
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
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-0717 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 87 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百万 tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百万 tokens · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百万 tokens · 219 tok/s
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。DeepSeek V4.1 Pro——或者更准确地说,是 DeepSeek 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——DeepSeek 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 DeepSeek 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 DeepSeek 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 DeepSeek 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。

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 DeepSeek 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。

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 DeepSeek 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 DeepSeek 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。

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:DeepSeek 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 DeepSeek 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 DeepSeek 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 Qwen 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。
