisu spajają głęboki stos. To relacja dostawcy o tym, dlaczego koszt długiego kontekstu spada; to relacja, a nie pomiar.

• Kontekst — okno 1 000 000 tokenów, z limitem wejściowym 991 808 tokenów w trybie bez myślenia i 983 616 w trybie myślenia. Artificial Analysis podaje dla modelu 984 tys., co odpowiada temu samemu oknu mierzonemu z drugiej strony.

• Dane wyjściowe — 131 072 tokeny w trybie niewymagającym myślenia; w trybie myślenia rozumowanie i odpowiedź współdzielą jeden budżet wynoszący 262 144 tokeny. reasoning_effort przyjmuje wartości low, high i xhigh, a jego pominięcie daje wartość high.

• Cena, Singapur — 1,50 USD za milion na wejściu, 4,50 USD za milion na wyjściu. Odczyt z pamięci podręcznej: 0,075 USD; zapis do pamięci podręcznej: 1,875 USD na pięć minut lub 3,00 USD na godzinę.

Cena w pozostałych lokalizacjach — 1,413 USD za wejście, 4,24 USD za wyjście w Frankfurcie, Wirginii, Tokio, Hongkongu i Pekinie. Ten sam model, o 5,8% tańszy za token niż karta singapurska.

• W porównaniu z własnym poprzednikiem — Qwen3.8-Max jest wyceniany na 2,00 i 6,00 USD w Singapurze, więc obniżka z pokolenia na pokolenie wynosi 25% po obu stronach taryfy.

• Modalność i interfejs — tekst, obraz i wideo na wejściu, tekst na wyjściu; O​penAI Chat Completions, O​penAI Responses, A​nthropic Messages i DashScope; wnioskowanie wsadowe tylko w Pekinie.

Każda z tych liczb pochodzi od samej A​libaby. Jedyną niezależną liczbą dostępną dziś jest AA Index wynoszący 43, co plasuje Qwen4-Max powyżej mediany rankingu wynoszącej 41 i poniżej poziomu frontier. Koszt jednorazowego uruchomienia tego indeksu to 3,27 USD, cena mieszana 0,80 USD za milion, a model wygenerował przy tym 127 milionów tokenów wyjściowych — rozwlekłe, ale nie wyjątkowo.

Z czego właściwie składa się nazwa V4.1 Pro

Mniej niż akapit. W notatce DeepSeek z 10 września przedstawiono DeepSeek V4.1 Flash – model mixture-of-experts o 552 miliardach parametrów, oparty na nowej architekturze Causal Encoder-Decoder, który aktywuje 8 miliardów parametrów podczas prefill i 16 miliardów podczas decode, odczytuje obrazy, obsługuje kontekst 1 mln tokenów i 384 tys. tokenów wyjściowych oraz został wydany na licencji MIT. W tej samej notatce DeepSeek napisał, że ruch V4 Pro zostanie przeniesiony do Flash po stawkach Flash „do czasu premiery V4.1-Pro”. Programiści odczytali to jako zawiadomienie o wycofaniu modelu, którego używali w produkcji; DeepSeek wycofał się z planu routingu i nadal obsługiwał deepseek-v4-pro przy niezmienionym rozliczaniu.

To, co pojawiło się od tego czasu, nie jest niczym weryfikowalnym. Strona cennika D​eepSeek wymienia dziś dokładnie dwa obsługiwane modele: deepseek-flash, odpowiadający DeepSeek-V4.1-Flash-1017, oraz deepseek-v4-pro, odpowiadający DeepSeek-V4-Pro-0813. W dokumentacji API nie ma ciągu deepseek-v4.1-pro, nie ma wiersza w cenniku, a najnowsze repozytorium w organizacji deepseek-ai na Hugging Face to nadal V4.1 Flash. Serwisy śledzące, które podają dla niego datę, publikują szacunek; jedna szeroko udostępniana strona odliczająca podaje 12 listopada 2026 r. jako „szacowaną premierę”, a ta data minęła bez ogłoszenia.

Uczciwe odczytanie tej nazwy jest więc takie: to poziom, który DeepSeek opisał prozą, ale nie zbudował na nim niczego publicznego. Generacja V4 jest jedynym dowodem na to, jak ten poziom by wyglądał — DeepSeek V4 Pro to mixture-of-experts o 1,6 biliona parametrów, z 49 miliardami aktywnych, wyłącznie tekstowy, z kontekstem 1M, wyjściem 384K i licencją MIT — a V4.1 Pro przypuszczalnie odziedziczyłby nową architekturę i natywne przetwarzanie obrazu. Przypuszczalnie. Twierdzenie samego dostawcy, że Flash „kompleksowo przewyższa” V4 Pro pod względem wydajności, kosztu i szybkości, sprawia, że cel poziomu Pro w linii V4.1 jest naprawdę niejasny, co jest dziwną sytuacją, jak na ogłaszanie flagowego modelu.

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.'

Pojedynek, który możesz przeprowadzić już dziś: Qwen4-Max kontra DeepSeek V4 Pro

Usuń numer wersji po stronie D​eepSeek, a otrzymasz prawdziwą rywalizację, ponieważ DeepSeek V4 Pro 0813 to wywoływalny, wyceniony flagowiec z otwartymi wagami. Obie strony poniżej to opublikowane przez dostawców liczby; kolumna indeksu to Artificial Analysis v5.0.1, jedyny wiersz, w którym obie liczby uzyskano w tym samym środowisku testowym.

• Cena za milion — Qwen4-Max 1,50 USD za wejście / 4,50 USD za wyjście (Singapur) vs DeepSeek V4 Pro 0,66 USD / 1,98 USD poza godzinami szczytu, wzrastając dwukrotnie do 1,32 USD / 3,96 USD w godzinach szczytu w dni powszednie 01:00–04:00 i 06:00–10:00 UTC.

• Kontekst i dane wyjściowe — 1 000 000 tokenów z budżetem 262 144 tokenów na myślenie i odpowiedź w porównaniu z 1 048 576 tokenów z maksymalnie 384 000 tokenów wyjściowych.

• Modalność — tekst, obraz i wideo na wejściu kontra sam tekst. To największa pojedyncza różnica funkcjonalna między nimi i nie ma tu nawet porównania.

• Szkielet — łącznie 2,4T, 71B aktywnych, plus 328B w osadzeniach N-gramów w porównaniu z łącznie 1,6T, 49B aktywnych. Liczby parametrów przewidują koszt trenowania, a nie efektywność tokenową; traktuj je jako uwagi architektoniczne.

• Niezależny indeks — 43 vs 23 przy ustawieniu Max effort w DeepSeek, z 21 przy High i 13 bez rozumowania. Dwadzieścia punktów to luka wynikająca z generacji, a nie z ustawień.

Niezależny koszt na zadanie indeksowania — $3.27 vs $1.77. Zwróć uwagę na kierunek: D​eepSeek wygrywa pod względem kosztu, około 1.8×, według własnego rozliczenia tokenów ewaluatora.

• Rozwlekłość — 127 mln tokenów wyjściowych w całym indeksie w porównaniu z liczbą, którą strona D​eepSeek podaje na zadanie, a nie łącznie; istotne porównanie to koszt na ukończone zadanie, a nie tokeny w przeliczeniu na token.

• Wagi — zastrzeżone, tylko przez API vs MIT, do pobrania w 48 shardach safetensors.

• Ekonomika pamięci podręcznej — Qwen4-Max pobiera 1,875 USD za milion za zapis pięciominutowego wpisu pamięci podręcznej i 0,075 USD za jego odczyt, co stanowi 95% zniżki; DeepSeek nie pobiera żadnej wyraźnej opłaty za zapis i 0,022 USD za milion za odczyt, co stanowi 97% zniżki. Pamięć podręczna DeepSeek jest zarówno tańsza, jak i automatyczna, co ma większe znaczenie niż stawka podana w nagłówku w przypadku obciążeń agentowych.

Kosztowanie zadania z długim kontekstem na obu licznikach

Weź prefiks bazy kodu o rozmiarze 300 000 tokenów, dziesięć tur pracy z nim, 4000 tokenów wyjściowych na turę, włączone myślenie oraz prefiks stabilny między turami. To arytmetyka na opublikowanych cenach cennikowych, a nie zmierzony przebieg.

• Qwen4-Max, Singapur, bez pamięci podręcznej — 300 000 tokenów wejściowych po 1,50 USD za milion to 0,45 USD na turę; dziesięć tur to 4,50 USD. Wyjście to 4000 tokenów po 4,50 USD za milion, 0,018 USD na turę, 0,18 USD łącznie przez dziesięć tur. Razem 4,68 USD.

• Qwen4-Max z cache, który robi swoje — jeden zapis po $1.875 za milion, $0.5625, potem dziewięć odczytów po $0.075 za milion, $0.0225 każdy, $0.2025. Wejście spada do $0.765, wyjście pozostaje $0.18. Razem $0.945, redukcja 3.8× dzięki jednej linii konfiguracji żądania.

• DeepSeek V4 Pro, poza szczytem, bez pamięci podręcznej — 300 000 tokenów wejściowych po 0,66 USD za milion to 0,198 USD za turę, 1,98 USD przez dziesięć tur. Wyjście po 1,98 USD za milion to 0,00792 USD za turę, łącznie 0,0792 USD. Razem 2,06 USD.

• DeepSeek V4 Pro z trafieniami w cache — pierwsza tura kosztuje $0.198; dziewięć późniejszych tur odczytu po $0.022 za milion, po $0.0066 każda. Wejście wynosi około $0.257, wyjście $0.079. Razem $0.336. W oknach szczytowych podwoić tę kwotę.

Dwa wnioski pozostają w mocy po przeprowadzeniu obliczeń. Po pierwsze, przy cenie katalogowej Qwen4-Max kosztuje około 2,8× tyle, ile kosztuje DeepSeek V4 Pro przy tego rodzaju zadaniu, niezależnie od tego, czy korzysta z pamięci podręcznej, czy nie. Po drugie, twierdzenie A​libaby, że Qwen4-Max zużywa o 24% do 35% mniej tokenów niż Qwen3.8-Max, nie zamyka luki 2,8×; nawet hojne 35% oszczędności tokenów pozostawia Qwen4-Max na poziomie około dwukrotnie wyższego kosztu na ukończone zadanie. Porównanie samego dostawcy wynoszące od 4,43 USD do 1,67 USD na zadanie jest porównaniem z jego własną poprzednią generacją, a nie z D​eepSeek.

Co uczyniłoby V4.1 Pro prawdziwym przeciwnikiem

Trzy opublikowane artefakty — i są to te same trzy, które sygnalizowały każde wydanie D​eepSeek. Wpis w changelogu wymieniający model, ponieważ właśnie tam ogłoszono zarówno V4.1 Flash, jak i V4 Pro 0813. Repozytorium w organizacji deepseek-ai z V4.1-Pro w nazwie, czyli miejsce, w którym wylądowałyby wagi, gdyby ten poziom postępował zgodnie z konwencją MIT przyjętą w rodzinie. Albo trzecia kolumna na stronie cennika, na której dziś są dokładnie dwa modele. Dopóki któryś z tych elementów się nie zmieni, każda karta specyfikacji, którą przeczytasz dla D​eepSeek V4.1 Pro — liczba parametrów, kontekst, cena, wynik — jest ekstrapolowana z generacji V4 i tak należy ją odczytywać.

Jest jeszcze jedna rzecz, na którą trzeba uważać, a która nie jest artefaktem, lecz twierdzeniem: D​eepSeek mówi, że Flash przewyższa V4 Pro pod względem wydajności, kosztu, szybkości i łącznego czasu realizacji zadania. Jeśli pozostanie to prawdą w generacji V4.1, V4.1 Pro będzie musiał uzasadnić swoje istnienie czymś innym niż „większy” — a najbardziej prawdopodobna odpowiedź to ta, której nikt nie opublikował: że będzie to multimodalna warstwa długiego horyzontu, a nie ta tania.

Umieszczenie któregokolwiek z nich pod jednym klawiszem

OrcaRouter nie obsługuje Qwen4-Max. Nie ma go w katalogu ponad 200 modeli na dzień 16 listopada i żadna sąsiednia pozycja tego nie zmienia; uczciwa droga do Qwen4-Max prowadzi dziś przez własne Model Studio API firmy Alibaba oraz kilka platform zewnętrznych. Udostępniamy natomiast część DeepSeek na tej stronie, u dostawcy, cena katalogowa przekazywana bez marży: deepseek/deepseek-v4-pro-0813 po $0,66 za milion tokenów wejściowych i $1,98 za milion tokenów wyjściowych, kontekst 1M, wyjście 384K, endpointy kompatybilne z OpenAI, Responses i Anthropic, przy czym okna poza szczytem i w szczycie obowiązują dokładnie tak, jak publikuje je DeepSeek.

Ta asymetria jest praktycznym punktem tego porównania. Możesz uruchomić DeepSeek V4 Pro na kluczu, który już masz, i zmierzyć go jeszcze tego popołudnia. Z Qwen4-Max nie da się tego tutaj jeszcze zrobić, a udawanie, że jest inaczej, byłoby rodzajem twierdzenia, które kosztuje zespół tydzień. To, co warstwa routingu daje ci w międzyczasie, to tani stan mieszany: DeepSeek V4 Pro obsługujący wolumen w cenie katalogowej, niewielki wycinek ruchu wysyłany w tle bezpośrednio do A​libaba na potrzeby Qwen4-Max oraz jedno miejsce, w którym oba rachunki można czytać obok siebie. Gdy model faktycznie trafi do katalogu, przeniesienie procenta ruchu na niego jest regułą routingu, a nie integracją, a automatyczne przełączanie awaryjne oznacza, że nieprzetestowany model może stać za sprawdzonym, nie stając się pojedynczym punktem awarii w trakcie pierwszego złego popołudnia.

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.

Decyzja, przed którą stoisz w tym tygodniu

Jeśli potrzebujesz najmocniejszego modelu, jaki możesz dziś wywołać, a koszt jest ograniczeniem, odpowiedzią jest DeepSeek V4 Pro w cenie $0,66 i $1,98, a dwudziestopunktowa różnica w indeksie względem Qwen4-Max to cena tej zniżki — prawdziwa cena, nie błąd zaokrąglenia. Jeśli w Twoim obciążeniu na wejściu pojawiają się wideo lub obrazy, DeepSeek V4 Pro w ogóle tego nie obsłuży, a natywne przetwarzanie obrazu w Qwen4-Max plus okno 1M są warte 2,8×, nawet zanim policzysz deklaracje agenta Work360, które A​libaba opublikowała, a których nikt nie odtworzył.

Jeśli tak naprawdę chodziło ci o D​eepSeek V4.1 Pro, odpowiedź jest taka, że nie ma takiego modelu, na który można czekać — jest tylko zapis we wrześniowym changelogu, którego D​eepSeek nie wprowadził w życie. Buduj na tym, co istnieje; zadbaj, by przełączenie było tanie; i raz w miesiącu sprawdzaj stronę cennika D​eepSeek, bo to właśnie ta strona zmieni się pierwsza.

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).

Porównane w tym artykule4

Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie