一张生成的标题卡,标题为“Qwen 4 vs DeepSeek V4.1 Pro:两张价格卡,每个指数点的成本完全相同”,副标题为“每个指数点 7.6 美分和 7.7 美分,分别来自一项 3.27 美元的任务和一项 1.77 美元的任务”。三行编号行分别写着“指数得分 42.9 对 23.1,Artificial Analysis v5.0.1”“每完成一个指数任务的成本 3.27 美元对 1.77 美元”和“实际交付的 DeepSeek Pro 模型是 V4 Pro 0813”。页脚写着“得分与每任务成本依据 Artificial Analysis Intelligence Index v5.0.1;价格依据各厂商公布的费率卡。”白色背景上的扁平矢量风格,配以蓝青色点缀,OrcaRouter 标志合成于右下角。
Guides & Insights

Qwen 4 对比 DeepSeek V4.1 Pro:两张价格表,每个指数点的成本完全一致

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

把每个模型完成每项任务的成本除以其 Intelligence Index 得分,就会出现一个奇怪的现象。Qwen4-Max,按每项任务 3.27 美元、42.9 分计算,折合每指数点 7.6 美分。D​eepSeek V4.1 Pro——或者更准确地说,是 D​eepSeek 的 Pro 层级实际提供的模型 DeepSeek V4 Pro 0813,按每项任务 1.77 美元、23.1 分计算——折合每指数点 7.7 美分。两家公司,两张在输出价格上相差四倍的价格表,能力水平相差近二十分,而每单位可测智能的成本却在百分之一以内相同。这种巧合就是整场对比的全部,而且它比任何单行基准测试结果都更有用。

关于 slug 中名称的说明:DeepSeek 的模型目录中没有名为 V4.1 Pro 的模型。其定价页面只列出两个实际提供服务的模型:deepseek-flash,对应 DeepSeek-V4.1-Flash-1017;以及 deepseek-v4-pro,对应 DeepSeek-V4-Pro-0813。V4.1 Pro 这一名称仍出现在 9 月一则关于未来发布的说明中,但该说明此后已从页面撤下。因此,这里是与 DeepSeek 实际 Pro 模型进行的比较,下文所有 DeepSeek 数字均来自该模型。

先算算术,因为算术本身就是论据

Artificial Analysis 同时发布指数得分和运行完整指数套件的建模成本,其中成本采用各厂商的标价以及模型实际消耗的 token 计算。有了这两个数字,就足以直接为能力定价。

• Qwen4-Max — 在 xhigh 努力级别下为 42.9 指数分;每任务 3.27 美元;每分 7.6 美分。

• DeepSeek V4 Pro 0813 — 最高推理强度下得 23.1 分;每任务 $1.77;每分 7.7 美分。

• 比率——1.007。DeepSeek 每完成一项任务便宜 46%,能力也低 46%,这两个事实相互抵消。

• 对比高峰定价——D​eepSeek 的价目表在 UTC 工作日 01:00–04:00 和 06:00–10:00 时段内翻倍,从 $0.66/$1.98 涨至 $1.32/$3.96。$1.77 这个数字采用的是高峰费率,因此非高峰时段的工作会将 D​eepSeek 的每点成本降至约 3.8 美分,使其每点成本降低一半,成为更便宜的模型。

最后那句话才是真正可执行的重点。按 D​eepSeek 的标价,这两个模型属于等价采购;而如果你能把调度安排进 D​eepSeek 的折扣窗口,Qwen4-Max 的效率就是两倍——这说明决策根本不在于模型质量,而在于你的流量是否可批处理。

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分能买到什么,而43分买不到?

效率持平只是一个恰好发生的巧合;它并不能成为运行某个模型的理由——该模型在一个领域中位数在四十多分的测试套件上只得到 23 分。差距并非均匀分布,而差距的形态,正是始终选择 Qwen4-Max 的论据。

• Terminal-Bench 4.0 — Qwen4-Max 48.5%,DeepSeek V4 Pro 14.1%。两者相差 34 个百分点,是本次比较中最大的单项差异。

FrontierCode 2.0 — 26.5% 对 17.1%。差距比终端场景要小,但在代码仓库相关任务上仍具有决定性优势。

• HLE Diamond — 44.9% 对比 19.5%。

• CritPt Agentic Hard — 43.0% 对 35.0%。这是硬推理套件中差距最小的一项,也是唯一可以说能通过脚手架弥补 D​eepSeek 差距的地方。

GDPval — 1,808.69,而 DeepSeek 模型没有公布数字。这一缺失值得指出,而不应加以掩饰:在经济上具有现实意义的专业任务上,没有可比的评估结果,因此在这类任务上,两个模型各自的优劣只能由你自己评估。

• 能力分项——在 Artificial Analysis 报告的全部五项子评分中,DeepSeek 均落后;法律方面最差(27.5 对 Qwen4-Max 的 49.6),战略与运营方面最接近(41.1 对 56.9)。

如果任务是“读这个并提取那个”,两个模型都达标,价格决定选择。如果任务是“操作 shell 直到测试通过”,14.1% 的终端得分意味着模型在七次运行中会失败六次,而无论多便宜,一次失败的运行都算不上便宜——你无论如何都要为 token 付费,然后还要付钱请人把活干完。

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.

对于任何设有审核步骤的人来说,本应起决定作用的那一列

Artificial Analysis 将幻觉与准确率分开追踪,而 D​eepSeek 的数据是这场对比中最具淘汰性的一项:幻觉率高达 94.1%,相比之下 Qwen4-Max 为 28.4%,该价格区间的前沿模型约为 50%。其全知得分为负(−6.4),意味着它的作答准确率还不如直接弃答。

94% 的幻觉率并不意味着 94% 的答案都是错的。它意味着,在模型答错或无法核实的问题中,几乎全部都是用编造内容作答,而不是选择拒答。对于有人工介入的流程来说,这是成本倍增器;对于没有人工介入的流程来说,这是责任风险。按前沿标准,Qwen4-Max 也不是一个可信赖的模型,但在 28.4% 的幻觉率下,它至少以一种审核者能够发现的形态失败。

其中一个采用 MIT 许可证,这会改变计算方式。

DeepSeek V4 Pro 以 MIT 许可证发布,权重已公开;Qwen4-Max 是专有模型,仅由 Alibaba Cloud 托管,且没有可下载的检查点。在价格比较中,这种不对称性通常应比现在得到更多重视,因为它改变了“每任务成本”的含义。

• 边际成本——DeepSeek 的 $0.66/$1.98 是别人家 GPU 的挂牌价。自建部署时,你的边际成本取决于你自己的利用率:在稳定的高负载量下,这往往只有前者的三分之一;而在低负载量下,反而比调用 API 更贵。

• 你所要放弃的——1M token 上下文和 384K 输出上限在 D​eepSeek 文档中仍然适用于你自己的硬件,但你需要自行承担内核支持、量化选择,以及判断你的部署是否与参考实现一致的评估负担。

• 使用 Qwen4-Max 无法做到的事情——不能微调、不能本地部署、不能检查权重,也无法在阿里地区定价变化时继续提供服务。六个区域已是较广的分布范围,但这仍是一家厂商的决定。

MIT 许可证也正是 DeepSeek V4 Pro 会出现在如此多托管平台上、而 Qwen4-Max 只出现在一个平台上的真实原因。这是许可证本身的属性,而非对模型的评判。

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.

同时运行两者,而不押注于任何一方

对于路由层来说,这两者是天然搭配,而不是二选一的决策,因为它们的弱点并不相关:D​eepSeek 便宜,但在智能体执行方面较弱;Qwen4-Max 价格居中,在这方面能力胜任;而且价格差足够小,以至于把困难的那 20% 流量交给更贵的模型所产生的成本,低于它所能避免的失败成本。路由 DSL 将这种拆分放进一次调用中——按任务类型分类,把由 shell 驱动的工作发往一条路由,把抽取工作发往另一条路由——而自动故障转移则覆盖任一提供商性能下降的情况。

我们不会声称:Qwen4-Max 不在我们的目录中。qwen4 标识符如今会返回未找到,其路由是 Alibaba 的 Model Studio API 和多个第三方平台,而我们提供的最接近选项是 qwen/qwen3.8-max,价格为 $2.00 和 $6.00——上一代旗舰,落后一个索引代次,输出价格每百万 token 便宜 $1.50。DeepSeek 方面则以 deepseek/deepseek-v4-pro-0813 列在我们的目录中 ,按 DeepSeek 自己的标价,未添加任何加价,因此上述非高峰和高峰费率就是您的实际计费标准,而不是近似值。

什么会改变答案

三件事,按可能性从高到低排列。真正发布的 D​eepSeek V4.1 Pro 会重置这一比较,因为九月的那份说明声称其在性能、成本、速度和总任务时间上都优于 V4 Pro——这一切都是 D​eepSeek 自己的说法,而且在有模型 ID 和价目表之前都无法复现。Qwen4-Max 降价会打破目前对 Q​wen 有利的按点吻合,并使效率论证消失。而对你实际运行的任务中的任一模型进行独立评估,都会胜过本页上的每一个数字,包括来自 Artificial Analysis 的数字。

在那之前,规则很简单。如果你的工作可以批处理、且以文档为主,那么按非高峰时段费率计费的 {{1}}DeepSeek V4 Pro{{/1}} 是可选方案中最便宜的能力,而幻觉率正是你需要围绕它构建校验机制的地方。如果你的工作需要运行 shell、打开代码仓库,或者产出的东西会被客户不经审核直接阅读,那就每个任务多付 1.50 美元,接受那 34 个百分点的终端差距。