การ์ดชื่อเรื่องที่สร้างขึ้นอ่านว่า 'Qwen 4 vs DeepSeek V4.1 Pro: การ์ดราคาสองใบ ต้นทุนต่อจุดดัชนีเท่ากันเป๊ะ' พร้อมคำโปรย '7.6 เซนต์ และ 7.7 เซนต์ต่อจุดดัชนี จากงานราคา $3.27 และงานราคา $1.77' สามแถวที่กำกับด้วยตัวเลขอ่านว่า 'คะแนนดัชนี 42.9 เทียบกับ 23.1, Artificial Analysis v5.0.1', 'ต้นทุนต่องานดัชนีที่ทำเสร็จ $3.27 เทียบกับ $1.77' และ 'โมเดล DeepSeek Pro ที่วางจำหน่ายจริงคือ V4 Pro 0813' ส่วนท้ายอ่านว่า 'คะแนนและต้นทุนต่องานตาม Artificial Analysis Intelligence Index v5.0.1; ราคาตามตารางอัตราที่แต่ละผู้ขายเผยแพร่' สไตล์เวกเตอร์แบนบนพื้นขาวพร้อม accents สีน้ำเงินและสีฟ้าไซแอน โลโก้ OrcaRouter ประกอบไว้มุมขวาล่าง
Guides & Insights

Qwen 4 กับ DeepSeek V4.1 Pro: การ์ดราคาสองใบ ต้นทุนต่อจุดดัชนีเดียวกัน

ผู้เขียน

jinhao.song

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

ลองหารต้นทุนต่องานที่ทำสำเร็จของแต่ละโมเดลด้วยคะแนน Intelligence Index แล้วจะมีสิ่งแปลก ๆ เกิดขึ้น Qwen4-Max ซึ่งมีต้นทุน $3.27 ต่องานและได้ 42.9 คะแนน คิดออกมาเป็น 7.6 เซนต์ต่อหนึ่งคะแนนดัชนี D​eepSeek V4.1 Pro — หรือพูดให้ถูกคือโมเดลที่ให้บริการจริงภายใต้ระดับ Pro ของ D​eepSeek 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 D​eepSeek 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 D​eepSeek อยู่ที่ประมาณ 3.8 เซนต์ และกลายเป็นโมเดลที่ถูกกว่าต่อพอยต์เป็นสองเท่า

บรรทัดสุดท้ายนั่นคือบรรทัดที่นำไปปฏิบัติได้จริง สองโมเดลนี้เป็นการซื้อที่เทียบเท่ากันในราคาตามรายการของ D​eepSeek และ Qwen4-Max มีประสิทธิภาพเป็นสองเท่าหากคุณจัดตารางให้อยู่ในหน้าต่างส่วนลดของ D​eepSeek ได้ — ซึ่งบ่งบอกว่าการตัดสินใจนี้ไม่ได้เกี่ยวกับคุณภาพของโมเดลเลย แต่เกี่ยวกับว่าทราฟฟิกของคุณสามารถประมวลผลเป็นชุดได้หรือไม่

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.

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 D​eepSeek สามารถกู้คืนได้ด้วย scaffolding

• GDPval — 1,808.69 เทียบกับกรณีที่ไม่มีตัวเลขเผยแพร่สำหรับโมเดล D​eepSeek การไม่มีข้อมูลนี้เป็นสิ่งที่น่าสังเกตมากกว่าที่จะปกปิดไว้: ในงานวิชาชีพที่มีพื้นฐานทางเศรษฐกิจนั้น ไม่มีค่าที่เทียบเคียงได้ ดังนั้นการพิจารณาว่าโมเดลใดเหมาะในจุดนี้จึงขึ้นอยู่กับการประเมินของคุณเอง

• การแบ่งขีดความสามารถ — D​eepSeek 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

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.

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 D​eepSeek เป็นราคาป้ายสำหรับ GPU ของคนอื่น เมื่อโฮสต์เอง ต้นทุนส่วนเพิ่มของคุณคืออัตราการใช้งานของคุณเอง ซึ่งที่ปริมาณงานสภาวะคงที่สูงมักเป็นหนึ่งในสามของจำนวนนั้น และที่ปริมาณต่ำจะแย่กว่าการใช้ API

• สิ่งที่คุณต้องแลก — บริบท 1M โทเค็นและเพดานเอาต์พุต 384K ที่ D​eepSeek ระบุไว้ยังคงมีผลบนฮาร์ดแวร์ของคุณเอง แต่คุณต้องรับภาระเรื่องการรองรับเคอร์เนล ตัวเลือกการควอนไทเซชัน และการประเมินเพื่อให้รู้ว่าการติดตั้งใช้งานของคุณตรงกับข้อมูลอ้างอิงหรือไม่

• สิ่งที่คุณทำไม่ได้กับ Qwen4-Max — ไม่มีการปรับแต่งละเอียด ไม่มีการติดตั้งภายในองค์กร ไม่สามารถตรวจสอบน้ำหนักโมเดล และไม่สามารถให้บริการต่อได้หากการกำหนดราคาตามภูมิภาคของ A​libaba เปลี่ยนแปลง หกภูมิภาคถือเป็นการกระจายที่กว้างกว่าผู้ให้บริการส่วนใหญ่ และยังคงเป็นการตัดสินใจของผู้ขายรายเดียว

ใบอนุญาต MIT ยังเป็นเหตุผลที่ตรงไปตรงมาว่าเหตุใด DeepSeek V4 Pro จึงปรากฏอยู่บนโฮสต์จำนวนมาก ขณะที่ Qwen4-Max ปรากฏอยู่เพียงแห่งเดียว นั่นเป็นคุณสมบัติของใบอนุญาต ไม่ใช่คำตัดสินเกี่ยวกับโมเดล

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.

ทำทั้งสองอย่างโดยไม่ลงเดิมพันฝ่ายใดฝ่ายหนึ่ง

สองตัวนี้เป็นคู่ที่ลงตัวตามธรรมชาติสำหรับชั้นกำหนดเส้นทาง (routing layer) มากกว่าจะเป็นการตัดสินใจแบบเลือกอย่างใดอย่างหนึ่ง เพราะจุดอ่อนของทั้งสองไม่ได้สัมพันธ์กัน: D​eepSeek 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 A​libaba 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 D​eepSeek V4.1 Pro ที่ออกวางจำหน่ายจริงจะทำให้การเปรียบเทียบนี้ต้องเริ่มใหม่ เพราะบันทึกเมื่อเดือนกันยายนอ้างว่ามีการปรับปรุงด้านประสิทธิภาพ ต้นทุน ความเร็ว และเวลารวมในการทำงาน เมื่อเทียบกับ V4 Pro — ทั้งหมดเป็นคำกล่าวอ้างของ D​eepSeek เอง และไม่มีส่วนใดที่ทำซ้ำได้จนกว่าจะมี model ID และ rate card เรื่องที่สอง การลดราคาของ Q​wen4-Max จะทำให้ความบังเอิญแบบต่อจุดที่เอื้อต่อ Q​wen 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

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube