
Qwen 4 กับ DeepSeek V4.1 Pro: การ์ดราคาสองใบ ต้นทุนต่อจุดดัชนีเดียวกัน
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 90 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 97 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0717 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 133 tok/s
- Orcaใหม่OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 ต่อ 1 ล้านโทเค็น · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 219 tok/s
ลองหารต้นทุนต่องานที่ทำสำเร็จของแต่ละโมเดลด้วยคะแนน Intelligence Index แล้วจะมีสิ่งแปลก ๆ เกิดขึ้น Qwen4-Max ซึ่งมีต้นทุน $3.27 ต่องานและได้ 42.9 คะแนน คิดออกมาเป็น 7.6 เซนต์ต่อหนึ่งคะแนนดัชนี DeepSeek V4.1 Pro — หรือพูดให้ถูกคือโมเดลที่ให้บริการจริงภายใต้ระดับ Pro ของ DeepSeek คือ DeepSeek V4 Pro 0813 ซึ่งมีต้นทุน $1.77 ต่องานและได้ 23.1 คะแนน คิดออกมาเป็น 7.7 เซนต์ต่อหนึ่งคะแนน สองบริษัท การ์ดราคาสองใบที่ต่างกันถึงสี่เท่าในด้านเอาต์พุต ระดับความสามารถสองระดับที่ห่างกันเกือบยี่สิบคะแนน และต้นทุนต่อหน่วยของความฉลาดที่วัดได้เท่ากันภายในหนึ่งเปอร์เซ็นต์ ความบังเอิญนั้นคือการจับคู่ทั้งหมด และมีประโยชน์กว่าตาราง benchmark แถวใดแถวหนึ่ง
หมายเหตุเกี่ยวกับชื่อใน slug: DeepSeek ไม่มีโมเดลที่ชื่อ V4.1 Pro ในแคตตาล็อกของตน หน้าราคาของบริษัทระบุโมเดลที่ให้บริการอยู่เพียงสองโมเดลเท่านั้น — deepseek-flash ซึ่งก็คือ DeepSeek-V4.1-Flash-1017 และ deepseek-v4-pro ซึ่งก็คือ DeepSeek-V4-Pro-0813 ข้อความ V4.1 Pro ยังคงหลงเหลืออยู่ในหมายเหตุเดือนกันยายนเกี่ยวกับการเปิดตัวในอนาคตซึ่งได้ถูกนำออกจากหน้านั้นแล้ว ดังนั้น นี่คือการเปรียบเทียบกับโมเดล Pro ตัวจริงของ DeepSeek และตัวเลข DeepSeek ทุกตัวด้านล่างเป็นของโมเดลนั้น
เริ่มจากการคำนวณก่อน เพราะการคำนวณคือข้อโต้แย้ง
Artificial Analysis เผยแพร่ทั้งคะแนนดัชนีและต้นทุนจำลองของการรันชุดดัชนีทั้งหมด โดยใช้ราคาตามรายการของแต่ละผู้จำหน่ายและจำนวนโทเค็นที่โมเดลใช้จริง ตัวเลขสองค่านี้ก็เพียงพอที่จะตีราคาของความสามารถได้โดยตรง
Qwen4-Max — 42.9 คะแนนดัชนีที่ระดับความพยายาม xhigh; $3.27 ต่องาน; 7.6 เซนต์ต่อคะแนน
• DeepSeek V4 Pro 0813 — 23.1 คะแนนที่ระดับความพยายามสูงสุด; 1.77 ดอลลาร์ต่องาน; 7.7 เซนต์ต่อคะแนน
• อัตราส่วน — 1.007 DeepSeek ถูกกว่า 46% ต่องานที่ทำเสร็จ และมีความสามารถต่ำกว่า 46% โดยข้อเท็จจริงทั้งสองนี้หักล้างกัน
• เมื่อเทียบกับราคาช่วงพีค — ราคาของ DeepSeek จะเพิ่มเป็นสองเท่าภายในช่วงวันธรรมดา เวลา 01:00–04:00 และ 06:00–10:00 UTC จาก $0.66/$1.98 เป็น $1.32/$3.96 ตัวเลข $1.77 ใช้ราคาช่วงพีค ดังนั้นงานช่วงออฟพีคจะทำให้ต้นทุนต่อพอยต์ของ DeepSeek อยู่ที่ประมาณ 3.8 เซนต์ และกลายเป็นโมเดลที่ถูกกว่าต่อพอยต์เป็นสองเท่า
บรรทัดสุดท้ายนั่นคือบรรทัดที่นำไปปฏิบัติได้จริง สองโมเดลนี้เป็นการซื้อที่เทียบเท่ากันในราคาตามรายการของ DeepSeek และ Qwen4-Max มีประสิทธิภาพเป็นสองเท่าหากคุณจัดตารางให้อยู่ในหน้าต่างส่วนลดของ DeepSeek ได้ — ซึ่งบ่งบอกว่าการตัดสินใจนี้ไม่ได้เกี่ยวกับคุณภาพของโมเดลเลย แต่เกี่ยวกับว่าทราฟฟิกของคุณสามารถประมวลผลเป็นชุดได้หรือไม่

สิ่งที่ 23 คะแนนซื้อได้แต่ 43 คะแนนซื้อไม่ได้
ความเท่าเทียมด้านประสิทธิภาพเป็นเพียงความบังเอิญที่ดูเข้าทีเท่านั้น มันไม่ใช่เหตุผลที่จะรันโมเดลที่ได้ 23 คะแนนในชุดทดสอบที่ค่ามัธยฐานของวงการอยู่ที่ช่วงสี่สิบกว่า ช่องว่างไม่ได้สม่ำเสมอ และรูปร่างของช่องว่างนี่แหละคือเหตุผลที่ควรเลือก Qwen4-Max อยู่ดี
• Terminal-Bench 4.0 — Qwen4-Max 48.5%, DeepSeek V4 Pro 14.1% ช่วงต่าง 34 คะแนน ซึ่งเป็นความแตกต่างเฉพาะจุดที่ใหญ่ที่สุดในการเปรียบเทียบนี้
• FrontierCode 2.0 — 26.5% เทียบกับ 17.1% แคบกว่าช่องว่างในเทอร์มินัล แต่ยังคงชี้ขาดสำหรับงานในรีโพซิทอรี
• HLE Diamond — 44.9% เทียบกับ 19.5%
• CritPt Agentic Hard — 43.0% เทียบกับ 35.0% เป็นชุดทดสอบการให้เหตุผลระดับยากที่ใกล้เคียงกันที่สุด และเป็นจุดเดียวที่อาจกล่าวได้ว่าช่องว่างของ DeepSeek สามารถกู้คืนได้ด้วย scaffolding
• GDPval — 1,808.69 เทียบกับกรณีที่ไม่มีตัวเลขเผยแพร่สำหรับโมเดล DeepSeek การไม่มีข้อมูลนี้เป็นสิ่งที่น่าสังเกตมากกว่าที่จะปกปิดไว้: ในงานวิชาชีพที่มีพื้นฐานทางเศรษฐกิจนั้น ไม่มีค่าที่เทียบเคียงได้ ดังนั้นการพิจารณาว่าโมเดลใดเหมาะในจุดนี้จึงขึ้นอยู่กับการประเมินของคุณเอง
• การแบ่งขีดความสามารถ — DeepSeek ตามหลังในคะแนนย่อยทั้งห้าด้านที่ Artificial Analysis รายงาน โดยแย่ที่สุดในด้านกฎหมาย {{1}}(27.5 เทียบกับ 49.6 ของ Qwen4-Max){{/1}} และใกล้เคียงที่สุดในด้านกลยุทธ์และการดำเนินงาน {{2}}(41.1 เทียบกับ 56.9){{/2}}
ถ้าลักษณะงานคือ "อ่านสิ่งนี้แล้วดึงสิ่งนั้นออกมา" ทั้งสองโมเดลก็ผ่านเกณฑ์ และราคาเป็นตัวตัดสิน ถ้าลักษณะงานคือ "ใช้งานเชลล์จนกว่าเทสต์จะผ่าน" คะแนนเทอร์มินัล 14.1% หมายความว่าโมเดลล้มเหลว 6 จาก 7 ครั้ง และความถูกไม่มีทางทำให้การรันที่ล้มเหลวมีต้นทุนต่ำได้ — ไม่ว่าอย่างไรคุณก็ต้องจ่ายค่าทอกเคน แล้วยังต้องจ่ายให้มนุษย์มาทำงานให้เสร็จ

คอลัมน์ที่ควรใช้ตัดสินใจสำหรับทุกคนที่มีขั้นตอนการตรวจสอบ
Artificial Analysis ติดตามการหลอนแยกจากความแม่นยำ และตัวเลขของ DeepSeek คือค่าที่ทำให้หมดคุณสมบัติมากที่สุดเพียงค่าเดียวในการเปรียบเทียบนี้: อัตราการหลอน 94.1% เทียบกับ 28.4% ของ Qwen4-Max และประมาณ 50% ของโมเดลแนวหน้าในระดับราคานี้ คะแนน omniscience ของมันเป็นลบ (−6.4) หมายความว่ามันตอบได้แม่นยำน้อยกว่าการงดตอบเสียอีก
อัตราการสร้างข้อมูลเท็จ 94% ไม่ได้หมายความว่า 94% ของคำตอบนั้นผิด แต่หมายความว่าในบรรดาคำถามที่โมเดลตอบผิดหรือตรวจสอบไม่ได้ แทบทั้งหมดถูกตอบด้วยเนื้อหาที่กุขึ้นมาแทนที่จะปฏิเสธที่จะตอบ สำหรับไปป์ไลน์ที่มีมนุษย์อยู่ในวงจร นี่เป็นตัวคูณต้นทุน แต่สำหรับไปป์ไลน์ที่ไม่มีมนุษย์อยู่ในวงจร นี่คือความเสี่ยงทางกฎหมายและความรับผิด Qwen4-Max ก็ไม่ใช่โมเดลที่น่าเชื่อถือตามมาตรฐานของโมเดลระดับแนวหน้าเช่นกัน แต่ด้วยอัตรา 28.4% อย่างน้อยมันก็ล้มเหลวในรูปแบบที่ผู้ตรวจสอบสามารถจับได้
หนึ่งใน这些东西ได้รับสัญญาอนุญาตแบบ MIT และนั่นทำให้การคำนวณเปลี่ยนไป
DeepSeek V4 Pro เปิดตัวภายใต้ MIT พร้อมเผยแพร่ค่าถ่วงน้ำหนัก ส่วน Qwen4-Max เป็นซอฟต์แวร์กรรมสิทธิ์ โฮสต์ให้บริการเฉพาะผ่าน Alibaba Cloud และไม่มีเช็กพอยต์ที่ดาวน์โหลดได้ ความไม่สมมาตรนี้ควรได้รับน้ำหนักมากกว่าที่มักได้รับในการเปรียบเทียบราคา เพราะมันเปลี่ยนความหมายของ "ต้นทุนต่องาน"
• ต้นทุนส่วนเพิ่ม — ราคา $0.66/$1.98 ของ DeepSeek เป็นราคาป้ายสำหรับ GPU ของคนอื่น เมื่อโฮสต์เอง ต้นทุนส่วนเพิ่มของคุณคืออัตราการใช้งานของคุณเอง ซึ่งที่ปริมาณงานสภาวะคงที่สูงมักเป็นหนึ่งในสามของจำนวนนั้น และที่ปริมาณต่ำจะแย่กว่าการใช้ API
• สิ่งที่คุณต้องแลก — บริบท 1M โทเค็นและเพดานเอาต์พุต 384K ที่ DeepSeek ระบุไว้ยังคงมีผลบนฮาร์ดแวร์ของคุณเอง แต่คุณต้องรับภาระเรื่องการรองรับเคอร์เนล ตัวเลือกการควอนไทเซชัน และการประเมินเพื่อให้รู้ว่าการติดตั้งใช้งานของคุณตรงกับข้อมูลอ้างอิงหรือไม่
• สิ่งที่คุณทำไม่ได้กับ Qwen4-Max — ไม่มีการปรับแต่งละเอียด ไม่มีการติดตั้งภายในองค์กร ไม่สามารถตรวจสอบน้ำหนักโมเดล และไม่สามารถให้บริการต่อได้หากการกำหนดราคาตามภูมิภาคของ Alibaba เปลี่ยนแปลง หกภูมิภาคถือเป็นการกระจายที่กว้างกว่าผู้ให้บริการส่วนใหญ่ และยังคงเป็นการตัดสินใจของผู้ขายรายเดียว
ใบอนุญาต MIT ยังเป็นเหตุผลที่ตรงไปตรงมาว่าเหตุใด DeepSeek V4 Pro จึงปรากฏอยู่บนโฮสต์จำนวนมาก ขณะที่ Qwen4-Max ปรากฏอยู่เพียงแห่งเดียว นั่นเป็นคุณสมบัติของใบอนุญาต ไม่ใช่คำตัดสินเกี่ยวกับโมเดล

ทำทั้งสองอย่างโดยไม่ลงเดิมพันฝ่ายใดฝ่ายหนึ่ง
สองตัวนี้เป็นคู่ที่ลงตัวตามธรรมชาติสำหรับชั้นกำหนดเส้นทาง (routing layer) มากกว่าจะเป็นการตัดสินใจแบบเลือกอย่างใดอย่างหนึ่ง เพราะจุดอ่อนของทั้งสองไม่ได้สัมพันธ์กัน: DeepSeek ราคาถูกแต่ด้อยด้านการทำงานแบบเอเจนต์ ส่วน Qwen4-Max ราคาปานกลางและทำได้ดีในด้านนั้น และส่วนต่างราคาก็เล็กพอที่การส่งทราฟฟิก 20% ที่ยากไปยังโมเดลที่แพงกว่าจะมีต้นทุนน้อยกว่าความล้มเหลวที่มันช่วยป้องกันไว้ DSL สำหรับการกำหนดเส้นทางทำให้การแบ่งนั้นอยู่ในคำสั่งเดียว — แยกประเภทตามชนิดงาน ส่งงานที่ขับเคลื่อนด้วยเชลล์ไปยังเส้นทางหนึ่ง และงานสกัดข้อมูลไปยังอีกเส้นทางหนึ่ง — และการสลับเมื่อเกิดความล้มเหลวอัตโนมัติจะครอบคลุมกรณีที่ผู้ให้บริการรายใดรายหนึ่งมีประสิทธิภาพลดลง
สิ่งที่เราจะไม่กล่าวอ้าง: Qwen4-Max ไม่ได้อยู่ในแคตตาล็อกของเรา ตัวระบุ qwen4 ส่งคืน not-found ในปัจจุบัน เส้นทางของมันคือ Model Studio API ของ Alibaba และแพลตฟอร์มของบุคคลที่สามหลายแห่ง และสิ่งที่ใกล้เคียงที่สุดที่เราให้บริการคือ qwen/qwen3.8-max ในราคา $2.00 และ $6.00 — เรือธงรุ่นก่อน ซึ่งตามหลังหนึ่งเจนเนอเรชันของดัชนี และถูกกว่า $1.50 ต่อล้านสำหรับเอาต์พุต ฝั่งของ DeepSeek อยู่ในแคตตาล็อกของเราในชื่อ deepseek/deepseek-v4-pro-0813 ในราคาตามรายการของ DeepSeek เอง โดยไม่มีการบวกเพิ่มดังนั้นอัตราช่วงนอกเวลาและช่วงพีคข้างต้นคือราคาที่คุณจะถูกเรียกเก็บจริง ไม่ใช่การประมาณการ
อะไรจะเปลี่ยนคำตอบ
สามเรื่อง เรียงตามความเป็นไปได้ เรื่องแรก DeepSeek V4.1 Pro ที่ออกวางจำหน่ายจริงจะทำให้การเปรียบเทียบนี้ต้องเริ่มใหม่ เพราะบันทึกเมื่อเดือนกันยายนอ้างว่ามีการปรับปรุงด้านประสิทธิภาพ ต้นทุน ความเร็ว และเวลารวมในการทำงาน เมื่อเทียบกับ V4 Pro — ทั้งหมดเป็นคำกล่าวอ้างของ DeepSeek เอง และไม่มีส่วนใดที่ทำซ้ำได้จนกว่าจะมี model ID และ rate card เรื่องที่สอง การลดราคาของ Qwen4-Max จะทำให้ความบังเอิญแบบต่อจุดที่เอื้อต่อ Qwen หมดไป และทำให้ข้อโต้แย้งเรื่องประสิทธิภาพหายไป และเรื่องที่สาม การประเมินอย่างเป็นอิสระของโมเดลใดโมเดลหนึ่งจากสองรุ่นนี้ บนงานที่คุณรันจริง จะเหนือกว่าตัวเลขทุกตัวในหน้านี้ รวมถึงตัวเลขจาก Artificial Analysis
จนถึงตอนนั้น กฎก็สั้น ๆ ถ้างานของคุณสามารถทำเป็นชุดและมีลักษณะเป็นเอกสาร DeepSeek V4 Pro ในอัตราช่วงนอกเวลาเป็นความสามารถที่ถูกที่สุดในบรรดาตัวเลือก และอัตราการสร้างข้อมูลเท็จคือสิ่งที่คุณต้องสร้างการตรวจสอบครอบไว้ ถ้างานของคุณรันเชลล์ เปิดรีโพซิทอรี หรือสร้างสิ่งที่ลูกค้าอ่านโดยไม่มีการตรวจทาน จ่ายเพิ่ม $1.50 ต่องาน แล้วรับช่องว่าง terminal 34 จุดไป
