Qwen 4 Max vs DeepSeek V4 Pro: 95 miljarder aktiva parametrar mot 49 miljarder

Tillkännagivandet av Qwen 4 Max på Yunqi-konferensen den 22 september 2026 gav branschen ett namn och en nivåstruktur och inget annat – inga vikter, inget pris, inget kontextfönster, inget datum. DeepSeek V4 Pro har sedan den 24 april 2026 listats som en mixture-of-experts-modell med 1,6 biljoner parametrar och 49 miljarder aktiva parametrar per token, ett kontextfönster på 1 miljon token och ett off-peak-pris på 0,66 USD per miljon indata-token och 1,98 USD per miljon utdata-token. Siffran som är värd att ställa sida vid sida är inte det totala antalet parametrar utan antalet aktiva: den senast publicerade Qwen3.8-Max aktiverar 95 miljarder parametrar per token, ungefär dubbelt så många som de 49 miljarder aktiva parametrar som DeepSeek V4 Pro använder, och den siffran ensam förklarar större delen av den tredubbla prisskillnaden mellan de två labben innan man ens har tittat på ett enda benchmark.

Två olika satsningar på gleshet

Båda labben bygger glesa mixture-of-experts-modeller. De är skarpt oeniga om hur glesa de ska vara. Qwen3.8-Max — den lanserade Qwen-flaggskeppsmodellen, och den enda konkreta utgångspunkten för hur Qwen 4 Max kommer att se ut — är en modell med 2,4 biljoner parametrar som aktiverar 95 miljarder parametrar per token, ett förhållande på ungefär en på tjugofem. DeepSeek V4 Pro är en modell med 1,6 biljoner parametrar som aktiverar 49 miljarder, ett förhållande på ungefär en på trettiotre, och den lagrar sina expertvikter i FP4 medan uppmärksamhets-, router- och normlagren lämnas i FP8, vilket sänker beräkningen per token ytterligare.

Det är inte inställningsskillnader. De är två olika svar på samma fråga – vad en frontiermodell bör lägga per token:

• Totala parametrar — Qwen 3.8 flaggskepp 2,4T mot DeepSeek V4 Pro 1,6T

• Aktiva per token — Qwen 3.8 flaggskepp 95B mot DeepSeek V4 Pro 49B

• Aktiveringskvot — ungefär 1 av 25 jämfört med ungefär 1 av 33

Indatapris, lågtrafik — Qwen3.8-Max 2,00 $ per 1 miljon mot DeepSeek V4 Pro 0,66 $ per 1 miljon

• Pris för utdata, lågtrafik — Qwen3.8-Max $6.00 per 1M mot DeepSeek V4 Pro $1.98 per 1M

• Flaggskeppsvikter — Qwen 3.8-flaggskeppet under en anpassad Qwen-licens kontra DeepSeek V4 Pro publicerad under MIT

• Kontext – Qwen3.8-Max 1 M tokens jämfört med DeepSeek V4 Pro 1 M tokens

• Modalitet — Qwen3.8-Max text-, bild- och videoinmatning kontra DeepSeek V4 Pro med endast text på sin listning

• Observerad latens — Qwen3.8-Max p50 tid till första token 3,29 s mot DeepSeek V4 Pro 3,52 s i samma katalog

Skillnaden i gleshet och prisskillnaden pekar den här gången åt samma håll, vilket inte är den riktning som de totala parameterantalen antyder. Qwen aktiverar ungefär dubbelt så många parametrar per token som DeepSeek och tar ungefär tre gånger så mycket betalt, och enbart gleshet räcker inte för att överbrygga den klyftan. Det som överbryggar resten är modalitet: Qwens flaggskepp har vision- och videokodare, de betalas för vid varje förfrågan oavsett om en bild ingår i den eller inte, och det är därför indatapriset ligger på den nivå det gör. DeepSeek V4 Pro tar text och returnerar text, och prissätts som en modell som bara gör just det.

Det finns ett förbehåll som hör till DeepSeek-kolumnen innan den används för något. DeepSeek prissätter enligt ett schema med hög- och lågtrafik: siffrorna 0,66 USD och 1,98 USD är lågtrafikpriserna, och under högtrafikfönstren – 01:00–04:00 och 06:00–10:00 UTC på vardagar, med undantag för kinesiska allmänna helgdagar – debiteras samma modell 1,32 USD för indata och 3,96 USD för utdata. Allt annat, inklusive alla helger och helgdagar, är lågtrafik. Priset du betalar är därför en funktion av när din trafik körs, och en kostnadsmodell som enbart bygger på lågtrafiksiffran kommer att vara felaktig för varje arbetsbelastning som har en komponent på vardagsmorgnar.

Qwen 4 Max-kolumnen är tom, och det är inte ett tillfälligt tillstånd.

Det är frestande att fylla i jämförelsen med antagandet att Qwen 4 Max kommer att landa nära Qwen 3.8-siffrorna och prissättas under dem. Motstå frestelsen. Alibaba beskrev Qwen 4-arkitekturen som en ny generation och sade att den är under träning; den enda släppta artefakten som beskriver den arkitekturen är Qwen3.8-Flash-Next, släppt med öppen källkod i slutet av augusti 2026 och märkt på sitt eget modellkort som en förhandsvisning av Qwen 4-designen. Det är en huvudmodell med 125 miljarder parametrar med 51 miljarder parametrar N-gram-inbäddningar som aktiverar omkring 6 miljarder per steg, med QSA-gles uppmärksamhet, gated residualer och en inbyggd kontext på 262 000 tokens som kan utökas mot 1 miljon.

Om den designen skalas upp till Max-nivån bör antalet aktiva ligga kvar på tiotals miljarder i stället för att klättra mot DeepSeeks totala antal — att hålla beräkningen per steg ungefär konstant när de totala parametrarna växer är hela poängen med QSA och med N-gram-inbäddningar som slås upp i stället för att beräknas tätt. Det är en riktning snarare än en specifikation, och den bör inte skrivas ut som en sådan.

Det som går att veta nu är den operativa asymmetrin. En modell som existerar kan mätas på din arbetsbelastning; en modell som inte existerar kan inte mätas på någonting. Qwen 4 Max är nåbar, när den släpps, via leverantörens eget API och flera tredjepartsplattformar – samma väg som varje Alibaba-flaggskepp har tagit. Den finns inte på OrcaRouter i dag: katalogen har noll poster för Qwen 4-familjen. DeepSeek V4 Pro finns på OrcaRouter nu, och det gör även en daterad ögonblicksbild av den.

Reproducerbarhet är argumentet som ingen framför

DeepSeek levererar daterade ögonblicksbilder och håller dem adresserbara. Katalogen innehåller både den flytande identifieraren DeepSeek V4 Pro och en fastnålad variant från 2026-08-13 — där datumet är det bygge som DeepSeek själva angav som den allmänt tillgängliga utgåvan. Det är oglamoröst och det betyder mer än ett benchmarkdelta för alla som kör ett utvärderingsramverk eller en efterlevnadskontrollerad pipeline: när du pinnar ögonblicksbilden mäter din regressionssvit din kod snarare än leverantörens utgivningstakt.

Qwen 3.8-generationen gjorde samma sak – det finns en daterad Qwen3.8-Max-snapshot i samma katalog vid sidan av det flytande namnet – och det finns ingen anledning att tro att Alibaba kommer att sluta. Men det är en egenskap hos släppta modeller, och det är värt att säga rakt ut att den dag Qwen 4 Max tillkännages kommer den inte att ha någon snapshot att låsa, ingen stabil identifierare att testa mot och inget sätt att köra en före-och-efter på dina egna data. Vilken jämförelse du än vill göra kommer du att göra den senare.

Köra båda utan att köra två stackar

OrcaRouter dirigerar DeepSeek V4 Pro som deepseek/deepseek-v4-pro till $0.66 för indata och $1.98 för utdata per miljon tokens, vilket är DeepSeeks eget listpris för lågtrafik som förs vidare med 0 % påslag. Den sista delen är värd mer här än någon annanstans i den här omgången, eftersom $1.98 för utdata redan ligger nära golvet för en modell i frontlinjeklassen: en plattformsmarginal på till och med tio procent skulle vara en femtedel av skillnaden mellan den här modellen och ett alternativ i mellanklassen, och vid 0 % påslag är priset du ser på sidan det pris som DeepSeek publicerar – inklusive uppdelningen mellan högtrafik och lågtrafik, som förs vidare enligt samma schema i stället för att jämnas ut till ett fast pris.

Samma slutpunkt har Qwen 3.8-familjen — Qwen3.8-Max, Qwen3.8-Flash och Qwen3.8-27B — bredvid DeepSeek V4 Pro på ett och samma OpenAI-kompatibla API med nära 200 modeller, med automatisk failover när en leverantörsväg försämras och ett routing-DSL för att göra valet explicit i stället för att hårdkoda det. Om DeepSeek sänker priset slår ändringen igenom på din nyckel samma dag, eftersom det inte finns något marginalager som en sänkning kan fastna bakom. När en Qwen 4-nivå släpps är det i samma katalog som den skulle dyka upp.

Var detta lämnar dig

DeepSeek V4 Pro vinner den här jämförelsen på walkover, och det är värt att vara precis om varför i stället för att försköna det. Den är billigare på båda axlarna med en faktor på ungefär tre, den aktiverar fem gånger så många parametrar per token, dess kontextfönster matchar, och den har en daterad snapshot som du kan låsa. Qwen 4 Max har ett tiernamn och en konferensplats.

Jämförelsen som faktiskt är aktuell är DeepSeek V4 Pro mot Qwen3.8-Max, och det är en verklig avvägning snarare än en förkrossande seger: DeepSeek är en modell endast för text till ungefär en tredjedel av priset, med vikter publicerade under MIT och en snålare aktiveringsprofil per token, och Qwens flaggskepp tar bild- och videoindata för $2.00 respektive $6.00. Välj utifrån modalitet och uppmätt kostnad per slutförd uppgift, inte utifrån parameterantal, och kör om jämförelsen när Alibaba publicerar ett modellkort – då blir den intressanta frågan om Qwen 4 Max tar mindre extra betalt för sin multimodala förmåga jämfört med DeepSeeks textpris än i dag.