一張生成的標題卡寫著「Qwen4-Max vs DeepSeek V4.1 Pro」,副標為「一個有價目表,另一個只有更新日誌裡的一句話。」,置於三張卡片之上:Qwen4-Max 具 1M 上下文,每 1M $1.50 / $4.50;DeepSeek V4.1 Pro 沒有模型 ID、沒有價格,也沒有卡片;DeepSeek V4 Pro 每 1M $0.66 / $1.98,AA Index 23。頁尾寫著「Qwen4-Max 數據依據 Alibaba 與 Artificial Analysis;截至 2026 年 11 月 16 日,DeepSeek V4.1 Pro 尚未發布。」
Guides & Insights

Qwen4-Max 對決 DeepSeek V4.1 Pro:一個有費率表,另一個有條款

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

Qwen4-Max 於 2026 年 11 月 16 日開始按用量計費:在新加坡,每百萬輸入 token 為 1.50 美元、每百萬輸出 token 為 4.50 美元;具備 1,000,000 個 token 的上下文視窗、原生圖片與影片輸入,以及 Artificial Analysis Intelligence Index 43 分——在該榜單的 81 個模型中排名第 38。D​eepSeek V4.1 Pro 沒有模型識別碼、沒有價格列、沒有上下文視窗、沒有基準測試成績,也沒有權重,因為 D​eepSeek 從未發布過它。唯一公開提及它名稱的文件,是 2026 年 9 月 10 日 DeepSeek V4.1 Flash 的發布說明;其中表示自 9 月 14 日起,對 deepseek-v4-pro 的請求將路由至 V4.1 Flash,「直到 V4.1-Pro 推出」——但這項計畫在開發者反對正式環境模型被暗中替換後,已由 D​eepSeek 撤回。兩個月後,這個名稱背後依然空無一物。所以,值得你花一個下午比較的,不是 Qwen4-Max 對上一個不存在的模型;而是 Qwen4-Max 對上確實存在的 D​eepSeek 旗艦模型。

11 月 16 日推出了什麼,用買家會看的數字來說明

阿里巴巴的發布說明將 Qwen4-Max 描述為首款採用 Qwen4 架構的模型:一種稀疏混合專家模型,主幹參數達 2.4 兆,每個 token 啟用 710 億參數,另有 3,280 億個 N-gram 嵌入參數,這些參數是查表取得,而非透過乘法計算。每一層 Qwen Sparse Attention 都搭配三層 Gated DeltaNet,將歷史壓縮成固定大小的狀態;而四個具備動態讀取與寫入閘門的殘差分支,則共同維繫住這個深層堆疊。這是廠商對長上下文成本為何下降的說法;這是說法,不是實測。

• 上下文 — 1,000,000 個 token 的視窗,在{{1}}非思考模式{{/1}}下輸入上限為 991,808 個 token,在{{2}}思考模式{{/2}}下則為 983,616 個。Artificial Analysis 將該模型列為 984k,這是從另一端量測的同一視窗。

• 輸出 — 非思考模式為 131,072 個 token;在思考模式下,推理與回答共用單一 262,144 個 token 的預算。reasoning_effort 接受 low、high 與 xhigh,省略時會預設為 high。

• 價格,新加坡 — 每百萬輸入 $1.50,輸出 $4.50。快取讀取 $0.075,快取寫入五分鐘 $1.875 或一小時 $3.00。

• 價格方面,其他地區——法蘭克福、維吉尼亞、東京、香港與北京:輸入 $1.413、輸出 $4.24。相同模型,每 token 比新加坡方案便宜 5.8%。

• 相較於自家前代產品——Qwen3.8-Max 在新加坡的定價為 2.00 美元與 6.00 美元,因此計價兩端的世代降幅皆為 25%。

• {{1}}模態與介面{{/1}} — {{2}}輸入文字、圖像與影片,輸出文字{{/2}};{{3}}O​penAI Chat Completions{{/3}}、{{4}}O​penAI Responses{{/4}}、{{5}}A​nthropic Messages{{/5}} 與 {{6}}DashScope{{/6}};{{7}}批次推論僅限北京{{/7}}。

那些數字每一個都是 Alibaba 自己的。今天唯一可得的獨立數字是 AA Index 的 43,這使 Qwen4-Max 高於排行榜中位數 41,但低於前沿層級。它運行該指數一次的成本是 3.27 美元,混合價格為每百萬 0.80 美元,而且在此過程中輸出了 1.27 億個輸出 token——冗長,但並非異常冗長。

V4.1 Pro 這個名稱實際上是由什麼構成的

DeepSeek 於 9 月 10 日的公告中推出 DeepSeek V4.1 Flash,這是一個採用全新 Causal Encoder-Decoder 架構、擁有 5,520 億參數的混合專家模型,於 prefill 階段啟用 80 億參數、decode 階段啟用 160 億參數,可讀取影像,提供 1M token 上下文與 384K 輸出,並以 MIT 授權發布。同一份公告中,DeepSeek 寫道,V4 Pro 流量將以 Flash 的費率轉移至 Flash,「直到 V4.1-Pro 推出為止」。開發者將此解讀為對他們在生產環境中所用模型的退役通知;DeepSeek 隨後撤回該路由計畫,並維持以不變的計費方式繼續提供 deepseek-v4-pro。

此後出現的內容都無法驗證。DeepSeek 的定價頁面今天恰好列出兩個提供服務的模型:deepseek-flash,對應到 DeepSeek-V4.1-Flash-1017;以及 deepseek-v4-pro,對應到 DeepSeek-V4-Pro-0813。API 參考文件中沒有 deepseek-v4.1-pro 這個字串,價目表上也沒有這一列,而 Hugging Face 上 deepseek-ai 組織中最新的儲存庫仍是 V4.1 Flash。針對它公布日期的追蹤器,其實公布的是估計值;一個廣為流傳的倒數頁面將 2026 年 11 月 12 日列為「估計發布日」,而該日期已過,卻沒有任何公告。

所以,對這個名稱的誠實解讀是:它是 DeepSeek 曾在文字中描述、但尚未在此基礎上打造任何公開成果的一個等級。V4 世代是唯一能說明這個等級會長什麼樣子的證據——DeepSeek V4 Pro 是一個 1.6 兆參數的混合專家模型,擁有 490 億活躍參數、僅限文字、100 萬上下文、384K 輸出、MIT 授權——而 V4.1 Pro 想必會繼承新架構與原生視覺能力。想必如此。廠商自己宣稱 Flash 在效能、成本與速度上「全面超越」V4 Pro,這讓 Pro 等級在 V4.1 產品線中的用途確實不明,而對一款即將被發表的旗艦來說,這是個很奇怪的位置。

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.'

你今天就能跑的對決:Qwen4-Max 對上 DeepSeek V4 Pro

把 D​eepSeek 這邊的版本號去掉,就會出現一場真正的較量,因為 DeepSeek V4 Pro 0813 是一個可呼叫、有定價、開放權重的旗艦模型。以下雙方都是廠商公布的數字;指數欄位是 Artificial Analysis v5.0.1,這是唯一由同一套測試框架產生這兩個數字的一列。

• 每百萬價格 — Qwen4-Max 輸入 $1.50 / 輸出 $4.50(新加坡)對比 DeepSeek V4 Pro 離峰 $0.66 / $1.98,於 UTC 01:00–04:00 與 06:00–10:00 的平日尖峰時段倍增至 $1.32 / $3.96。

• 上下文與輸出 — 1,000,000 個 token,具備 262,144 個 token 的思考加回答預算,相較於 1,048,576 個 token,輸出 token 最高可達 384,000。

• 模態——支援文字、圖像與影片輸入,對比僅支援文字。這是兩者之間最大的功能差異,而且差距懸殊。

• Backbone — 總計 2.4T、活躍 71B,另有 328B 用於 N-gram 嵌入,相較於總計 1.6T、活躍 49B。參數量預測的是訓練成本,而非詞元效率;請將其視為架構註記。

• 獨立指數 — 在 D​eepSeek 的 Max effort 設定下為 43 對 23,High 為 21,非推理為 13。二十分的落差是世代性的差距,而非設定性的差距。

• 每個索引任務的獨立成本 — $3.27 對 $1.77。注意方向:就評估器自身的 token 計算而言,DeepSeek 在成本上勝出,領先約 1.8 倍。

• 冗長度 — 整個索引共 1.27 億輸出 token,而 D​eepSeek 頁面所報告的是每項任務的數字,而非總計;真正值得比較的是每項已完成任務的成本,而不是 token 對 token 的比較。

• 權重 — 專有、僅限 API,對比 MIT、可下載成 48 個 safetensors 分片。

• 快取經濟效益 — Qwen4-Max 每百萬收費 1.875 美元,用於寫入一個五分鐘的快取項目,讀取則收 0.075 美元,相當於 95% 折扣;D​eepSeek 寫入不收取明確費用,讀取每百萬收 0.022 美元,相當於 97% 折扣。D​eepSeek 的快取既更便宜又自動,這在代理工作負載上比表面費率更重要。

計算長上下文工作在兩個計量器上的成本

取一個 300,000 個 token 的程式碼庫前綴、對它進行十輪工作、每輪輸出 4,000 個 token、開啟 thinking,且該前綴在各輪之間保持穩定。這是根據公開定價表所做的算術,並非實測執行。

• Qwen4-Max,新加坡,未快取 — 300,000 個輸入 token,以每百萬 $1.50 計算,每輪為 $0.45;十輪為 $4.50。輸出為 4,000 個 token,以每百萬 $4.50 計算,每輪 $0.018,十輪共 $0.18。總計 $4.68。

• Qwen4-Max 搭配充分發揮作用的快取——一次寫入每百萬 $1.875,共 $0.5625,接著九次讀取每百萬 $0.075,每次 $0.0225,共 $0.2025。輸入降至 $0.765,輸出維持 $0.18。總計 $0.945,一行請求設定就帶來 3.8 倍的成本降幅。

• DeepSeek V4 Pro,離峰、未快取 — 300,000 個輸入 token,每百萬 $0.66,即每輪 $0.198,十輪共 $1.98。輸出每百萬 $1.98,即每輪 $0.00792,總計 $0.0792。總計 $2.06。

• DeepSeek V4 Pro 搭配快取命中 — 第一輪需支付 $0.198;後續九輪以每百萬 $0.022 的價格讀取,每輪 $0.0066。輸入約 $0.257,輸出 $0.079。總計 $0.336。在尖峰時段,則加倍。

經過計算,仍有兩項結論成立。第一,依定價計算,Qwen4-Max 在這類工作型態上的成本約為 DeepSeek V4 Pro 的 2.8 倍,無論是否使用快取。第二,Alibaba 聲稱 Qwen4-Max 使用的 token 比 Qwen3.8-Max 少 24% 到 35%,但這仍無法彌補 2.8 倍的差距;即使寬鬆估計可節省 35% 的 token,Qwen4-Max 每完成一項任務的成本仍約為兩倍。廠商自己每項任務 4.43 美元對 1.67 美元的比較,是與自家前一代產品相比,而非與 DeepSeek 相比。

什麼會讓 V4.1 Pro 成為真正的對手?

三項已公開的產物,而它們正是每次 DeepSeek 發布都會釋出的同一組三項訊號。一則點名該模型的變更日誌條目,因為 V4.1 Flash 和 V4 Pro 0813 都是在這裡宣布的。deepseek-ai 組織下一個名稱含 V4.1-Pro 的儲存庫;若該層級遵循此系列的 MIT 慣例,權重就會放在那裡。或是定價頁面上的第三欄,而該頁目前恰好只有兩個模型。在其中一項出現變化之前,你讀到的任何 DeepSeek V4.1 Pro 規格表——參數量、上下文、價格、評分——都是從 V4 世代外推而來,也應如此理解。

還有一件事值得注意,那不是假象,而是一項宣稱:D​eepSeek 說 Flash 在效能、成本、速度和總任務時間上都勝過 V4 Pro。如果到了 V4.1 世代這仍然成立,V4.1 Pro 就必須用「更大」以外的東西來證明自己的價值——而最可能的答案,是那個沒有人發表過的答案:它會是多模態、長時程的層級,而不是便宜的那一層。

讓其中任一個都能透過單一按鍵存取

OrcaRouter 不提供 Qwen4-Max。它不在超過 200 款模型的目錄中,截至 11 月 16 日,且沒有任何鄰近刊登能改變這點;如今要取得 Qwen4-Max,正當途徑是阿里巴巴自家的 Model Studio API 以及數個第三方平台。我們實際提供的是本頁的 DeepSeek 部分,按廠商的列表價原樣提供、不加價:deepseek/deepseek-v4-pro-0813,每百萬輸入 $0.66、輸出 $1.98,1M 上下文、384K 輸出,支援 OpenAI、Responses 與 Anthropic 相容端點,離峰與尖峰時段完全依 DeepSeek 公布的規則套用。

這種不對稱正是這項比較的實務重點。你可以把 DeepSeek V4 Pro 接到你手邊已有的金鑰上,今天下午就能實測。你在這裡目前還無法對 Qwen4-Max 這麼做,而假裝可以,正是那種會讓團隊白白損失一週的說法。在此期間,路由層確實能帶給你一種低成本的混合狀態:由 DeepSeek V4 Pro 以牌價承擔主要流量、把一小部分影子流量直接送往 Alibaba 以使用 Qwen4-Max,以及一個能並排查看兩筆帳單的單一位置。當某個模型真的上架到型錄時,把一定比例的流量移轉給它只是路由規則,而不是整合工作,而自動故障轉移意味著,未經證實的模型可以排在已證實的模型之後,不會在第一個出狀況的下午就成為單點故障。

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.

本週擺在你面前的決定

如果你需要的是目前可調用的最強模型,而成本是限制條件,那麼 DeepSeek V4 Pro 就是答案:$0.66 與 $1.98,而它與 Qwen4-Max 之間 20 點的指數差距,就是這個折扣的代價——這是實實在在的代價,不是四捨五入的誤差。如果你的工作負載在輸入端包含影片或圖像,DeepSeek V4 Pro 完全做不到,而 Qwen4-Max 的原生視覺加上 1M 視窗,即使還沒算上 A​libaba 已公布、卻無人重現的 Work360 agent 宣稱,也值得那 2.8 倍。

如果你真正想要的是 D​eepSeek V4.1 Pro,答案是:並沒有這樣的模型值得等待,只有九月變更日誌裡的一項條款,而 D​eepSeek 尚未付諸行動。請以現有的東西為基礎來開發;讓切換成本保持低廉;並且每個月檢查一次 D​eepSeek 的定價頁面,因為那會是最先改變的頁面。

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).

本文中的比較3

根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新