Um cartão de título gerado com o texto 'Qwen4-Max vs DeepSeek V4.1 Pro' e o subtítulo 'Um tem uma tabela de preços. O outro tem uma frase em um changelog.', sobre três cartões: Qwen4-Max com contexto de 1M e $1.50 / $4.50 por 1M; DeepSeek V4.1 Pro sem ID de modelo e sem preço, sem cartão; DeepSeek V4 Pro a $0.66 / $1.98 por 1M com AA Index 23. Um rodapé diz 'Números do Qwen4-Max conforme Alibaba e Artificial Analysis; DeepSeek V4.1 Pro não foi lançado até 16 de novembro de 2026.'
Guides & Insights

Qwen4-Max vs. DeepSeek V4.1 Pro: Um Tem uma Tabela de Preços, o Outro Tem uma Cláusula

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

O Qwen4-Max passou a ser cobrado por uso em 16 de novembro de 2026: US$ 1,50 por milhão de tokens de entrada e US$ 4,50 por milhão de tokens de saída em Singapura, uma janela de contexto de 1.000.000 de tokens, entrada nativa de imagem e vídeo, e um Artificial Analysis Intelligence Index de 43 — 38º de 81 modelos nesse ranking. O DeepSeek V4.1 Pro não tem identificador de modelo, nenhuma linha de preço, nenhuma janela de contexto, nenhum benchmark e nenhum peso, porque a DeepSeek nunca o lançou. O único documento público que o menciona é a nota de lançamento de 10 de setembro de 2026 do DeepSeek V4.1 Flash, que dizia que, a partir de 14 de setembro, as solicitações para deepseek-v4-pro seriam encaminhadas ao V4.1 Flash “até o lançamento do V4.1-Pro” — um plano que a DeepSeek retirou depois que desenvolvedores se opuseram a que um modelo de produção fosse trocado sob seus pés. Dois meses depois, o nome ainda não tem nada por trás. Então, a comparação que vale a sua tarde não é Qwen4-Max contra um modelo que não existe; é Qwen4-Max contra o carro-chefe da DeepSeek, que existe.

O que foi lançado em 16 de novembro, nos números que um comprador usa

O lançamento da A​libaba descreve o Qwen4-Max como o primeiro modelo na arquitetura Qwen4: uma mistura esparsa de especialistas com 2,4 trilhões de parâmetros de backbone, 71 bilhões ativados por token, além de mais 328 bilhões em parâmetros de embedding N-gram que são consultados em vez de multiplicados. Três camadas Gated DeltaNet comprimem o histórico em um estado de tamanho fixo para cada camada de Qwen Sparse Attention, e quatro ramos residuais com portas dinâmicas de leitura e escrita mantêm a pilha profunda coesa. Esse é o relato do fornecedor sobre por que o custo de contexto longo diminui; é um relato, não uma medição.

• Contexto — uma janela de 1.000.000 de tokens, com um limite de entrada de 991.808 tokens no modo sem raciocínio e 983.616 no modo de raciocínio. Artificial Analysis lista o modelo com 984 mil, que é a mesma janela medida pela outra extremidade.

• Saída — 131.072 tokens no modo sem pensamento; no modo de pensamento, o raciocínio e a resposta compartilham um único orçamento de 262.144 tokens. reasoning_effort aceita low, high e xhigh; se você omitir, o valor será high.

• Preço, Singapura — US$ 1,50 de entrada, US$ 4,50 de saída por milhão. Leituras de cache a US$ 0,075, gravações de cache a US$ 1,875 por cinco minutos ou US$ 3,00 por uma hora.

• Preço, em todos os outros lugares — US$ 1.413 de entrada, US$ 4,24 de saída em Frankfurt, Virgínia, Tóquio, Hong Kong e Pequim. Mesmo modelo, 5,8% mais barato por token do que o cartão de Singapura.

• Em comparação com seu próprio antecessor — o Qwen3.8-Max está listado a US$ 2,00 e US$ 6,00 em Singapura, portanto o corte de uma geração para outra é de 25% em ambos os lados do medidor.

• Modalidade e superfície — texto, imagem e vídeo na entrada, texto na saída; OpenAI Chat Completions, OpenAI Responses, Anthropic Messages e DashScope; inferência em lote somente em Pequim.

Cada um desses números é do próprio Alibaba. O único número independente disponível hoje é o AA Index de 43, que coloca o Qwen4-Max acima da mediana de 41 do ranking e abaixo do nível de ponta. Seu custo para executar esse índice uma vez é US$ 3,27, com preço combinado de US$ 0,80 por milhão, e ele emitiu 127 milhões de tokens de saída ao fazer isso — prolixo, mas não excepcionalmente.

Em que consiste realmente o nome V4.1 Pro

Menos de um parágrafo. A nota da DeepSeek de 10 de setembro apresentou o DeepSeek V4.1 Flash, uma mistura de especialistas com 552 bilhões de parâmetros em uma nova arquitetura Causal Encoder-Decoder que ativa 8 bilhões de parâmetros durante o prefill e 16 bilhões durante o decode, lê imagens, oferece contexto de 1M de tokens e 384K de saída, e foi lançado sob MIT. Na mesma nota, a DeepSeek escreveu que o tráfego do V4 Pro migraria para o Flash com as tarifas do Flash "até o lançamento do V4.1-Pro". Os desenvolvedores interpretaram isso como um aviso de descontinuação para um modelo que estavam executando em produção; a DeepSeek recuou do plano de roteamento e continuou servindo o deepseek-v4-pro com cobrança inalterada.

Nada que surgiu desde então é verificável. A página de preços da DeepSeek hoje lista exatamente dois modelos disponibilizados: deepseek-flash, mapeado para DeepSeek-V4.1-Flash-1017, e deepseek-v4-pro, mapeado para DeepSeek-V4-Pro-0813. Não há a string deepseek-v4.1-pro na referência da API, nenhuma linha na tabela de preços, e o repositório mais recente da organização deepseek-ai no Hugging Face ainda é o V4.1 Flash. Rastreadores que publicam uma data para o lançamento estão publicando uma estimativa; uma página de contagem regressiva amplamente compartilhada lista 12 de novembro de 2026 como um "lançamento estimado", e essa data passou sem nenhum anúncio.

Então, a leitura honesta do nome é esta: é um nível que a DeepSeek descreveu em prosa e sobre o qual não construiu nada público. A geração V4 é a única evidência do que esse nível seria — o DeepSeek V4 Pro é um mixture-of-experts de 1,6 trilhão de parâmetros, com 49 bilhões ativos, somente texto, contexto de 1M, saída de 384K, licença MIT — e um V4.1 Pro presumivelmente herdaria a nova arquitetura e a visão nativa. Presumivelmente. A própria alegação do fornecedor de que o Flash "supera de forma abrangente" o V4 Pro em desempenho, custo e velocidade deixa o propósito do nível Pro na linha V4.1 genuinamente pouco claro, o que é uma posição estranha para um carro-chefe ser anunciado.

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.'

O confronto que você pode rodar hoje: Qwen4-Max contra DeepSeek V4 Pro

Retire o número da versão do lado da DeepSeek e há uma disputa real, porque o DeepSeek V4 Pro 0813 é um carro-chefe de pesos abertos, invocável e com preço definido. Os dois lados abaixo são os números publicados pelos fornecedores; a coluna do índice é o Artificial Analysis v5.0.1, que é a única linha em que os dois números foram produzidos pelo mesmo harness.

• Preço por milhão — Qwen4-Max US$ 1,50 entrada / US$ 4,50 saída (Singapura) vs. DeepSeek V4 Pro US$ 0,66 / US$ 1,98 fora de pico, dobrando para US$ 1,32 / US$ 3,96 nas janelas de pico em dias úteis de 01:00–04:00 e 06:00–10:00 UTC.

• Contexto e saída — 1.000.000 de tokens com um orçamento de 262.144 tokens para raciocínio mais resposta vs 1.048.576 tokens com até 384.000 tokens de saída.

• Modalidade — texto, imagem e vídeo na entrada vs. apenas texto. Esta é a maior diferença funcional entre eles, e não é por pouco.

• Backbone — 2,4T no total, 71B ativos, além de 328B em embeddings N-gram, versus 1,6T no total, 49B ativos. As contagens de parâmetros preveem o custo de treinamento, não a eficiência de tokens; trate-as como notas de arquitetura.

• Índice independente — 43 vs 23 na configuração de esforço Máximo do DeepSeek, com 21 em Alto e 13 sem raciocínio. Vinte pontos é uma diferença de geração, não de configuração.

• Custo independente por tarefa de indexação — $3.27 vs $1.77. Observe a direção: a DeepSeek leva vantagem em custo, por aproximadamente 1.8×, na própria contagem de tokens do avaliador.

• Verbosidade — 127M de tokens de saída em todo o índice, em comparação com um número que a página do DeepSeek informa por tarefa, e não no total; a comparação que importa é o custo por tarefa concluída, não tokens por token.

• Pesos — proprietários, somente API vs MIT, disponíveis para download em 48 shards safetensors.

• Economia de cache — o Qwen4-Max cobra US$ 1,875 por milhão para gravar uma entrada de cache de cinco minutos e US$ 0,075 para lê-la, um desconto de 95%; o DeepSeek não cobra nada explícito para gravar e US$ 0,022 por milhão para ler, um desconto de 97%. O cache do DeepSeek é mais barato e automático, o que importa mais do que a taxa anunciada em cargas de trabalho de agentes.

Calculando o custo de uma tarefa de contexto longo em ambos os medidores

Considere um prefixo de base de código de 300.000 tokens, dez turnos de trabalho sobre ele, 4.000 tokens de saída por turno, raciocínio ativado e um prefixo estável entre os turnos. Isto é aritmética sobre preços de tabela publicados, não uma execução medida.

• Qwen4-Max, Singapura, sem cache — 300.000 tokens de entrada a US$ 1,50 por milhão é US$ 0,45 por turno; dez turnos são US$ 4,50. A saída é de 4.000 tokens a US$ 4,50 por milhão, US$ 0,018 por turno, US$ 0,18 em dez. Total US$ 4,68.

• Qwen4-Max com o cache fazendo seu trabalho — uma escrita a $1,875 por milhão, $0,5625, depois nove leituras a $0,075 por milhão, $0,0225 cada, $0,2025. A entrada cai para $0,765, a saída permanece $0,18. Total $0,945, um corte de 3,8× para uma linha de configuração de solicitação.

• DeepSeek V4 Pro, fora de pico, sem cache — 300.000 tokens de entrada a US$ 0,66 por milhão custam US$ 0,198 por turno, US$ 1,98 em dez. A saída a US$ 1,98 por milhão custa US$ 0,00792 por turno, US$ 0,0792 no total. Total: US$ 2,06.

• DeepSeek V4 Pro com acertos de cache — o primeiro turno paga $0.198; os nove turnos seguintes leem a $0.022 por milhão, $0.0066 cada. A entrada fica perto de $0.257, a saída $0.079. Total $0.336. Nas janelas de pico, dobre.

Duas conclusões resistem à aritmética. Primeiro, ao preço de tabela, o Qwen4-Max custa aproximadamente 2,8× o que o DeepSeek V4 Pro custa neste tipo de tarefa, com ou sem cache. Segundo, a afirmação da A​libaba de que o Qwen4-Max usa 24% a 35% menos tokens do que o Qwen3.8-Max não fecha uma diferença de 2,8×; mesmo uma economia generosa de 35% em tokens deixa o Qwen4-Max com cerca do dobro do custo por tarefa concluída. A própria comparação do fornecedor, de US$ 4,43 para US$ 1,67 por tarefa, é uma comparação com sua própria geração anterior, não com o D​eepSeek.

O que tornaria o V4.1 Pro um verdadeiro oponente

Três artefatos publicados, e são exatamente os mesmos três que sinalizaram cada lançamento da D​eepSeek. Uma entrada no changelog nomeando o modelo, pois é onde V4.1 Flash e V4 Pro 0813 foram ambos anunciados. Um repositório na organização deepseek-ai com V4.1-Pro no nome, que é onde os pesos seriam publicados se o nível seguir a convenção MIT da família. Ou uma terceira coluna na página de preços, que hoje tem exatamente dois modelos nela. Até que um desses mude, qualquer ficha técnica que você ler sobre o D​eepSeek V4.1 Pro — contagem de parâmetros, contexto, preço, pontuação — é extrapolada da geração V4 e deve ser lida assim.

Há mais uma coisa a observar que não é um artefato, mas uma afirmação: a D​eepSeek diz que o Flash supera o V4 Pro em desempenho, custo, velocidade e tempo total de tarefa. Se isso continuar verdadeiro na geração V4.1, um V4.1 Pro terá de se justificar com algo além de "maior" — e a resposta mais provável é a que ninguém publicou, que é: ele será a camada multimodal de horizonte longo, e não a barata.

Colocando qualquer um deles atrás de uma única tecla

O OrcaRouter não disponibiliza o Qwen4-Max. Ele não está no catálogo de mais de 200 modelos em 16 de novembro, e nenhuma listagem adjacente o torna disponível; o caminho honesto para o Qwen4-Max hoje é a própria API Model Studio da A​libaba e várias plataformas de terceiros. O que nós disponibilizamos é o lado D​eepSeek desta página, ao preço de tabela do fornecedor repassado sem acréscimo: deepseek/deepseek-v4-pro-0813 a $0,66 de entrada e $1,98 de saída por milhão, contexto de 1M, saída de 384K, os endpoints compatíveis com O​penAI, Responses e Anthropic, com as janelas de fora de pico e de pico aplicando-se exatamente como a D​eepSeek as publica.

Essa assimetria é o ponto prático desta comparação. Você pode colocar o DeepSeek V4 Pro na chave que já tem e medi-lo hoje à tarde. Ainda não é possível fazer isso com o Qwen4-Max aqui, e fingir o contrário seria o tipo de alegação que custa uma semana a uma equipe. O que uma camada de roteamento lhe oferece, enquanto isso, é um estado misto barato: o DeepSeek V4 Pro carregando o volume pelo preço de tabela, uma fatia paralela do tráfego enviada diretamente à A​libaba para o Qwen4-Max, e um único lugar onde as duas faturas podem ser lidas lado a lado. Quando um modelo enfim chegar ao catálogo, mover uma porcentagem do tráfego para ele passa a ser uma regra de roteamento, e não uma integração, e o failover automático significa que um modelo não comprovado pode ficar atrás de um comprovado sem se tornar um ponto único de falha em sua primeira tarde ruim.

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.

A decisão que está diante de você esta semana

Se você precisa do modelo mais forte que pode chamar hoje e o custo é a restrição, o DeepSeek V4 Pro é a resposta a US$ 0,66 e US$ 1,98, e a diferença de vinte pontos no índice em relação ao Qwen4-Max é o preço desse desconto — um preço real, não um erro de arredondamento. Se sua carga de trabalho tem vídeo ou imagens na entrada, o DeepSeek V4 Pro não consegue fazer isso de jeito nenhum, e a visão nativa do Qwen4-Max mais uma janela de 1M vale o 2,8× mesmo antes de você contar as alegações do agente Work360 que a A​libaba publicou e ninguém reproduziu.

Se o que você realmente queria era o D​eepSeek V4.1 Pro, a resposta é que não existe esse modelo para esperar, apenas uma cláusula em um changelog de setembro sobre a qual a D​eepSeek não agiu. Desenvolva com base no que existe; mantenha a troca barata; e confira a página de preços da D​eepSeek uma vez por mês, porque é essa a página que mudará primeiro.

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 neste artigo4

Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente