BenchLeader

DeepSeek V4 Flash vs Qwen3.8 Max

完整资料:DeepSeek V4 Flash(DeepSeek)和 Qwen3.8 Max(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 15 个来源

截至 2026年11月16日,DeepSeek V4 Flash 与 Qwen3.8 Max 的质量不相上下(BenchLeader Index 57.2 比 58.7,在 ±5.2 的误差范围内)。DeepSeek V4 Flash 更便宜,对方的价格是它的 11 倍(每百万 token 混合价格 $0.262 比 $3.00)。看重推理(59 比 52)选 DeepSeek V4 Flash;看重编程(62 比 55)、人类偏好(68 比 62)和数学(65 比 62)选 Qwen3.8 Max。DeepSeek V4 Flash 的首次回答更快(0.7 秒 比 119.6 秒)。

要点(截至 2026年11月16日)

  • DeepSeek V4 Flash 的 BenchLeader Index 为 57.2,Qwen3.8 Max 为 58.7(BenchLeader,2026年11月16日)。
  • DeepSeek V4 Flash 每百万 token 混合价格为 $0.262(标价,2026年11月16日)。
  • Qwen3.8 Max 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • 在两者都有结果的 32 项基准测试中,Qwen3.8 Max 领先 25 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,DeepSeek V4 Flash 的评分为 1582,Qwen3.8 Max 为 1676(LMArena,截至 2026年11月16日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Qwen3.8 Max类别得分 62 比 55;Arena WebDev 1676 比 1582中
数学Qwen3.8 Max类别得分 65 比 62;Arena Maths 1505 比 1441中
推理DeepSeek V4 Flash类别得分 59 比 52;Arena Hard Prompts 1459 比 1507高
知识Qwen3.8 Max类别得分 58 比 55;MMLU-Pro 88.6% 比 86.2%中
对话质量(人类偏好)Qwen3.8 MaxArena 投票 68 比 62中
成本最低DeepSeek V4 Flash每百万 token 混合价格 $0.262 比 $3.00;智能体编程会话 $0.011 比 $0.144–
首次回答最快DeepSeek V4 Flash首个回答 token 0.7 秒(DeepSeek V4 Flash (high))比 119.6 秒(Qwen3.8 Max (max))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • DeepSeek V4 Flash (high) 与 Qwen3.8 Max (max) 的质量不相上下(57.2 比 58.7,在 ±5.2 的误差范围内)。
  • DeepSeek V4 Flash (high) 在推理方面更强。
  • Qwen3.8 Max (max) 在编程、人类偏好、知识、数学方面更强。
  • DeepSeek V4 Flash (high) 更便宜,对方的价格是它的 11 倍(每百万 token 混合价格 $0.262 比 $3.00)。
  • DeepSeek V4 Flash (high) 的输出速度是对方的 1.4 倍(82 比 59 token/秒)。

概览

规格DeepSeek V4 FlashQwen3.8 Max
提供商DeepSeekAlibaba
发布日期2026年7月31日2026年8月3日
上下文窗口(token)1,048,5761,000,000
对比时的配置DeepSeek V4 Flash (high)Qwen3.8 Max (max)
开放权重是否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.150 / $0.600 / $0.0030$2.00 / $6.00 / $0.250

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别DeepSeek V4 Flash (high)Qwen3.8 Max (max)领先者
推理59.251.5DeepSeek V4 Flash
编程55.061.6Qwen3.8 Max
智能体与工具–58.5无法比较
数学61.965.2Qwen3.8 Max
知识54.858.0Qwen3.8 Max
人类偏好62.067.5Qwen3.8 Max
多模态–65.7无法比较
长上下文–64.8无法比较
综合–45.0无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程数学知识人类偏好DeepSeek V4 Flash, 推理: 59.2DeepSeek V4 Flash, 编程: 55.0DeepSeek V4 Flash, 数学: 61.9DeepSeek V4 Flash, 知识: 54.8DeepSeek V4 Flash, 人类偏好: 62.0Qwen3.8 Max, 推理: 51.5Qwen3.8 Max, 编程: 61.6Qwen3.8 Max, 数学: 65.2Qwen3.8 Max, 知识: 58.0Qwen3.8 Max, 人类偏好: 67.5

未绘制(测得的模型少于两个):智能体与工具, 指令遵循, 长上下文, 多模态。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 32 项基准测试中,DeepSeek V4 Flash 领先 6 项,Qwen3.8 Max 领先 25 项,1 项持平。所有同时评测两者的综合评分都认为 Qwen3.8 Max 更强。

综合 IndexDeepSeek V4 Flash (high)Qwen3.8 Max (max)领先者
BenchLeader Index57.258.7不相上下
Arena Text14391484Qwen3.8 Max

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标DeepSeek V4 Flash (high)Qwen3.8 Max (max)
每百万 token 混合价格$0.262$3.00
每百万 token 输入 / 输出$0.150 / $0.600$2.00 / $6.00
每百万 token 缓存输入$0.0030$0.250
每项任务价格:聊天回复$0.0002$0.0026
每项任务价格:总结一份 30 页的报告$0.0022$0.028
每项任务价格:代码编辑$0.0018$0.021
每项任务价格:智能体编程会话$0.011$0.144
每项任务价格:结构化信息提取$0.0004$0.0052
智能体编程会话(输入大多命中缓存)$0.0048$0.065
每项基准测试任务成本(AA Index)–$10.02
每项任务输出 token(AA Index)–171k
其中推理部分–120k
每项任务耗时(AA Index)–48 min
输出速度82 tok/s59 tok/s
首次回答时间0.7 秒119.6 秒
完整回答耗时(最近一次测量 2026年11月13日)–294.1 秒

每个模型都按其排名最高的推理强度设置进行对比。DeepSeek V4 Flash (high) 得分 57.2,首个回答 token 需 1 秒;DeepSeek V4 Flash (max) 为 56.8(28 秒),DeepSeek V4 Flash 为 53.8(1 秒)。Qwen3.8 Max (max) 得分 58.7,首个回答 token 需 120 秒;Qwen3.8 Max (xhigh) 为 56.6(3 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 150 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方DeepSeek V4 Flash (high)Qwen3.8 Max (max)
BenchLeader IndexBenchLeader57.258.7
编程得分BenchLeader55.061.6
人类偏好得分BenchLeader62.067.5
知识得分BenchLeader54.858.0
数学得分BenchLeader61.965.2
推理得分BenchLeader59.251.5
智能体与工具得分BenchLeader–58.5
综合得分BenchLeader–45.0
长上下文得分BenchLeader–64.8
多模态得分BenchLeader–65.7
混合价格(美元/百万 token)BenchLeader$0.262$3.00
输出速度BenchLeader82 tok/s59 tok/s
首次回答时间BenchLeader0.7 秒119.6 秒
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub91.0%†92.7%†
SimpleBenchSimpleBench61.1%†–
Arena Hard PromptsArena (LMArena)14591507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench86.6%†88.2%
GPQA Diamond (AA)Artificial Analysis90.8%†92.8%
Humanity's Last Exam (AA)Artificial Analysis38.5%†43.1%
HLE-Diamond (AA)Artificial Analysis–24.0%
GPQA Diamond (Vals)Vals AI89.9%93.7%
Kagi LLM BenchmarkKagi LLM Benchmark52.2%†–
ARC-AGI-1ARC Prize87.0%–
ARC-AGI-2ARC Prize56.0%–
CritPtArtificial Analysis16.6%†20.0%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
MysteryMechanismVals AI–23.9%
Arena ExpertArena (LMArena)14671514
Chess PuzzlesEpoch AI Benchmarking Hub32.0%†46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%†38.0%†
LMCAEpoch AI Benchmarking Hub41.7%†46.2%†
DTBenchEpoch AI Benchmarking Hub90.9%†92.0%†
编程
SciCodeSciCode42.0%53.2%
WeirdMLWeirdML57.0%–
FrontierCodeCognition18.8%†–
Arena CodingArena (LMArena)14801523
Arena WebDevArena (LMArena)15821676
显示全部 150 项基准测试
指标发布方DeepSeek V4 Flash (high)Qwen3.8 Max (max)
编程
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench75.0%†72.9%
SciCode (AA)Artificial Analysis50.4%†53.2%
LiveCodeBenchVals AI87.3%87.8%
IOIVals AI32.7%68.9%
SWE-bench (Vals)Vals AI88.8%85.6%
Code MigrationVals AI38.6%24.0%
ProgramBenchVals AI0.0%0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI–12.8%
Vibe Code Bench v1.1Vals AI74.7%64.7%
SWE Atlas v1.1Scale AI SEAL–64.4%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–81.5%
SWE Atlas v1.1: Test WritingScale AI SEAL–58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL–52.9%
MirrorCodeEpoch AI Benchmarking Hub–52.2%†
DeepSWE v1.1Epoch AI Benchmarking Hub–57.5%†
ALE-BenchEpoch AI Benchmarking Hub678.21679.1†
FrontierSWEEpoch AI Benchmarking Hub–17.8%†
Terminal-Bench 4.0 (AA)Artificial Analysis12.1%†38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†88.8%
Startrise FrontendStartrise–71.3%
GameBench 2 OverallDuelLab GameBench 234.1†54.2†
GameBench 2 by reasoning settingDuelLab GameBench 243.469.6†
Design Arena WebsiteDesign Arena1199†1269
FrontierCode 1.1 (AA)Artificial Analysis–43.2%
FrontierCode 2.0 (AA)Artificial Analysis–23.4%
智能体与工具
Terminal-BenchTerminal-Bench–27.0%
APEX-AgentsMercor–63.3%
Arena AgentArena (LMArena)–0.1
LiveBench Long AgenticLiveBench–26.6%
LiveBench BrowserLiveBench–49.4%
LiveBench Agentic CodingLiveBench46.8%†64.7%
Terminal-Bench 2.1 (Vals)Vals AI67.0%†67.4%
HiL-BenchScale AI SEAL47.8%†–
τ³-bench Bankingτ²-bench–55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–58.3%
GDPval-AA v2.1Artificial Analysis1437†1674
τ³-Banking (AA)Artificial Analysis39.4%†51.3%
ITBench SRE (AA)Artificial Analysis–40.3%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis–42.4%
CyberBenchVals AI72.1%28.6%
Finance Agent v2Vals AI49.5%50.6%
Harvey's Legal Agent Benchmark v1Vals AI8.3%10.4%
Legal Research BenchVals AI30.3%47.6%
SkillsBenchVals AI50.7%42.0%
Tax Agent BenchVals AI28.1%32.1%
Terminal-Bench 4.0 (Vals)Vals AI18.7%34.3%
Terminal-Bench ScienceVals AI4.3%12.9%
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)–4.5
AutomationBenchArtificial Analysis54.0%†56.2%
GDP.pdf (AA)Artificial Analysis11.0%†22.8%
EnterpriseOps-GymArtificial Analysis–47.6%
AA-Briefcase v1.1Artificial Analysis1255†1604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena–1264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–11.9%
MKA (AA)Artificial Analysis–37.4%
FACTS SearchGoogle–85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub57.5%†74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub24.4%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†100.0%†
ProofBenchVals AI56.0%†58.0%
LiveBench MathematicsLiveBench86.8%†91.3%
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena27.1%†–
Arena MathsArena (LMArena)14411505
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.6%†47.3%†
LiveBench 2.0 Data AnalysisLiveBench–78.4%
LiveBench ResearchLiveBench–72.8%
LiveBench 1.0 Data AnalysisLiveBench79.3%†78.4%
AA-Omniscience v1.1Artificial Analysis–10.5
MMLU-ProVals AI86.2%88.6%
LegalBenchVals AI77.7%83.6%
CorpFinVals AI61.9%65.8%
TaxEvalVals AI70.7%75.5%
BioMysteryBenchVals AI64.4%–
Excel Modeling BenchmarkVals AI57.0%60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI41.4%40.7%
MedScribeVals AI80.4%85.0%
Public Benefits Bench v1.1Vals AI–67.1%
Access to Justice BenchmarkVals AI–76.4%
Financial Coaching BenchVals AI–75.6%
Immigration BenchVals AI–70.1%
GDP.pdfEpoch AI Benchmarking Hub–23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis–29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–72.9%
FACTS ParametricGoogle–30.8%
指令遵循
LiveBench LanguageLiveBench79.2%†79.7%
LiveBench Instruction FollowingLiveBench65.5%†74.1%
Arena Instruction FollowingArena (LMArena)14341478
人类偏好
Arena TextArena (LMArena)14391484
EQ-Bench Creative Writing v3EQ-Bench1559†–
Arena Creative WritingArena (LMArena)14111472
Arena Multi-turnArena (LMArena)14471495
Arena Longer QueriesArena (LMArena)14491496
多模态
Arena VisionArena (LMArena)–1312
LiveBench DesignLiveBench–76.6%
MMMU-ProArtificial Analysis–82.8%
MMMU-Pro (Vals)Vals AI–88.0%
MortgageTaxVals AI–64.0%
SAGEVals AI–81.8%
Humanity's Sixth SenseScale AI SEAL–33.0%
Furniture AssemblyEpoch AI Benchmarking Hub–20.0%†
VIALS-AAHandshake AI–31.7%
Code2Video-AAArtificial Analysis–1021
AA-3DArtificial Analysis–954
FACTS MultimodalGoogle–51.5%
长上下文
AA-LCR v1.1Artificial Analysis79.7%†80.3%
MLCRArtificial Analysis–26.1%
FACTS GroundingGoogle–73.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.4†157.6
LiveBench 2.0LiveBench–60.9%
LiveBench 1.0LiveBench74.2%†78.5%
AA Intelligence Index v5.0.1Artificial Analysis–33.6
AA Intelligence Index v4.3.2Artificial Analysis34.3†45.4
AA Progress Index v1Artificial Analysis309.4†323.7
Vals RSI IndexVals AI–21.8%
Vals Multimodal IndexVals AI–65.4%
安全与诚实
DistressBenchScale AI SEAL–77.6%
元数据
AA Openness IndexArtificial Analysis44.4†–

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Qwen3.8 Max (max):1 项分数修订。
  • DeepSeek V4 Flash (high):1 项分数修订。
  • Qwen3.8 Max (max):1 项分数修订。
  • Qwen3.8 Max (max):6 项分数修订。
  • Qwen3.8 Max (max):1 项分数修订。
  • Qwen3.8 Max (max):1 项新结果(FACTS Search);1 项分数修订。
  • DeepSeek V4 Flash (high):1 项分数修订。
  • Qwen3.8 Max (max):1 项分数修订;价格 $0.22/M → $0.25/M。
  • DeepSeek V4 Flash (high):1 项新结果(GameBench 2 by reasoning setting)。
  • Qwen3.8 Max (max):价格 $0.25/M → $0.22/M。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

DeepSeek V4 Flash vs Qwen3.8 Max:常见问题

DeepSeek V4 Flash 比 Qwen3.8 Max 更好吗?
DeepSeek V4 Flash (high) 与 Qwen3.8 Max (max) 的质量不相上下(57.2 比 58.7,在 ±5.2 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
DeepSeek V4 Flash 和 Qwen3.8 Max 哪个更便宜?价格会变吗?
目前 DeepSeek V4 Flash 更便宜:每百万 token $0.262 比 $3.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 DeepSeek V4 Flash 还是 Qwen3.8 Max 更好?
Qwen3.8 Max 在编程方面得分更高(类别得分 62 比 55,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,DeepSeek V4 Flash 为 1582,Qwen3.8 Max 为 1676。
DeepSeek V4 Flash 和 Qwen3.8 Max 哪个更快?
DeepSeek V4 Flash 输出更快(输出 82 比 59 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都约为 1M token(DeepSeek V4 Flash 为 1,048,576,Qwen3.8 Max 为 1,000,000)。
更多问题(3)
哪个延迟更低?
DeepSeek V4 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 0.7 秒比 119.6 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 DeepSeek V4 Flash 和 Qwen3.8 Max 的看法一致吗?
在两者都有结果的 32 项基准测试中,DeepSeek V4 Flash 领先 6 项,Qwen3.8 Max 领先 25 项,1 项持平。所有同时评测两者的综合评分都认为 Qwen3.8 Max 更强。
Qwen3.8 Max 是什么时候发布的?
Qwen3.8 Max 于 2026年8月3日 发布。