DeepSeek V4 Flash vs Qwen4 Max
完整资料:DeepSeek V4 Flash(DeepSeek)和 Qwen4 Max(Alibaba),包括全部基准测试、价格和排名。
更新于 · 数据来自 10 个来源
截至 2026年11月19日,两者共同的基准测试太少,无法判断质量高下。DeepSeek V4 Flash 更便宜,对方的价格是它的 8.6 倍(每百万 token 混合价格 $0.262 比 $2.25)。在两者都有成绩的所有类别中,Qwen4 Max 均领先。DeepSeek V4 Flash 输出更快(约 1.5 倍)。
要点(截至 2026年11月19日)
- DeepSeek V4 Flash 每百万 token 混合价格为 $0.262(标价,2026年11月19日)。
- Qwen4 Max 每百万 token 混合价格为 $2.25(标价,2026年11月19日)。
- DeepSeek V4 Flash 比 Qwen4 Max 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月19日)。
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 | 均可 | 类别得分 55 比 55 | 均可 |
| 推理 | 均可 | 类别得分 59 比 59 | 均可 |
| 知识 | Qwen4 Max | 类别得分 59 比 55 | 中 |
| 对话质量(人类偏好) | – | 只有 DeepSeek V4 Flash 有 Arena 评分(类别得分 62) | 无法比较 |
| 成本最低 | DeepSeek V4 Flash | 每百万 token 混合价格 $0.262 比 $2.25;智能体编程会话 $0.011 比 $0.108 | – |
| 首次回答最快 | DeepSeek V4 Flash | 首个回答 token 0.6 秒(DeepSeek V4 Flash (high))比 139.2 秒(Qwen4 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
- 共同的基准测试太少,无法给出结论。
- DeepSeek V4 Flash (high) 在推理方面更强。
- Qwen4 Max 在编程、知识方面更强。
- DeepSeek V4 Flash (high) 更便宜,对方的价格是它的 8.6 倍(每百万 token 混合价格 $0.262 比 $2.25)。
- DeepSeek V4 Flash (high) 的输出速度是对方的 1.5 倍(86 比 59 token/秒)。
概览
| 规格 | DeepSeek V4 Flash | Qwen4 Max |
|---|---|---|
| 提供商 | DeepSeek | Alibaba |
| 发布日期 | 2026年7月31日 | 2026年11月16日 |
| 上下文窗口(token) | 1,048,576 | 991,808 |
| 对比时的配置 | DeepSeek V4 Flash (high) | Qwen4 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 | $1.50 / $4.50 / $0.071 |
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) | Qwen4 Max | 领先者 |
|---|---|---|---|
| 推理 | 58.7 | 58.5 | 持平 |
| 编程 | 54.8 | 55.1 | 持平 |
| 数学 | 61.8 | – | 无法比较 |
| 知识 | 54.8 | 59.0 | Qwen4 Max |
| 人类偏好 | 62.0 | – | 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。
未绘制(测得的模型少于两个):智能体与工具, 数学, 指令遵循, 长上下文, 多模态, 人类偏好。
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) | Qwen4 Max |
|---|---|---|
| 每百万 token 混合价格 | $0.262 | $2.25 |
| 每百万 token 输入 / 输出 | $0.150 / $0.600 | $1.50 / $4.50 |
| 每百万 token 缓存输入 | $0.0030 | $0.071 |
| 每项任务价格:聊天回复 | $0.0002 | $0.0020 |
| 每项任务价格:总结一份 30 页的报告 | $0.0022 | $0.021 |
| 每项任务价格:代码编辑 | $0.0018 | $0.016 |
| 每项任务价格:智能体编程会话 | $0.011 | $0.108 |
| 每项任务价格:结构化信息提取 | $0.0004 | $0.0039 |
| 智能体编程会话(输入大多命中缓存) | $0.0048 | $0.044 |
| 每项基准测试任务成本(AA Index) | – | $3.27 |
| 每项任务输出 token(AA Index) | – | 105k |
| 其中推理部分 | – | 69k |
| 每项任务耗时(AA Index) | – | 30 min |
| 输出速度 | 86 tok/s | 59 tok/s |
| 首次回答时间 | 0.6 秒 | 139.2 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 57.0,首个回答 token 需 1 秒;DeepSeek V4 Flash (max) 为 56.7(21 秒),DeepSeek V4 Flash 为 53.8(1 秒)。Qwen4 Max首个回答 token 需 139 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 113 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) | Qwen4 Max |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 57.0 | – |
| 编程得分 | BenchLeader | 54.8 | 55.1 |
| 人类偏好得分 | BenchLeader | 62.0 | – |
| 知识得分 | BenchLeader | 54.8 | 59.0 |
| 数学得分 | BenchLeader | 61.8 | – |
| 推理得分 | BenchLeader | 58.7 | 58.5 |
| 混合价格(美元/百万 token) | BenchLeader | $0.262 | $2.25 |
| 输出速度 | BenchLeader | 86 tok/s | 59 tok/s |
| 首次回答时间 | BenchLeader | 0.6 秒 | 139.2 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 991,808 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 91.0%† | – |
| SimpleBench | SimpleBench | 61.1%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1459 | – |
| LiveBench 2.0 Reasoning | LiveBench | – | 92.2%† |
| LiveBench 1.0 Reasoning | LiveBench | 86.6%† | – |
| GPQA Diamond (AA) | Artificial Analysis | 90.8%† | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 38.5%† | – |
| HLE-Diamond (AA) | Artificial Analysis | – | 44.9% |
| GPQA Diamond (Vals) | Vals AI | 89.9% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 52.2%† | – |
| ARC-AGI-1 | ARC Prize | 87.0% | – |
| ARC-AGI-2 | ARC Prize | 56.0% | – |
| CritPt | Artificial Analysis | 16.6%† | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 43.0% |
| Arena Expert | Arena (LMArena) | 1467 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 32.0%† | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 34.0%† | – |
| LMCA | Epoch AI Benchmarking Hub | 41.7%† | – |
| DTBench | Epoch AI Benchmarking Hub | 90.9%† | – |
| 编程 | |||
| SciCode | SciCode | 42.0% | – |
| WeirdML | WeirdML | 57.0% | – |
| FrontierCode | Cognition | 18.8%† | – |
| Arena Coding | Arena (LMArena) | 1480 | – |
| Arena WebDev | Arena (LMArena) | 1582 | 1750† |
| LiveBench 2.0 Coding | LiveBench | – | 69.8%† |
显示全部 113 项基准测试
| 指标 | 发布方 | DeepSeek V4 Flash (high) | Qwen4 Max |
|---|---|---|---|
| 编程 | |||
| LiveBench 1.0 Coding | LiveBench | 75.0%† | – |
| SciCode (AA) | Artificial Analysis | 50.4%† | – |
| LiveCodeBench | Vals AI | 87.3% | – |
| IOI | Vals AI | 32.7% | – |
| SWE-bench (Vals) | Vals AI | 88.8% | – |
| Code Migration | Vals AI | 38.6% | – |
| ProgramBench | Vals AI | 0.0% | – |
| Vibe Code Bench v1.1 | Vals AI | 74.7% | 86.7%† |
| ALE-Bench | Epoch AI Benchmarking Hub | 678.2 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 12.1%† | 48.5% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 78.7%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 34.1† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 43.4 | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 26.4% |
| 智能体与工具 | |||
| Arena Agent | Arena (LMArena) | – | 7.3† |
| LiveBench Long Agentic | LiveBench | – | 46.6%† |
| LiveBench Browser | LiveBench | – | 80.7%† |
| LiveBench Agentic Coding | LiveBench | 46.8%† | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 67.0%† | – |
| HiL-Bench | Scale AI SEAL | 47.8%† | – |
| GDPval-AA v2.1 | Artificial Analysis | 1437† | 1809 |
| τ³-Banking (AA) | Artificial Analysis | 39.4%† | – |
| Analyst Agent (AA) | Artificial Analysis | – | 46.3% |
| APEX-Agents (AA) | Artificial Analysis | – | 59.1% |
| CyberBench | Vals AI | 72.1% | – |
| Finance Agent v2 | Vals AI | 49.5% | – |
| Finance Agent v2.1 | Vals AI | – | 66.7%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 21.3%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 8.3% | – |
| Legal Research Bench | Vals AI | 30.3% | 41.4%† |
| SkillsBench | Vals AI | 50.7% | – |
| Tax Agent Bench | Vals AI | 28.1% | 40.4%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 18.7% | 48.5%† |
| Terminal-Bench Science | Vals AI | 4.3% | – |
| Arena Agent Task Completion | Arena (LMArena) | – | 8.8† |
| AutomationBench | Artificial Analysis | 54.0%† | 72.6% |
| GDP.pdf (AA) | Artificial Analysis | 11.0%† | 26.2% |
| Harvey LAB-AA v1.1 | Harvey | – | 9.4% |
| EnterpriseOps-Gym | Artificial Analysis | – | 48.5% |
| AA-Briefcase v1.1 | Artificial Analysis | 1255† | 1686 |
| Design Arena Agentic | Design Arena | – | 1356 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 23.3% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 57.5%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 24.4%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 94.4%† | – |
| ProofBench | Vals AI | 56.0%† | – |
| LiveBench Mathematics | LiveBench | 86.8%† | – |
| AIME 2026 | MathArena | 95.8%† | – |
| HMMT February 2026 | MathArena | 93.9%† | – |
| MathArena Apex | MathArena | 27.1%† | – |
| Arena Maths | Arena (LMArena) | 1441 | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 33.6%† | – |
| LiveBench 2.0 Data Analysis | LiveBench | – | 83.4%† |
| LiveBench Research | LiveBench | – | 84.7%† |
| LiveBench 1.0 Data Analysis | LiveBench | 79.3%† | – |
| AA-Omniscience v1.1 | Artificial Analysis | – | 27.7 |
| MMLU-Pro | Vals AI | 86.2% | – |
| LegalBench | Vals AI | 77.7% | – |
| CorpFin | Vals AI | 61.9% | – |
| TaxEval | Vals AI | 70.7% | – |
| BioMysteryBench | Vals AI | 64.4% | – |
| Excel Modeling Benchmark | Vals AI | 57.0% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 70.8%† |
| MedCode | Vals AI | 41.4% | – |
| MedScribe | Vals AI | 80.4% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 43.7% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 71.6% |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 79.2%† | – |
| LiveBench Instruction Following | LiveBench | 65.5%† | – |
| Arena Instruction Following | Arena (LMArena) | 1434 | – |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1439 | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1559† | – |
| Arena Creative Writing | Arena (LMArena) | 1411 | – |
| Arena Multi-turn | Arena (LMArena) | 1447 | – |
| Arena Longer Queries | Arena (LMArena) | 1449 | – |
| 多模态 | |||
| LiveBench Design | LiveBench | – | 79.1%† |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 79.7%† | – |
| MLCR | Artificial Analysis | – | 19.4% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 154.4† | – |
| LiveBench 2.0 | LiveBench | – | 73.1%† |
| LiveBench 1.0 | LiveBench | 74.2%† | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 42.9 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 34.3† | – |
| AA Progress Index v1 | Artificial Analysis | 309.4† | – |
| Vals Index | Vals AI | – | 63.2† |
| Vals Finance Index | Vals AI | – | 62.0%† |
| Vals Legal Index | Vals AI | – | 70.7%† |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 44.4† | – |
数据截至 2026年11月19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 gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
变化
- DeepSeek V4 Flash (high):1 项分数修订。
- DeepSeek V4 Flash (high):1 项分数修订。
- DeepSeek V4 Flash (high):1 项分数修订。
- DeepSeek V4 Flash (high):1 项新结果(GameBench 2 by reasoning setting)。
- DeepSeek V4 Flash (high):1 项新结果(Harvey's Legal Agent Benchmark v1)。
- DeepSeek V4 Flash (high):BenchLeader Index 59.3 → 57.3。
- DeepSeek V4 Flash (high):输入价格 $0.11/M → $0.15/M;输出价格 $0.23/M → $0.60/M。
相关对比
- DeepSeek V4 Flash vs Claude Fable 5.1
- DeepSeek V4 Flash vs GPT-6.1 Sol
- Qwen4 Max vs Qwen3.8 Max
- Qwen4 Max vs Inkling 2 Small
- DeepSeek V4 Flash vs Qwen3.8 Max
- DeepSeek V4 Flash vs Gemini 4 Argon
- DeepSeek V4 Flash vs Claude Sonnet 5.5
- DeepSeek V4 Flash vs Muse Spark 1.3
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 Qwen4 Max:常见问题
- DeepSeek V4 Flash 和 Qwen4 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 $2.25(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 Qwen4 Max 更好?
- 两者在编程方面持平(类别得分 55 比 55)。
- DeepSeek V4 Flash 和 Qwen4 Max 哪个更快?
- DeepSeek V4 Flash 输出更快(约 1.5 倍;输出 86 比 59 token/秒,Artificial Analysis 7 日中位数)。
- 处理长文档哪个更好?
- DeepSeek V4 Flash 支持更长的上下文:1,048,576 token,Qwen4 Max 为 991,808 token。
- 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 0.6 秒比 139.2 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
更多问题(1)
- Qwen4 Max 是什么时候发布的?
- Qwen4 Max 于 2026年11月16日 发布。