Um cartão de título gerado com o texto 'Qwen 4 vs DeepSeek V4.1 Pro: dois cartões de preço, um custo idêntico por ponto de índice', com o subtítulo '7,6 centavos e 7,7 centavos por ponto de índice, a partir de uma tarefa de US$ 3,27 e de uma tarefa de US$ 1,77'. Três linhas numeradas trazem 'pontuação de índice 42,9 contra 23,1, Artificial Analysis v5.0.1', 'custo por tarefa de índice concluída US$ 3,27 contra US$ 1,77' e 'o modelo DeepSeek Pro efetivamente disponibilizado é o V4 Pro 0813'. Um rodapé traz 'Pontuações e custo por tarefa segundo o Artificial Analysis Intelligence Index v5.0.1; preços conforme a tabela de preços publicada de cada fornecedor.' Estilo vetorial plano sobre fundo branco com detalhes em azul e ciano, a marca OrcaRouter composta no canto inferior direito.
Guides & Insights

Qwen 4 vs DeepSeek V4.1 Pro: Duas Tabelas de Preços, Um Custo Idêntico por Ponto de Índice

Autor

jinhao.song

Data de publicação

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

Divida o custo por tarefa concluída de cada modelo pelo seu score no Intelligence Index e algo estranho acontece. Qwen4-Max, a US$ 3,27 por tarefa e 42,9 pontos, resulta em 7,6 centavos por ponto do índice. D​eepSeek V4.1 Pro — ou melhor, o modelo efetivamente servido no tier Pro da DeepSeek, o DeepSeek V4 Pro 0813, a US$ 1,77 por tarefa e 23,1 pontos — resulta em 7,7 centavos por ponto. Duas empresas, duas tabelas de preços que diferem por um fator de quatro na saída, dois níveis de capacidade separados por quase vinte pontos e o mesmo custo por unidade de inteligência medida com margem de um por cento. Essa coincidência é todo o confronto, e é mais útil do que qualquer linha isolada de benchmark.

Uma observação sobre o nome no slug: a DeepSeek não tem nenhum modelo chamado V4.1 Pro em seu catálogo. Sua página de preços lista exatamente dois modelos servidos — deepseek-flash, que corresponde a DeepSeek-V4.1-Flash-1017, e deepseek-v4-pro, que corresponde a DeepSeek-V4-Pro-0813. A string V4.1 Pro sobrevive em uma nota de setembro sobre um lançamento futuro que desde então saiu da página. Portanto, esta é uma comparação com o modelo Pro real da DeepSeek, e todos os números da DeepSeek abaixo são desse modelo.

A aritmética primeiro, porque é ela o argumento.

A Artificial Analysis publica tanto a pontuação do índice quanto o custo modelado de executar a suíte completa do índice, usando os preços de tabela de cada fornecedor e os tokens que o modelo realmente consumiu. Esses dois números bastam para precificar a capacidade diretamente.

• Qwen4-Max — 42,9 pontos de índice com esforço xhigh; US$ 3,27 por tarefa; 7,6 centavos por ponto.

• DeepSeek V4 Pro 0813 — 23,1 pontos no esforço máximo; US$ 1,77 por tarefa; 7,7 centavos por ponto.

• A proporção — 1,007. O DeepSeek é 46% mais barato por tarefa concluída e 46% menos capaz, e os dois fatos se anulam.

• Contra a precificação de pico — a tabela de preços da DeepSeek dobra dentro das suas janelas de dias úteis das 01:00–04:00 e 06:00–10:00 UTC, de $0,66/$1,98 para $1,32/$3,96. O valor de $1,77 usa a tarifa de pico, então o trabalho fora do pico leva o custo por ponto da DeepSeek para cerca de 3,8 centavos, e ele se torna o modelo mais barato por ponto por um fator de dois.

Essa última linha é a que dá o que fazer. Os dois modelos são compras equivalentes pelo preço de tabela da DeepSeek, e o Qwen4-Max é duas vezes mais eficiente se você conseguir agendar para a janela de desconto da DeepSeek — o que mostra que a decisão não tem absolutamente nada a ver com a qualidade do modelo, e sim com se o seu tráfego pode ser processado em lote.

A generated two-column scoreboard titled 'Qwen4-Max vs DeepSeek V4 Pro 0813 - the scoreboard'. The Qwen4-Max column reads index score 42.9, cost per index task $3.27, cents per index point 7.6, input per million $1.50, output per million $4.50, hallucination rate 28.4%. The DeepSeek column reads index score 23.1, cost per index task $1.77, cents per index point 7.7, input per million $1.32 at peak, output per million $3.96 at peak, hallucination rate 94.1%. A footer reads 'Scores and per-task cost per Artificial Analysis Intelligence Index v5.0.1; prices per each vendor's published rate card.' The OrcaRouter mark is composited bottom right.

O que se compra com 23 pontos que não se compra com 43

A paridade de eficiência é uma coincidência curiosa; não é motivo para executar um modelo que pontua 23 em uma suíte em que a mediana do setor fica na casa dos quarenta. A lacuna não é uniforme, e seu formato é o argumento para que se escolha o Qwen4-Max algum dia.

• Terminal-Bench 4.0 — Qwen4-Max 48,5%, DeepSeek V4 Pro 14,1%. Uma diferença de 34 pontos, a maior divergência individual desta comparação.

• FrontierCode 2.0 — 26,5% contra 17,1%. Mais estreita do que a diferença do terminal, mas ainda decisiva para o trabalho em repositórios.

• HLE Diamond — 44,9% versus 19,5%.

• CritPt Agentic Hard — 43,0% versus 35,0%. A mais próxima das suítes de raciocínio difícil e o único ponto em que o déficit do D​eepSeek é, possivelmente, recuperável com scaffolding.

• GDPval — 1.808,69 versus nenhum valor publicado para o modelo DeepSeek. A ausência merece ser destacada em vez de encoberta: em tarefas profissionais com base econômica, não há uma referência comparável, então a justificativa para qualquer um dos modelos nesse aspecto depende da sua própria avaliação.

• Divisão por capacidade — D​eepSeek fica atrás em todas as cinco subpontuações informadas pela Artificial Analysis, com o pior desempenho em jurídico (27,5 contra 49,6 do Qwen4-Max) e o mais próximo em estratégia e operações (41,1 contra 56,9).

Se a carga de trabalho for "leia isto e extraia aquilo", ambos os modelos atingem o padrão e o preço decide. Se a carga de trabalho for "operar um shell até os testes passarem", uma pontuação de terminal de 14,1% significa que o modelo falha em seis de cada sete execuções, e nenhum grau de barateamento torna uma execução com falha barata — você paga pelos tokens de qualquer forma e depois paga um humano para terminar o trabalho.

A headless-browser screenshot of the Artificial Analysis page for DeepSeek V4 Pro 0813, captured 17 November 2026 in English, showing DeepSeek's mark, the label Open weights model, Released August 2026, an intelligence rank, a performance rank, a speed reading of 93 output tokens per second, an index score of 23, the summary describing the model as below average in intelligence for its size, text-only input, text output and a 1M-token context window.

A coluna que deveria decidir isso para qualquer pessoa com uma etapa de revisão

A Artificial Analysis acompanha a alucinação separadamente da precisão, e o número do DeepSeek é o dado mais eliminatório desta comparação: uma taxa de alucinação de 94,1%, contra 28,4% do Qwen4-Max e cerca de 50% dos modelos de fronteira nesta faixa de preço. Sua pontuação de onisciência é negativa (−6,4), o que significa que ele respondeu com menos precisão do que se tivesse abstido.

Uma taxa de alucinação de 94% não significa que 94% das respostas estão erradas. Significa que, das perguntas que o modelo errou ou não conseguiu verificar, quase todas foram respondidas com conteúdo fabricado em vez de recusadas. Para um pipeline com uma pessoa no loop, isso é um multiplicador de custos; para um sem, é um passivo. O Qwen4-Max também não é um modelo confiável pelos padrões de fronteira, mas, com 28,4%, ao menos falha de uma forma que um revisor consegue detectar.

Um deles tem licença MIT, e isso muda as contas.

DeepSeek V4 Pro é distribuído sob MIT com pesos publicados; Qwen4-Max é proprietário, hospedado apenas pela Alibaba Cloud, e não tem checkpoint disponível para download. Essa assimetria merece mais peso do que costuma receber em uma comparação de preços, porque muda o que "custo por tarefa" significa.

• Custo marginal — o preço de tabela de US$ 0,66/US$ 1,98 do DeepSeek é para a GPU de outra pessoa. Em auto-hospedagem, seu custo marginal é a sua própria utilização, que, em alto volume estável, costuma ser um terço disso e, em baixo volume, é pior do que a API.

• O que você abre mão — o contexto de 1M tokens e o teto de saída de 384K que a DeepSeek documenta ainda se aplicam no seu próprio hardware, mas você herda o suporte a kernel, as escolhas de quantização e o ônus de avaliação de saber se sua implantação corresponde à referência.

• O que você não pode fazer com o Qwen4-Max — sem ajuste fino, sem implantação on-premises, sem inspeção de pesos e sem capacidade de continuar atendendo caso o preço regional da Alibaba mude. Seis regiões é uma distribuição mais ampla do que a da maioria, e ainda assim é uma decisão de um único fornecedor.

A licença MIT é também a razão honesta pela qual o DeepSeek V4 Pro aparece em tantos servidores, enquanto o Qwen4-Max aparece em apenas um. Isso é uma propriedade da licença, não um veredito sobre o modelo.

A headless-browser screenshot of the OrcaRouter model page for DeepSeek V4 Pro 0813, captured 17 November 2026 in English, showing the identifier deepseek/deepseek-v4-pro-0813, an off-peak input price of $0.66, the byline DeepSeek dated 2026-08-12, and the description noting a 1M-token context, up to 384K output tokens, thinking and non-thinking modes with low, high and max effort, JSON output and tool calls.

Rodando os dois sem apostar em nenhum deles

Esses dois formam um par natural para uma camada de roteamento, em vez de uma decisão de um ou outro, porque suas fraquezas não são correlacionadas: o D​eepSeek é barato e fraco em execução agêntica, o Qwen4-Max tem preço intermediário e é competente nisso, e a diferença de preço é pequena o suficiente para que enviar os 20% mais difíceis do tráfego ao modelo mais caro custe menos do que as falhas que isso evita. Uma DSL de roteamento coloca essa separação em uma única chamada — classifique por tipo de tarefa, envie trabalho orientado a shell para uma rota e trabalho de extração para outra — e o failover automático cobre o caso em que qualquer um dos provedores se degrada.

O que não vamos afirmar: o Qwen4-Max não está no nosso catálogo. Um identificador qwen4 retorna não encontrado hoje, sua rota é a API Model Studio da A​libaba e várias plataformas de terceiros, e o mais próximo que servimos é qwen/qwen3.8-max a $2.00 e $6.00 — o carro-chefe anterior, uma geração de índice atrás, e $1.50 por milhão mais barato na saída. O lado da DeepSeek está no nosso catálogo como deepseek/deepseek-v4-pro-0813 ao preço de tabela da própria DeepSeek, sem acréscimo, então as tarifas fora de pico e de pico acima são o que é cobrado de você, não uma aproximação disso.

O que mudaria a resposta

Três coisas, em ordem de probabilidade. Um D​eepSeek V4.1 Pro que realmente fosse lançado reiniciaria esta comparação, porque a nota de setembro alegava melhorias em desempenho, custo, velocidade e tempo total de tarefa em relação ao V4 Pro — tudo isso é alegação da própria D​eepSeek e nada disso é reproduzível até que haja um ID de modelo e uma tabela de preços. Um corte de preço do Qwen4-Max quebraria a coincidência por ponto em favor do Q​wen e faria o argumento de eficiência desaparecer. E uma avaliação independente de qualquer um dos modelos em tarefas que você realmente executa superaria todos os números desta página, incluindo os da Artificial Analysis.

Até lá, a regra é curta. Se o seu trabalho pode ser processado em lotes e tem formato de documento, o DeepSeek V4 Pro com tarifas fora de pico é a capacidade mais barata do quadro, e a taxa de alucinação é aquilo em torno do qual você constrói uma verificação. Se o seu trabalho executa um shell, abre um repositório ou produz algo que um cliente lê sem revisão, pague os US$ 1,50 extras por tarefa e aceite a diferença de 34 pontos no terminal.

Comparados neste artigo1

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