一张生成的标题卡写着“Qwen4-Max 对比 DeepSeek V4.1 Pro”,副标题为“一个有价目表。另一个只有更新日志里的一句话。”,下方配有三张卡片:Qwen4-Max,100 万上下文,每 100 万 tokens $1.50 / $4.50;DeepSeek V4.1 Pro,无模型 ID、无价格,无卡片;DeepSeek V4 Pro,每 100 万 tokens $0.66 / $1.98,AA Index 23。页脚写着“Qwen4-Max 数据来自阿里巴巴和 Artificial Analysis;截至 2026 年 11 月 16 日,DeepSeek V4.1 Pro 尚未发布。”
Guides & Insights

Qwen4-Max 对比 DeepSeek V4.1 Pro:一个有费率卡,另一个有条款

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

Qwen4-Max 于 2026 年 11 月 16 日开始按量计费:在新加坡,每百万输入 token 收费 1.50 美元,每百万输出 token 收费 4.50 美元,上下文窗口为 1,000,000 个 token,原生支持图像和视频输入,其在 Artificial Analysis 智能指数上的得分为 43 —— 在该榜单的 81 个模型中位列第 38 位。DeepSeek V4.1 Pro 没有模型标识符、没有价格条目、没有上下文窗口、没有基准测试结果,也没有权重,因为 DeepSeek 从未发布过它。唯一公开提到它的文件,是 2026 年 9 月 10 日 DeepSeek V4.1 Flash 的发布说明;该说明称,从 9 月 14 日起,对 deepseek-v4-pro 的请求将被路由到 V4.1 Flash,“直到 V4.1-Pro 发布”——在开发者反对在他们不知情的情况下替换生产模型后,DeepSeek 撤回了这一计划。两个月后,这个名字背后仍然空无一物。所以,值得你花一下午做的比较,不是拿 Qwen4-Max 去比一个并不存在的模型;而是拿 Qwen4-Max 去比那个确实存在的 DeepSeek 旗舰模型。

11月16日发布了什么,用买家关注的数字说话

Alibaba 的发布说明称,Qwen4-Max 是首个基于 Qwen4 架构的模型:一个稀疏混合专家模型,拥有 2.4 万亿主干参数,每 token 激活 710 亿参数,另有 3280 亿 N-gram 嵌入参数通过查表而非乘法参与计算。三个 Gated DeltaNet 层为每个 Qwen Sparse Attention 层将历史压缩为固定大小的状态,四个带有动态读写门的残差分支则维系着深层堆叠。这是厂商对长上下文成本为何下降的解释;这是一种说法,而非实测。

• 上下文——100 万 token 的窗口,非思考模式下输入上限为 991,808 个 token,思考模式下为 983,616 个。Artificial Analysis 将该模型列为 984k,这是从另一端测量得到的同一窗口。

• 输出 — 非思考模式下为 131,072 个 token;在思考模式下,推理和回答共享单一的 262,144 个 token 预算。reasoning_effort 接受 low、high 和 xhigh,省略它则默认为 high。

价格,新加坡 — 每百万输入 $1.50,输出 $4.50。缓存读取为 $0.075,缓存写入五分钟为 $1.875,或一小时为 $3.00。

• 其他所有地区的价格——法兰克福、弗吉尼亚、东京、香港和北京的输入价格为 $1.413,输出价格为 $4.24。同一模型,每 token 比新加坡方案便宜 5.8%。

• 与其前代产品相比——Qwen3.8-Max 在新加坡的标价为 2.00 美元和 6.00 美元,因此计量两端均实现了 25% 的代际降幅。

• 模态与接口形式——输入文本、图像和视频,输出文本;支持 O​penAI Chat Completions、O​penAI Responses、A​nthropic Messages 和 DashScope;批量推理仅限北京。

那些数字每一个都是阿里巴巴自己的。今天唯一可获得的独立数字是 AA Index 的 43 分,这使 Qwen4-Max 高于榜单中位数 41,但低于前沿梯队。它运行该指数一次的成本为 3.27 美元,混合价格为每百万 0.80 美元,并且在此过程中输出了 1.27 亿个输出 token——冗长,但并非特别冗长。

V4.1 Pro 这个名字实际上是由什么组成的

不足一段。DeepSeek 9 月 10 日的说明中推出了 DeepSeek V4.1 Flash,这是一个 5520 亿参数的混合专家模型,采用新的因果编码器-解码器架构,在预填充阶段激活 80 亿参数、解码阶段激活 160 亿参数,可读取图像,提供 100 万 token 上下文和 384K 输出,并以 MIT 许可发布。在同一份说明中,DeepSeek 写道,V4 Pro 的流量将按 Flash 费率迁移到 Flash,“直到 V4.1-Pro 发布”。开发者将其解读为对他们正在生产环境中运行的模型的退役通知;DeepSeek 撤回了该路由计划,并继续以不变的计费提供 deepseek-v4-pro。

此后出现的一切都无从核实。DeepSeek 的定价页面目前仅列出两个已提供服务的模型:deepseek-flash(对应 DeepSeek-V4.1-Flash-1017)和 deepseek-v4-pro(对应 DeepSeek-V4-Pro-0813)。API 参考文档中没有 deepseek-v4.1-pro 这个字符串,价格表上也没有对应条目,而 Hugging Face 上 deepseek-ai 组织中最新的仓库仍然是 V4.1 Flash。为其公布日期的追踪站点发布的只是估算;一个被广泛分享的倒计时页面将 2026 年 11 月 12 日列为“预计发布”日期,而该日期已经过去,却没有任何公告。

所以,对这个名字的诚实解读是这样的:这是一个 DeepSeek 只在文字中描述过、尚未在其上构建任何公开产品的档位。V4 代是说明该档位会是什么样子的唯一证据——DeepSeek V4 Pro 是一个 1.6 万亿参数的专家混合模型,激活参数 490 亿,纯文本,100 万上下文,384K 输出,MIT 许可证——而 V4.1 Pro 想必会继承新架构和原生视觉能力。想必如此。厂商自己声称 Flash 在性能、成本和速度上“全面超越”V4 Pro,这让 Pro 档位在 V4.1 产品线中的意义确实变得模糊不清,而对于一款要发布的旗舰产品来说,这样的处境很奇怪。

A generated two-column scoreboard titled 'Qwen4-Max vs DeepSeek V4 Pro — the scoreboard', using the same six row labels on both sides. Qwen4-Max: context 1,000,000 tokens, output 262,144 thinking plus answer, price per 1M $1.50 / $4.50, modality text, image and video, AA Index 43, cost per task $3.27. DeepSeek V4 Pro: context 1,048,576 tokens, output 384,000 tokens, price per 1M $0.66 / $1.98, modality text only, AA Index 23, cost per task $1.77. Footer: 'Price and context vendor-reported; AA Index and cost per task per Artificial Analysis v5.0.1.'

你今天就能运行的对决:Qwen4-Max 对阵 DeepSeek V4 Pro

把 D​eepSeek 这一侧的版本号去掉,就有一场真正的较量,因为 DeepSeek V4 Pro 0813 是一个可调用、有定价、开放权重的旗舰模型。下面双方都是厂商公布的数据;指数列是 Artificial Analysis v5.0.1,这是唯一一行两个数字由同一评测框架生成的数据。

每百万 token 价格——Qwen4-Max 输入 $1.50 / 输出 $4.50(新加坡)对比 DeepSeek V4 Pro 非高峰时段 $0.66 / $1.98,在 UTC 01:00–04:00 和 06:00–10:00 的工作日高峰时段翻倍至 $1.32 / $3.96。

• 上下文与输出——1,000,000 个 token,包含 262,144 个 token 的思考加回答预算;对比 1,048,576 个 token,输出最高可达 384,000 个 token。

• 模态——输入支持文本、图像和视频,对比仅文本。这是两者之间最大的单项功能差异,而且差距悬殊。

• 骨干网络 — 总计 2.4T,激活 71B,另有 328B 用于 N-gram 嵌入,对比总计 1.6T、激活 49B。参数数量预测的是训练成本,而非 token 效率;应将其视为架构说明。

• 独立指数——在 DeepSeek 的 Max 努力设置下为 43 对 23,High 下为 21,非推理为 13。二十分之差是代际层面的差距,而不是设置层面的差距。

• 每个索引任务的独立成本——$3.27 对 $1.77。注意方向:按照评估方自己的 token 核算,DeepSeek 在成本上胜出,约为 1.8×。

• 冗长程度——整个索引共输出 127M 个 token,而 DeepSeek 页面报告的是按任务统计而非总计的数字;真正重要的比较是每个已完成任务的成本,而不是逐个 token 比较 token 数量。

• 权重——专有、仅限 API 与 MIT 许可、以 48 个 safetensors 分片形式提供下载。

• 缓存经济性 — Qwen4-Max 写入一个五分钟缓存条目的费用为每百万 1.875 美元,读取费用为每百万 0.075 美元,相当于 95% 的折扣;D​eepSeek 写入不显式收费,读取为每百万 0.022 美元,相当于 97% 的折扣。D​eepSeek 的缓存既更便宜又是自动的,这在智能体工作负载上比标称费率更重要。

在两种计量方式下计算长上下文任务的成本

假设有一个 300,000 token 的代码库前缀,针对它进行十轮工作,每轮输出 4,000 个 token,开启思考,并且该前缀在各轮之间保持稳定。这是基于公开标价进行的算术计算,而不是一次实测运行。

• Qwen4-Max,新加坡,未缓存 — 300,000 个输入 token,按每百万 $1.50 计算,每轮 $0.45;十轮为 $4.50。输出为 4,000 个 token,按每百万 $4.50 计算,每轮 $0.018,十轮共 $0.18。总计 $4.68。

• Qwen4-Max 让缓存发挥作用——一次写入每百万 $1.875,即 $0.5625;随后九次读取每百万 $0.075,每次 $0.0225,共 $0.2025。输入降至 $0.765,输出保持 $0.18。总计 $0.945,仅一行请求配置就实现了 3.8 倍的削减。

• DeepSeek V4 Pro,非高峰时段,未缓存——300,000 个输入 token,按每百万 $0.66 计,每轮 $0.198,十轮共 $1.98。输出按每百万 $1.98 计,每轮 $0.00792,输出总计 $0.0792。合计 $2.06。

• 带缓存命中的 DeepSeek V4 Pro——首轮需支付 $0.198;其后九轮按每百万 $0.022 读取,每轮 $0.0066。输入合计约 $0.257,输出 $0.079。总计 $0.336。在高峰时段,则翻倍。

两项结论经得起算术检验。第一,按标价计算,无论是否缓存,Qwen4-Max 在这种任务形态下的成本约为 DeepSeek V4 Pro 的 2.8 倍。第二,Alibaba 声称 Qwen4-Max 比 Qwen3.8-Max 少用 24% 到 35% 的 token,但这并不能弥合 2.8 倍的差距;即便慷慨地按 35% 的 token 节省计算,Qwen4-Max 每完成一项任务的成本仍约为两倍。厂商自己给出的每任务 4.43 美元对 1.67 美元的比较,是与其上一代产品相比,而不是与 DeepSeek 相比。

什么才能让 V4.1 Pro 成为真正的对手

三项已公开的产物,而它们正是每一次 D​eepSeek 发布都会发出信号的那三项。一条点名该模型的更新日志条目,因为 V4.1 Flash 和 V4 Pro 0813 都是在那里公布的。一个位于 deepseek-ai 组织、名称中含 V4.1-Pro 的仓库——如果该层级遵循该系列采用 MIT 许可的惯例,权重就会落到那里。或者定价页面上新增的第三列,而该页面目前恰好只有两个模型。在其中任何一项发生变化之前,你读到的任何关于 D​eepSeek V4.1 Pro 的规格表——参数量、上下文、价格、评分——都是从 V4 代推算出来的,也应当这样理解。

还有一点值得关注,它不是某个产物,而是一项主张:DeepSeek 称 Flash 在性能、成本、速度和总任务时间上都优于 V4 Pro。如果到了 V4.1 代际这一点仍然成立,那么 V4.1 Pro 就必须靠“更大”之外的东西来证明自身价值——而最可能的答案正是至今无人公开的那个:它将成为多模态、长时程层级,而不是便宜的那一档。

将其中任意一个映射到单个按键上

OrcaRouter 不提供 Qwen4-Max。它不在超过 200 个模型的目录中(截至 11 月 16 日),也没有任何相邻条目能改变这一点;如今通往 Qwen4-Max 的可靠途径是 A​libaba 自家的 Model Studio API 以及若干第三方平台。我们确实提供的是本页面的 D​eepSeek 部分,按供应商的标价原样传递,不加价:deepseek/deepseek-v4-pro-0813 每百万输入 $0.66、输出 $1.98,1M 上下文,384K 输出,兼容 O​penAI、Responses 和 Anthropic 的端点,并且低谷和高峰时段完全按照 D​eepSeek 公布的方式适用。

这种不对称正是这项比较的实际意义所在。你可以把 DeepSeek V4 Pro 放在已有的密钥上,今天下午就能测量。而 Qwen4-Max 目前还无法在这里做到这一点,假装可以只会让团队付出浪费一周的代价。与此同时,路由层确实能带来一种廉价的混合状态:DeepSeek V4 Pro 按标价承担流量,将一小部分影子流量直接发送给 A​libaba 以使用 Qwen4-Max,并有一个统一位置并排查看两份账单。当某个模型真正进入目录后,将一定比例的流量迁移过去只是一条路由规则,而不是一次集成,而自动故障转移意味着未经验证的模型可以置于已验证模型之后,而不会在它第一个糟糕的下午就成为单点故障。

A screenshot of the OrcaRouter model page for DeepSeek V4 Pro 0813 at the identifier deepseek/deepseek-v4-pro-0813, showing the $0.66 input and $1.98 output prices, the Tools, JSON and Reasoning capability tags, the attribution to DeepSeek, and the description of a 1M-token context window with up to 384K output tokens, thinking and non-thinking modes with low, high and max reasoning effort, and native support for the Responses API.

本周摆在你面前的决定

如果你需要今天能调用到的最强模型,而成本又是限制条件,那么答案就是 DeepSeek V4 Pro,价格为 $0.66 和 $1.98;它与 Qwen4-Max 之间二十点的指数差距,就是这一折扣的代价——这是实实在在的代价,不是舍入误差。如果你的工作负载在输入侧包含视频或图像,DeepSeek V4 Pro 完全无法胜任;而 Qwen4-Max 的原生视觉能力加上 1M 窗口,即便还没算上 A​libaba 已发布、却无人复现的 Work360 智能体宣称,也值这 2.8×。

如果你真正想要的是 D​eepSeek V4.1 Pro,那么答案是:并没有这样一个模型值得等待,只有一条九月份更新日志里、D​eepSeek 尚未落实的条款。基于现有内容构建;让切换成本保持低廉;并且每月查看一次 D​eepSeek 的定价页面,因为那会是最先改变的页面。

A screenshot of Alibaba Cloud Model Studio's documentation page for qwen4-max (Latest Model), dated 11-16, showing the model description as the next-generation flagship multimodal model in the Qwen family covering text generation, image and video understanding and deep reasoning, its support for web search, tool calling and structured outputs, its OpenAI and Anthropic API compatibility, and its deployment regions including China (Beijing), Singapore and Germany (Frankfurt).

本文中的对比2

根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新