Một thẻ tiêu đề được tạo hiển thị 'Qwen 4 vs DeepSeek V4.1 Pro: hai thẻ giá, cùng một mức chi phí trên mỗi điểm chỉ số', với phụ đề '7,6 xu và 7,7 xu mỗi điểm chỉ số, từ một tác vụ trị giá $3,27 và một tác vụ trị giá $1,77'. Ba hàng được đánh số ghi 'điểm chỉ số 42,9 so với 23,1, Artificial Analysis v5.0.1', 'chi phí cho mỗi tác vụ chỉ số đã hoàn thành $3,27 so với $1,77' và 'mô hình DeepSeek Pro thực sự được phát hành là V4 Pro 0813'. Phần chân trang ghi 'Điểm số và chi phí mỗi tác vụ theo Artificial Analysis Intelligence Index v5.0.1; giá theo bảng giá đã công bố của từng nhà cung cấp.' Phong cách vector phẳng trên nền trắng với các điểm nhấn xanh dương và xanh lơ, biểu trưng OrcaRouter được ghép ở góc dưới bên phải.
Guides & Insights

Qwen 4 so với DeepSeek V4.1 Pro: Hai bảng giá, một mức chi phí giống hệt nhau trên mỗi điểm chỉ số

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Chia chi phí trên mỗi tác vụ đã hoàn thành của từng mô hình cho điểm Chỉ số Thông minh của nó, và một điều kỳ lạ sẽ xảy ra. Qwen4-Max, ở mức 3,27 USD mỗi tác vụ và 42,9 điểm, tính ra 7,6 xu mỗi điểm chỉ số. D​eepSeek V4.1 Pro — hay đúng hơn là mô hình thực sự được phục vụ dưới hạng Pro của D​eepSeek, DeepSeek V4 Pro 0813, ở mức 1,77 USD mỗi tác vụ và 23,1 điểm — tính ra 7,7 xu mỗi điểm. Hai công ty, hai bảng giá có giá đầu ra chênh nhau gấp bốn lần, hai mức năng lực cách nhau gần hai mươi điểm, và cùng chi phí trên mỗi đơn vị trí tuệ được đo với sai khác trong vòng một phần trăm. Sự trùng hợp đó chính là toàn bộ cuộc so tài, và nó hữu ích hơn bất kỳ hàng điểm chuẩn đơn lẻ nào.

Một lưu ý về tên trong slug: D​eepSeek không có mô hình nào tên là V4.1 Pro trong danh mục của mình. Trang định giá của họ liệt kê đúng hai mô hình được phục vụ — deepseek-flash, tương ứng với DeepSeek-V4.1-Flash-1017, và deepseek-v4-pro, tương ứng với DeepSeek-V4-Pro-0813. Chuỗi V4.1 Pro vẫn còn sót lại trong một ghi chú tháng Chín về một đợt ra mắt trong tương lai mà nay đã bị gỡ khỏi trang. Vì vậy, đây là so sánh với mô hình Pro thực tế của D​eepSeek, và mọi con số D​eepSeek bên dưới đều là của mô hình đó.

Tính toán trước tiên, vì đó chính là lý lẽ.

Artificial Analysis công bố cả điểm chỉ số lẫn chi phí ước tính để chạy toàn bộ bộ chỉ số, dựa trên giá niêm yết của từng nhà cung cấp và số token mà mô hình thực tế đã tiêu thụ. Chỉ với hai con số đó là đủ để định giá năng lực một cách trực tiếp.

• Qwen4-Max — 42,9 điểm chỉ số ở mức nỗ lực xhigh; 3,27 USD mỗi tác vụ; 7,6 xu mỗi điểm.

DeepSeek V4 Pro 0813 — 23,1 điểm ở mức nỗ lực tối đa; $1,77 mỗi tác vụ; 7,7 xu mỗi điểm.

• Tỷ lệ — 1.007. DeepSeek rẻ hơn 46% cho mỗi tác vụ đã hoàn thành và kém khả năng hơn 46%, và hai sự thật này triệt tiêu lẫn nhau.

• So với mức giá cao điểm — bảng giá của D​eepSeek tăng gấp đôi trong các khung giờ ngày thường 01:00–04:00 và 06:00–10:00 UTC, từ $0,66/$1,98 lên $1,32/$3,96. Con số $1,77 sử dụng mức giá cao điểm, vì vậy công việc ngoài giờ cao điểm đẩy chi phí mỗi điểm của D​eepSeek xuống còn khoảng 3,8 xu và nó trở thành mô hình rẻ hơn trên mỗi điểm gấp hai lần.

Dòng cuối cùng đó mới là điều có thể hành động. Hai mô hình là những lựa chọn mua tương đương ở mức giá niêm yết của D​eepSeek, và Qwen4-Max hiệu quả gấp đôi nếu bạn có thể lên lịch vào khung giờ giảm giá của D​eepSeek — điều đó cho thấy quyết định không hề liên quan đến chất lượng mô hình, mà là liệu lưu lượng của bạn có thể xử lý theo lô hay không.

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.

23 điểm mua được những gì mà 43 điểm không mua được

Sự ngang bằng về hiệu quả là một sự trùng hợp thú vị; đó không phải lý do để chạy một mô hình đạt 23 điểm trên một bộ đánh giá mà trung vị của lĩnh vực nằm trong khoảng bốn mươi. Khoảng cách không đồng đều, và hình dạng của nó chính là lý lẽ để có lúc chọn Qwen4-Max.

• Terminal-Bench 4.0 — Qwen4-Max 48,5%, DeepSeek V4 Pro 14,1%. Khoảng cách 34 điểm, mức phân kỳ đơn lẻ lớn nhất trong so sánh này.

• FrontierCode 2.0 — 26,5% so với 17,1%. Hẹp hơn khoảng cách trên terminal nhưng vẫn mang tính quyết định đối với công việc trên repository.

• HLE Diamond — 44,9% so với 19,5%.

• CritPt Agentic Hard — 43.0% so với 35.0%. Đây là bộ gần nhất trong các bộ kiểm thử suy luận khó, và là nơi duy nhất mà sự thiếu hụt của DeepSeek có thể được coi là bù đắp được bằng scaffolding.

• GDPval — 1.808,69 so với không có số liệu công bố nào cho mô hình D​eepSeek. Việc thiếu số liệu này đáng được lưu ý thay vì che đậy: ở các nhiệm vụ chuyên môn có nền tảng kinh tế, không có kết quả nào có thể so sánh được, vì vậy cơ sở để chọn một trong hai mô hình ở lĩnh vực đó phụ thuộc vào đánh giá của chính bạn.

• Phân hóa năng lực — DeepSeek thua kém ở cả năm điểm thành phần mà Artificial Analysis công bố, kém nhất ở mảng pháp lý (27,5 so với 49,6 của Qwen4-Max) và sát nhất ở chiến lược và vận hành (41,1 so với 56,9).

Nếu khối lượng công việc là "đọc cái này và trích xuất cái kia", cả hai mô hình đều đạt ngưỡng và giá sẽ quyết định. Nếu khối lượng công việc là "vận hành một shell cho đến khi các bài kiểm thử đạt", thì điểm terminal 14,1% nghĩa là mô hình thất bại sáu trong bảy lần chạy, và không mức độ rẻ nào có thể khiến một lần chạy thất bại trở nên không tốn kém — dù sao bạn vẫn trả tiền cho token và sau đó trả tiền cho một người để hoàn thành công việc.

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.

Cột lẽ ra phải là yếu tố quyết định cho bất kỳ ai có bước xem xét

Artificial Analysis theo dõi ảo giác tách biệt với độ chính xác, và con số của DeepSeek là chỉ số khiến nó bị loại mạnh nhất trong màn đối đầu này: tỷ lệ ảo giác 94,1%, so với 28,4% của Qwen4-Max và khoảng 50% của các mô hình tiên phong trong phân khúc giá này. Điểm toàn tri của nó là âm (−6,4), nghĩa là nó trả lời kém chính xác hơn cả việc không trả lời.

Tỷ lệ ảo giác 94% không có nghĩa là 94% câu trả lời đều sai. Nó có nghĩa là trong số những câu hỏi mà mô hình trả lời sai hoặc không thể xác minh, gần như tất cả đều được trả lời bằng nội dung bịa đặt thay vì từ chối. Với một quy trình có con người trong vòng lặp, đó là hệ số nhân chi phí; với một quy trình không có, đó là rủi ro. Qwen4-Max cũng không phải là một mô hình đáng tin cậy theo tiêu chuẩn hàng đầu, nhưng với 28,4%, ít nhất nó thất bại theo cách mà người đánh giá có thể phát hiện.

Một trong số này được cấp phép theo MIT, và điều đó thay đổi phép toán.

DeepSeek V4 Pro được phát hành theo giấy phép MIT cùng trọng số được công bố; Qwen4-Max là độc quyền, chỉ được Alibaba Cloud lưu trữ và không có checkpoint nào có thể tải xuống. Sự bất đối xứng đó đáng được coi trọng hơn mức nó thường được nhận trong một so sánh giá, vì nó thay đổi ý nghĩa của “chi phí mỗi tác vụ”.

• Chi phí biên — mức $0,66/$1,98 của DeepSeek là giá niêm yết cho GPU của người khác. Khi tự vận hành, chi phí biên của bạn chính là mức sử dụng của bạn; ở lưu lượng ổn định cao, con số này thường chỉ bằng một phần ba mức đó, còn ở lưu lượng thấp thì lại tệ hơn API.

• Những gì bạn phải từ bỏ — ngữ cảnh 1M token và giới hạn đầu ra 384K mà D​eepSeek ghi trong tài liệu vẫn áp dụng trên phần cứng của chính bạn, nhưng bạn phải kế thừa hỗ trợ kernel, các lựa chọn lượng tử hóa và gánh nặng đánh giá để biết liệu triển khai của bạn có khớp với tham chiếu hay không.

• Những gì bạn không thể làm với Qwen4-Max — không tinh chỉnh, không triển khai tại chỗ, không kiểm tra trọng số và không thể tiếp tục phục vụ nếu giá theo khu vực của A​libaba thay đổi. Sáu khu vực là mức phân phối rộng hơn so với hầu hết, và nó vẫn là quyết định của một nhà cung cấp.

Giấy phép MIT cũng là lý do trung thực khiến DeepSeek V4 Pro xuất hiện trên rất nhiều host trong khi Qwen4-Max chỉ xuất hiện trên một host. Đó là thuộc tính của giấy phép, không phải lời phán quyết về mô hình.

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.

Chạy cả hai mà không đặt cược vào bên nào

Hai mô hình này là một cặp tự nhiên cho một lớp định tuyến thay vì một quyết định hoặc cái này hoặc cái kia, bởi vì điểm yếu của chúng không tương quan: DeepSeek rẻ và yếu về thực thi tác tử, Qwen4-Max có giá trung bình và đủ năng lực ở mảng đó, và chênh lệch giá đủ nhỏ để việc gửi 20% lưu lượng khó sang mô hình đắt hơn tốn ít hơn những lỗi mà nó ngăn được. Một DSL định tuyến đưa cách phân tách đó vào một lệnh gọi — phân loại theo loại tác vụ, gửi công việc điều khiển bằng shell đến một tuyến và công việc trích xuất đến tuyến khác — và chuyển đổi dự phòng tự động xử lý trường hợp một trong hai nhà cung cấp bị suy giảm.

Điều chúng tôi sẽ không tuyên bố: Qwen4-Max không có trong danh mục của chúng tôi. Một định danh qwen4 hiện trả về not-found, tuyến của nó là API Model Studio của A​libaba và một số nền tảng bên thứ ba, và thứ gần nhất mà chúng tôi cung cấp là qwen/qwen3.8-max với giá $2.00 và $6.00 — mẫu flagship trước đó, chậm hơn một thế hệ chỉ số, và rẻ hơn $1.50 một triệu token ở đầu ra. Phía DeepSeek nằm trong danh mục của chúng tôi với tên deepseek/deepseek-v4-pro-0813 theo đúng giá niêm yết của chính DeepSeek, không cộng thêm phụ phí, vì vậy mức giá ngoài giờ cao điểm và cao điểm ở trên chính là số tiền bạn được tính, không phải một con số gần đúng.

Điều gì sẽ làm thay đổi câu trả lời

Ba điều, theo thứ tự khả năng xảy ra. Một DeepSeek V4.1 Pro thực sự ra mắt sẽ làm cuộc so sánh này phải làm lại từ đầu, vì ghi chú tháng Chín đã tuyên bố cải thiện về hiệu năng, chi phí, tốc độ và tổng thời gian thực hiện tác vụ so với V4 Pro — tất cả đều là tuyên bố của chính DeepSeek và không có gì có thể tái lập cho đến khi có mã mô hình và bảng giá. Việc giảm giá Qwen4-Max sẽ phá vỡ sự trùng hợp theo từng điểm có lợi cho Qwen và khiến lập luận về hiệu quả biến mất. Và một đánh giá độc lập về một trong hai mô hình trên các tác vụ bạn thực sự chạy sẽ vượt qua mọi con số trên trang này, kể cả những con số từ Artificial Analysis.

Cho đến lúc đó, quy tắc rất ngắn gọn. Nếu công việc của bạn có thể xử lý theo lô và ở dạng tài liệu, DeepSeek V4 Pro với mức giá ngoài giờ cao điểm là năng lực rẻ nhất trong danh sách, và tỷ lệ ảo giác là thứ bạn cần xây dựng cơ chế kiểm tra xoay quanh. Nếu công việc của bạn chạy shell, mở kho lưu trữ hoặc tạo ra thứ gì đó mà khách hàng đọc mà không qua kiểm duyệt, hãy trả thêm $1.50 mỗi tác vụ và chấp nhận khoảng cách 34 điểm terminal.