BenchLeader

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 FlashQwen4 Max
提供商DeepSeekAlibaba
发布日期2026年7月31日2026年11月16日
上下文窗口(token)1,048,576991,808
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58.758.5持平
编程54.855.1持平
数学61.8–无法比较
知识54.859.0Qwen4 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。

2550 avg75推理编程知识DeepSeek V4 Flash, 推理: 58.7DeepSeek V4 Flash, 编程: 54.8DeepSeek V4 Flash, 知识: 54.8Qwen4 Max, 推理: 58.5Qwen4 Max, 编程: 55.1Qwen4 Max, 知识: 59.0

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。

模型(单击添加或移除)Index

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/s59 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 IndexBenchLeader57.0–
编程得分BenchLeader54.855.1
人类偏好得分BenchLeader62.0–
知识得分BenchLeader54.859.0
数学得分BenchLeader61.8–
推理得分BenchLeader58.758.5
混合价格(美元/百万 token)BenchLeader$0.262$2.25
输出速度BenchLeader86 tok/s59 tok/s
首次回答时间BenchLeader0.6 秒139.2 秒
上下文窗口BenchLeader1,048,576 token991,808 token
推理
GPQA DiamondEpoch AI Benchmarking Hub91.0%†–
SimpleBenchSimpleBench61.1%†–
Arena Hard PromptsArena (LMArena)1459–
LiveBench 2.0 ReasoningLiveBench–92.2%†
LiveBench 1.0 ReasoningLiveBench86.6%†–
GPQA Diamond (AA)Artificial Analysis90.8%†–
Humanity's Last Exam (AA)Artificial Analysis38.5%†–
HLE-Diamond (AA)Artificial Analysis–44.9%
GPQA Diamond (Vals)Vals AI89.9%–
Kagi LLM BenchmarkKagi LLM Benchmark52.2%†–
ARC-AGI-1ARC Prize87.0%–
ARC-AGI-2ARC Prize56.0%–
CritPtArtificial Analysis16.6%†–
CritPt v2 hard subset (AA)Artificial Analysis–43.0%
Arena ExpertArena (LMArena)1467–
Chess PuzzlesEpoch AI Benchmarking Hub32.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%†–
LMCAEpoch AI Benchmarking Hub41.7%†–
DTBenchEpoch AI Benchmarking Hub90.9%†–
编程
SciCodeSciCode42.0%–
WeirdMLWeirdML57.0%–
FrontierCodeCognition18.8%†–
Arena CodingArena (LMArena)1480–
Arena WebDevArena (LMArena)15821750†
LiveBench 2.0 CodingLiveBench–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 CodingLiveBench75.0%†–
SciCode (AA)Artificial Analysis50.4%†–
LiveCodeBenchVals AI87.3%–
IOIVals AI32.7%–
SWE-bench (Vals)Vals AI88.8%–
Code MigrationVals AI38.6%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI74.7%86.7%†
ALE-BenchEpoch AI Benchmarking Hub678.2–
Terminal-Bench 4.0 (AA)Artificial Analysis12.1%†48.5%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†–
GameBench 2 OverallDuelLab GameBench 234.1†–
GameBench 2 by reasoning settingDuelLab GameBench 243.4–
FrontierCode 2.0 (AA)Artificial Analysis–26.4%
智能体与工具
Arena AgentArena (LMArena)–7.3†
LiveBench Long AgenticLiveBench–46.6%†
LiveBench BrowserLiveBench–80.7%†
LiveBench Agentic CodingLiveBench46.8%†–
Terminal-Bench 2.1 (Vals)Vals AI67.0%†–
HiL-BenchScale AI SEAL47.8%†–
GDPval-AA v2.1Artificial Analysis1437†1809
τ³-Banking (AA)Artificial Analysis39.4%†–
Analyst Agent (AA)Artificial Analysis–46.3%
APEX-Agents (AA)Artificial Analysis–59.1%
CyberBenchVals AI72.1%–
Finance Agent v2Vals AI49.5%–
Finance Agent v2.1Vals AI–66.7%†
Harvey's Legal Agent Benchmark v1.1Vals AI–21.3%†
Harvey's Legal Agent Benchmark v1Vals AI8.3%–
Legal Research BenchVals AI30.3%41.4%†
SkillsBenchVals AI50.7%–
Tax Agent BenchVals AI28.1%40.4%†
Terminal-Bench 4.0 (Vals)Vals AI18.7%48.5%†
Terminal-Bench ScienceVals AI4.3%–
Arena Agent Task CompletionArena (LMArena)–8.8†
AutomationBenchArtificial Analysis54.0%†72.6%
GDP.pdf (AA)Artificial Analysis11.0%†26.2%
Harvey LAB-AA v1.1Harvey–9.4%
EnterpriseOps-GymArtificial Analysis–48.5%
AA-Briefcase v1.1Artificial Analysis1255†1686
Design Arena AgenticDesign Arena–1356
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–23.3%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub57.5%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub24.4%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†–
ProofBenchVals AI56.0%†–
LiveBench MathematicsLiveBench86.8%†–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena27.1%†–
Arena MathsArena (LMArena)1441–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.6%†–
LiveBench 2.0 Data AnalysisLiveBench–83.4%†
LiveBench ResearchLiveBench–84.7%†
LiveBench 1.0 Data AnalysisLiveBench79.3%†–
AA-Omniscience v1.1Artificial Analysis–27.7
MMLU-ProVals AI86.2%–
LegalBenchVals AI77.7%–
CorpFinVals AI61.9%–
TaxEvalVals AI70.7%–
BioMysteryBenchVals AI64.4%–
Excel Modeling BenchmarkVals AI57.0%–
Excel Modeling Benchmark v1.1Vals AI–70.8%†
MedCodeVals AI41.4%–
MedScribeVals AI80.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis–43.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–71.6%
指令遵循
LiveBench LanguageLiveBench79.2%†–
LiveBench Instruction FollowingLiveBench65.5%†–
Arena Instruction FollowingArena (LMArena)1434–
人类偏好
Arena TextArena (LMArena)1439–
EQ-Bench Creative Writing v3EQ-Bench1559†–
Arena Creative WritingArena (LMArena)1411–
Arena Multi-turnArena (LMArena)1447–
Arena Longer QueriesArena (LMArena)1449–
多模态
LiveBench DesignLiveBench–79.1%†
长上下文
AA-LCR v1.1Artificial Analysis79.7%†–
MLCRArtificial Analysis–19.4%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.4†–
LiveBench 2.0LiveBench–73.1%†
LiveBench 1.0LiveBench74.2%†–
AA Intelligence Index v5.0.1Artificial Analysis–42.9
AA Intelligence Index v4.3.2Artificial Analysis34.3†–
AA Progress Index v1Artificial Analysis309.4†–
Vals IndexVals AI–63.2†
Vals Finance IndexVals AI–62.0%†
Vals Legal IndexVals AI–70.7%†
元数据
AA Openness IndexArtificial Analysis44.4†–

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。

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。