BenchLeader

DeepSeek V4 Pro vs Qwen3.8-Flash-Next

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

更新于 · 数据来自 8 个来源

截至 2026年11月16日,DeepSeek V4 Pro 与 Qwen3.8-Flash-Next 的质量不相上下(BenchLeader Index 56.0 比 53.9,在 ±9.0 的误差范围内)。Qwen3.8-Flash-Next 更便宜,对方的价格是它的 4.3 倍(每百万 token 混合价格 $0.230 比 $0.990)。看重推理(56 比 43)和知识(41 比 38)选 DeepSeek V4 Pro;看重编程(61 比 52)选 Qwen3.8-Flash-Next。DeepSeek V4 Pro 的首次回答更快(42.8 秒 比 65.5 秒)。Qwen3.8-Flash-Next 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • DeepSeek V4 Pro 的 BenchLeader Index 为 56.0,Qwen3.8-Flash-Next 为 53.9(BenchLeader,2026年11月16日)。
  • DeepSeek V4 Pro 每百万 token 混合价格为 $0.990(标价,2026年11月16日)。
  • Qwen3.8-Flash-Next 每百万 token 混合价格为 $0.230(标价,2026年11月16日)。
  • Qwen3.8-Flash-Next 比 DeepSeek V4 Pro 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 18 项基准测试中,Qwen3.8-Flash-Next 领先 10 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,DeepSeek V4 Pro 的评分为 1581,Qwen3.8-Flash-Next 为 1624(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-Flash-Next类别得分 61 比 52;Arena WebDev 1624 比 1581高
推理DeepSeek V4 Pro类别得分 56 比 43;HLE-Diamond (AA) 20.5% 比 16.3%高
知识DeepSeek V4 Pro类别得分 41 比 38;AA-Omniscience v1.1 -6.5 比 -12.2中
长文档均可类别得分 64 比 65;AA-LCR v1.1 79.3% 比 79.7%均可
对话质量(人类偏好)–只有 DeepSeek V4 Pro 有 Arena 评分(类别得分 65)无法比较
成本最低Qwen3.8-Flash-Next每百万 token 混合价格 $0.230 比 $1.98;智能体编程会话 $0.011 比 $0.095–
首次回答最快DeepSeek V4 Pro首个回答 token 42.8 秒(DeepSeek V4 Pro (high))比 65.5 秒(Qwen3.8-Flash-Next)–
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 Pro (high) 与 Qwen3.8-Flash-Next 的质量不相上下(56.0 比 53.9,在 ±9.0 的误差范围内)。
  • DeepSeek V4 Pro (high) 在知识、推理方面更强。
  • Qwen3.8-Flash-Next 在编程、长上下文方面更强。
  • Qwen3.8-Flash-Next 更便宜,对方的价格是它的 4.3 倍(每百万 token 混合价格 $0.230 比 $0.990)。

概览

规格DeepSeek V4 ProQwen3.8-Flash-Next
提供商DeepSeekAlibaba
发布日期2026年8月13日2026年8月26日
上下文窗口(token)1,048,576256,000
对比时的配置DeepSeek V4 Pro (high)Qwen3.8-Flash-Next
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$1.32 / $3.96 / $0.022$0.150 / $0.470 / –

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 Pro (high)Qwen3.8-Flash-Next领先者
推理55.643.0DeepSeek V4 Pro
编程51.560.7Qwen3.8-Flash-Next
智能体与工具–64.0无法比较
数学64.5–无法比较
知识41.238.1DeepSeek V4 Pro
人类偏好65.0–无法比较
多模态–61.0无法比较
长上下文64.364.5持平

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推理编程知识长上下文DeepSeek V4 Pro, 推理: 55.6DeepSeek V4 Pro, 编程: 51.5DeepSeek V4 Pro, 知识: 41.2DeepSeek V4 Pro, 长上下文: 64.3Qwen3.8-Flash-Next, 推理: 43.0Qwen3.8-Flash-Next, 编程: 60.7Qwen3.8-Flash-Next, 知识: 38.1Qwen3.8-Flash-Next, 长上下文: 64.5

未绘制(测得的模型少于两个):智能体与工具, 数学, 指令遵循, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 18 项基准测试中,DeepSeek V4 Pro 领先 8 项,Qwen3.8-Flash-Next 领先 10 项。所有同时评测两者的综合评分都认为 Qwen3.8-Flash-Next 更强。

综合 IndexDeepSeek V4 Pro (high)Qwen3.8-Flash-Next领先者
BenchLeader Index56.053.9不相上下
AA Intelligence Index v5.0.120.828.6Qwen3.8-Flash-Next

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 Pro (high)Qwen3.8-Flash-Next
每百万 token 混合价格$1.98$0.230
每百万 token 输入 / 输出$1.32 / $3.96$0.150 / $0.470
每百万 token 缓存输入$0.022–
每项任务价格:聊天回复$0.0017$0.0002
每项任务价格:总结一份 30 页的报告$0.018$0.0021
每项任务价格:代码编辑$0.014$0.0016
每项任务价格:智能体编程会话$0.095$0.011
每项任务价格:结构化信息提取$0.0034$0.0004
智能体编程会话(输入大多命中缓存)$0.037–
每项基准测试任务成本(AA Index)$0.849$0.569
每项任务输出 token(AA Index)70k148k
其中推理部分45k97k
每项任务耗时(AA Index)15 min31 min
输出速度80 tok/s80 tok/s
首次回答时间42.8 秒65.5 秒
完整回答耗时(最近一次测量 2026年11月13日)–202.8 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 DeepSeek V4 Pro (high) 上花费 $0.849,在 Qwen3.8-Flash-Next 上花费 $0.569;完成同样的工作,Qwen3.8-Flash-Next 输出的 token 是对方的 2.1 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。DeepSeek V4 Pro (high) 得分 56.0,首个回答 token 需 43 秒;DeepSeek V4 Pro (max) 为 54.7(47 秒),DeepSeek V4 Pro 为 53.0(1 秒)。Qwen3.8-Flash-Next 得分 53.9,首个回答 token 需 66 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 127 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 Pro (high)Qwen3.8-Flash-Next
BenchLeader IndexBenchLeader56.053.9
编程得分BenchLeader51.560.7
人类偏好得分BenchLeader65.0–
知识得分BenchLeader41.238.1
长上下文得分BenchLeader64.364.5
数学得分BenchLeader64.5–
推理得分BenchLeader55.643.0
智能体与工具得分BenchLeader–64.0
多模态得分BenchLeader–61.0
混合价格(美元/百万 token)BenchLeader$1.98$0.230
输出速度BenchLeader80 tok/s80 tok/s
首次回答时间BenchLeader42.8 秒65.5 秒
上下文窗口BenchLeader1,048,576 token256,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.9%–
Arena Hard PromptsArena (LMArena)1482–
LiveBench 1.0 ReasoningLiveBench85.8%†87.4%
GPQA Diamond (AA)Artificial Analysis92.8%†92.3%
Humanity's Last Exam (AA)Artificial Analysis41.5%38.0%
HLE-Diamond (AA)Artificial Analysis20.5%16.3%
GPQA Diamond (Vals)Vals AI92.4%†–
Kagi LLM BenchmarkKagi LLM Benchmark53.5%†–
ARC-AGI-1ARC Prize87.2%–
ARC-AGI-2ARC Prize59.7%–
CritPtArtificial Analysis18.6%11.1%
CritPt v2 hard subset (AA)Artificial Analysis28.5%24.5%
HLE-Diamond (Scale)Scale AI SEAL13.4%†–
Arena ExpertArena (LMArena)1481–
Chess PuzzlesEpoch AI Benchmarking Hub16.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub43.0%†–
CL-bench LifeEpoch AI Benchmarking Hub13.5%–
LMCAEpoch AI Benchmarking Hub45.5%†–
DTBenchEpoch AI Benchmarking Hub93.9%†–
ForecastBenchForecastBench60.7%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub77.6%†–
SciCodeSciCode46.4%–
WeirdMLWeirdML46.5%–
FrontierCodeCognition28.6%–
Arena CodingArena (LMArena)1503–
显示全部 127 项基准测试
指标发布方DeepSeek V4 Pro (high)Qwen3.8-Flash-Next
编程
Arena WebDevArena (LMArena)15811624
LiveBench 1.0 CodingLiveBench77.2%†72.5%
SciCode (AA)Artificial Analysis51.7%50.6%
LiveCodeBenchVals AI87.5%†–
IOIVals AI51.6%†–
SWE-bench (Vals)Vals AI96.4%†–
Code MigrationVals AI41.5%†–
Code Migration v1.1Vals AI52.0%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench 1-100Vals AI17.5%†–
Vibe Code Bench v1.1Vals AI82.3%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL27.1%†–
SWE Atlas v1.0: Test WritingScale AI SEAL27.1%†–
MirrorCodeEpoch AI Benchmarking Hub33.3%†–
Surface Evolver BenchEpoch AI Benchmarking Hub40.0%–
ALE-BenchEpoch AI Benchmarking Hub1006.1–
Terminal-Bench 4.0 (AA)Artificial Analysis6.1%25.3%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†86.1%
Startrise FrontendStartrise62.7%†–
GameBench 2 OverallDuelLab GameBench 241.9†–
GameBench 2 by reasoning settingDuelLab GameBench 245.1–
Design Arena WebsiteDesign Arena1227†–
FrontierCode 1.1 (AA)Artificial Analysis38.8%†–
FrontierCode 2.0 (AA)Artificial Analysis16.7%27.1%
智能体与工具
Terminal-BenchTerminal-Bench6.7%†–
APEX-AgentsMercor47.3%†–
Arena AgentArena (LMArena)–-4.6
LiveBench Agentic CodingLiveBench55.0%†61.6%
Terminal-Bench 2.1 (Vals)Vals AI50.2%†–
HiL-BenchScale AI SEAL38.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis47.5%†56.4%
GDPval-AA v2.1Artificial Analysis13361637
τ³-Banking (AA)Artificial Analysis39.6%†45.4%
CyberBenchVals AI72.9%†–
Finance Agent v2Vals AI50.4%†–
Finance Agent v2.1Vals AI57.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI10.8%†–
Harvey's Legal Agent Benchmark v1Vals AI7.5%†–
Legal Research BenchVals AI40.9%†–
SkillsBenchVals AI53.8%†–
SREBenchVals AI1.9%†–
Tax Agent BenchVals AI26.8%†–
Terminal-Bench 2.0 (Vals)Vals AI56.2%†–
Terminal-Bench 4.0 (Vals)Vals AI14.1%†–
Terminal-Bench ScienceVals AI4.3%†–
Arena Agent Task CompletionArena (LMArena)–0.3
Vending-Bench 2Andon Labs3284.5†–
AutomationBenchArtificial Analysis46.2%55.9%
GDP.pdf (AA)Artificial Analysis10.4%15.6%
EnterpriseOps-GymArtificial Analysis49.6%†–
AA-Briefcase v1.1Artificial Analysis11481572
Design Arena AgenticDesign Arena927†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis1.9%7.1%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub64.6%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%–
ProofBenchVals AI50.0%†–
LiveBench MathematicsLiveBench95.1%†85.8%
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena93.9%†–
USAMO 2026MathArena60.7%†–
MathArena ApexMathArena28.1%†–
Arena MathsArena (LMArena)1465–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub52.9%†–
LiveBench 1.0 Data AnalysisLiveBench79.2%†74.2%
AA-Omniscience v1.1Artificial Analysis-6.5-12.2
MMLU-ProVals AI87.3%†–
LegalBenchVals AI82.4%†–
CorpFinVals AI65.4%†–
TaxEvalVals AI73.1%†–
CaseLaw v2Vals AI59.4%†–
Excel Modeling BenchmarkVals AI52.8%†–
Excel Modeling Benchmark v1.1Vals AI65.1%†–
MedCodeVals AI42.5%†–
MedScribeVals AI80.2%†–
Public Benefits Bench v1.1Vals AI62.9%†–
Immigration BenchVals AI61.7%†–
DrugDiscoveryBenchScale AI SEAL31.7%†–
AA-Omniscience v1.1: accuracyArtificial Analysis45.1%23.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis5.9%53.2%
指令遵循
LiveBench LanguageLiveBench82.1%†74.6%
LiveBench Instruction FollowingLiveBench67.7%†77.1%
Arena Instruction FollowingArena (LMArena)1461–
人类偏好
Arena TextArena (LMArena)1464–
EQ-Bench 4EQ-Bench1156†–
EQ-Bench Creative Writing v3EQ-Bench1553†–
Arena Creative WritingArena (LMArena)1444–
Arena Multi-turnArena (LMArena)1469–
Arena Longer QueriesArena (LMArena)1474–
多模态
MMMU-ProArtificial Analysis–78.6%
长上下文
AA-LCR v1.1Artificial Analysis79.3%79.7%
MLCRArtificial Analysis–20.6%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.9†–
LiveBench 1.0LiveBench77.4%†76.2%
AA Intelligence Index v5.0.1Artificial Analysis20.828.6
AA Intelligence Index v4.3.2Artificial Analysis36†39.8
AA Progress Index v1Artificial Analysis311.5†320.2
Vals IndexVals AI53.0†–
Vals Finance IndexVals AI52.9%†–
Vals Router IndexVals AI53.0%†–
Vals Legal IndexVals AI69.0%†–
元数据
AA Openness IndexArtificial Analysis44.438.9

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

  • DeepSeek V4 Pro (high):BenchLeader Index 59.1 → 56.0。
  • DeepSeek V4 Pro (high):17 项新结果(AA Intelligence Index v5.0.1, Humanity's Last Exam (AA), HLE-Diamond (AA)…);输入价格 $0.66/M → $1.32/M;输出价格 $1.98/M → $3.96/M。
  • Qwen3.8-Flash-Next:BenchLeader Index 54.7 → 54.0。
  • Qwen3.8-Flash-Next:3 项新结果(AA Intelligence Index v5.0.1, FrontierCode 2.0 (AA), Terminal-Bench-Science 0.1 (AA))。
  • Qwen3.8-Flash-Next:1 项新结果(CritPt v2 hard subset (AA));1 项分数修订。
  • DeepSeek V4 Pro (high):BenchLeader Index 57.5 → 59.1。
  • DeepSeek V4 Pro (high):1 项分数修订。
  • DeepSeek V4 Pro (high):1 项分数修订。
  • Qwen3.8-Flash-Next:1 项新结果(AA-Briefcase v1.1);1 项分数修订。
  • Qwen3.8-Flash-Next:BenchLeader Index 58.7 → 54.7。

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 Pro vs Qwen3.8-Flash-Next:常见问题

DeepSeek V4 Pro 比 Qwen3.8-Flash-Next 更好吗?
DeepSeek V4 Pro (high) 与 Qwen3.8-Flash-Next 的质量不相上下(56.0 比 53.9,在 ±9.0 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 Pro 和 Qwen3.8-Flash-Next 哪个更便宜?价格会变吗?
目前 Qwen3.8-Flash-Next 更便宜:每百万 token $0.230 比 $0.990(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 Pro 还是 Qwen3.8-Flash-Next 更好?
Qwen3.8-Flash-Next 在编程方面得分更高(类别得分 61 比 52,50 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 Pro 为 1581,Qwen3.8-Flash-Next 为 1624。
DeepSeek V4 Pro 和 Qwen3.8-Flash-Next 哪个更快?
Qwen3.8-Flash-Next 输出更快(约 1.5 倍;输出 80 比 80 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者在长上下文基准测试上持平(64 比 65)。DeepSeek V4 Pro 支持更长的上下文:1,048,576 token,Qwen3.8-Flash-Next 为 256,000 token。
更多问题(3)
哪个延迟更低?
DeepSeek V4 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 42.8 秒比 65.5 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 Pro 和 Qwen3.8-Flash-Next 的看法一致吗?
在两者都有结果的 18 项基准测试中,DeepSeek V4 Pro 领先 8 项,Qwen3.8-Flash-Next 领先 10 项。所有同时评测两者的综合评分都认为 Qwen3.8-Flash-Next 更强。
Qwen3.8-Flash-Next 是什么时候发布的?
Qwen3.8-Flash-Next 于 2026年8月26日 发布。