DeepSeek V4 Pro vs Qwen3.8 Max
完整资料:DeepSeek V4 Pro(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 Pro 与 Qwen3.8 Max 的质量不相上下(BenchLeader Index 56.0 比 58.7,在 ±5.6 的误差范围内)。DeepSeek V4 Pro 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $0.990 比 $3.00)。看重推理(56 比 52)选 DeepSeek V4 Pro;看重知识(58 比 41)、编程(62 比 52)和人类偏好(68 比 65)选 Qwen3.8 Max。DeepSeek V4 Pro 的首次回答更快(42.8 秒 比 119.6 秒)。Qwen3.8 Max 的输出更快。
要点(截至 2026年11月16日)
- DeepSeek V4 Pro 的 BenchLeader Index 为 56.0,Qwen3.8 Max 为 58.7(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 Max 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
- Qwen3.8 Max 比 DeepSeek V4 Pro 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
- 在两者都有结果的 26 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 Pro 的评分为 1581,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 52;Arena WebDev 1676 比 1581 | 高 |
| 数学 | 均可 | 类别得分 65 比 65;Arena Maths 1465 比 1505 | 均可 |
| 推理 | DeepSeek V4 Pro | 类别得分 56 比 52;HLE-Diamond (AA) 20.5% 比 24.0% | 中 |
| 知识 | Qwen3.8 Max | 类别得分 58 比 41;AA-Omniscience v1.1 10.5 比 -6.5 | 高 |
| 长文档 | 均可 | 类别得分 64 比 65;AA-LCR v1.1 79.3% 比 80.3% | 均可 |
| 对话质量(人类偏好) | Qwen3.8 Max | Arena 投票 68 比 65 | 中 |
| 成本最低 | DeepSeek V4 Pro | 每百万 token 混合价格 $1.98 比 $3.00;智能体编程会话 $0.095 比 $0.144 | – |
| 首次回答最快 | DeepSeek V4 Pro | 首个回答 token 42.8 秒(DeepSeek V4 Pro (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 Pro (high) 与 Qwen3.8 Max (max) 的质量不相上下(56.0 比 58.7,在 ±5.6 的误差范围内)。
- DeepSeek V4 Pro (high) 在推理方面更强。
- Qwen3.8 Max (max) 在编程、人类偏好、知识、长上下文、数学方面更强。
- DeepSeek V4 Pro (high) 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $0.990 比 $3.00)。
- DeepSeek V4 Pro (high) 的输出速度是对方的 1.4 倍(80 比 59 token/秒)。
概览
| 规格 | DeepSeek V4 Pro | Qwen3.8 Max |
|---|---|---|
| 提供商 | DeepSeek | Alibaba |
| 发布日期 | 2026年8月13日 | 2026年8月3日 |
| 上下文窗口(token) | 1,048,576 | 1,000,000 |
| 对比时的配置 | DeepSeek V4 Pro (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) | $1.32 / $3.96 / $0.022 | $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 Pro (high) | Qwen3.8 Max (max) | 领先者 |
|---|---|---|---|
| 推理 | 55.6 | 51.5 | DeepSeek V4 Pro |
| 编程 | 51.5 | 61.6 | Qwen3.8 Max |
| 智能体与工具 | – | 58.5 | 无法比较 |
| 数学 | 64.5 | 65.2 | 持平 |
| 知识 | 41.2 | 58.0 | Qwen3.8 Max |
| 人类偏好 | 65.0 | 67.5 | Qwen3.8 Max |
| 多模态 | – | 65.7 | 无法比较 |
| 长上下文 | 64.3 | 64.8 | 持平 |
| 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。
未绘制(测得的模型少于两个):智能体与工具, 指令遵循, 多模态。
各来源的分歧
在两者都有结果的 26 项基准测试中,DeepSeek V4 Pro 领先 1 项,Qwen3.8 Max 领先 25 项。所有同时评测两者的综合评分都认为 Qwen3.8 Max 更强。
| 综合 Index | DeepSeek V4 Pro (high) | Qwen3.8 Max (max) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 56.0 | 58.7 | 不相上下 |
| AA Intelligence Index v5.0.1 | 20.8 | 33.6 | Qwen3.8 Max |
| Arena Text | 1464 | 1484 | Qwen3.8 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 Pro (high) | Qwen3.8 Max (max) |
|---|---|---|
| 每百万 token 混合价格 | $1.98 | $3.00 |
| 每百万 token 输入 / 输出 | $1.32 / $3.96 | $2.00 / $6.00 |
| 每百万 token 缓存输入 | $0.022 | $0.250 |
| 每项任务价格:聊天回复 | $0.0017 | $0.0026 |
| 每项任务价格:总结一份 30 页的报告 | $0.018 | $0.028 |
| 每项任务价格:代码编辑 | $0.014 | $0.021 |
| 每项任务价格:智能体编程会话 | $0.095 | $0.144 |
| 每项任务价格:结构化信息提取 | $0.0034 | $0.0052 |
| 智能体编程会话(输入大多命中缓存) | $0.037 | $0.065 |
| 每项基准测试任务成本(AA Index) | $0.849 | $10.02 |
| 每项任务输出 token(AA Index) | 70k | 171k |
| 其中推理部分 | 45k | 120k |
| 每项任务耗时(AA Index) | 15 min | 48 min |
| 输出速度 | 80 tok/s | 59 tok/s |
| 首次回答时间 | 42.8 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 |
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 Max (max) 上花费 $10.02;完成同样的工作,Qwen3.8 Max (max) 输出的 token 是对方的 2.4 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 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 169 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 Max (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 56.0 | 58.7 |
| 编程得分 | BenchLeader | 51.5 | 61.6 |
| 人类偏好得分 | BenchLeader | 65.0 | 67.5 |
| 知识得分 | BenchLeader | 41.2 | 58.0 |
| 长上下文得分 | BenchLeader | 64.3 | 64.8 |
| 数学得分 | BenchLeader | 64.5 | 65.2 |
| 推理得分 | BenchLeader | 55.6 | 51.5 |
| 智能体与工具得分 | BenchLeader | – | 58.5 |
| 综合得分 | BenchLeader | – | 45.0 |
| 多模态得分 | BenchLeader | – | 65.7 |
| 混合价格(美元/百万 token) | BenchLeader | $1.98 | $3.00 |
| 输出速度 | BenchLeader | 80 tok/s | 59 tok/s |
| 首次回答时间 | BenchLeader | 42.8 秒 | 119.6 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,000,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 90.9% | 92.7%† |
| Arena Hard Prompts | Arena (LMArena) | 1482 | 1507 |
| LiveBench 2.0 Reasoning | LiveBench | – | 88.2% |
| LiveBench 1.0 Reasoning | LiveBench | 85.8%† | 88.2% |
| GPQA Diamond (AA) | Artificial Analysis | 92.8%† | 92.8% |
| Humanity's Last Exam (AA) | Artificial Analysis | 41.5% | 43.1% |
| HLE-Diamond (AA) | Artificial Analysis | 20.5% | 24.0% |
| GPQA Diamond (Vals) | Vals AI | 92.4%† | 93.7% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 53.5%† | – |
| ARC-AGI-1 | ARC Prize | 87.2% | – |
| ARC-AGI-2 | ARC Prize | 59.7% | – |
| CritPt | Artificial Analysis | 18.6% | 20.0% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 28.5% | 29.5% |
| MysteryMechanism | Vals AI | – | 23.9% |
| HLE-Diamond (Scale) | Scale AI SEAL | 13.4%† | – |
| Arena Expert | Arena (LMArena) | 1481 | 1514 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 16.0% | 46.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 43.0%† | 38.0%† |
| CL-bench Life | Epoch AI Benchmarking Hub | 13.5% | – |
| LMCA | Epoch AI Benchmarking Hub | 45.5%† | 46.2%† |
| DTBench | Epoch AI Benchmarking Hub | 93.9%† | 92.0%† |
| ForecastBench | ForecastBench | 60.7%† | – |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 77.6%† | – |
| SciCode | SciCode | 46.4% | 53.2% |
| WeirdML | WeirdML | 46.5% | – |
显示全部 169 项基准测试
| 指标 | 发布方 | DeepSeek V4 Pro (high) | Qwen3.8 Max (max) |
|---|---|---|---|
| 编程 | |||
| FrontierCode | Cognition | 28.6% | – |
| Arena Coding | Arena (LMArena) | 1503 | 1523 |
| Arena WebDev | Arena (LMArena) | 1581 | 1676 |
| LiveBench 2.0 Coding | LiveBench | – | 60.9% |
| LiveBench 1.0 Coding | LiveBench | 77.2%† | 72.9% |
| SciCode (AA) | Artificial Analysis | 51.7% | 53.2% |
| LiveCodeBench | Vals AI | 87.5%† | 87.8% |
| IOI | Vals AI | 51.6%† | 68.9% |
| SWE-bench (Vals) | Vals AI | 96.4%† | 85.6% |
| Code Migration | Vals AI | 41.5%† | 24.0% |
| Code Migration v1.1 | Vals AI | 52.0%† | – |
| ProgramBench | Vals AI | 0.0%† | 0.0% |
| SWE-bench Multimodal | Vals AI | – | 42.5% |
| Vibe Code Bench 1-100 | Vals AI | 17.5%† | 12.8% |
| Vibe Code Bench v1.1 | Vals AI | 82.3%† | 64.7% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 27.1%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 27.1%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | – | 64.4% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 81.5% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 58.9% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 52.9% |
| MirrorCode | Epoch AI Benchmarking Hub | 33.3%† | 52.2%† |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 40.0% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 57.5%† |
| ALE-Bench | Epoch AI Benchmarking Hub | 1006.1 | 1679.1† |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 17.8%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 6.1% | 38.9% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 78.7%† | 88.8% |
| Startrise Frontend | Startrise | 62.7%† | 71.3% |
| GameBench 2 Overall | DuelLab GameBench 2 | 41.9† | 54.2† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 45.1 | 69.6† |
| Design Arena Website | Design Arena | 1227† | 1269 |
| FrontierCode 1.1 (AA) | Artificial Analysis | 38.8%† | 43.2% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 16.7% | 23.4% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 6.7%† | 27.0% |
| APEX-Agents | Mercor | 47.3%† | 63.3% |
| Arena Agent | Arena (LMArena) | – | 0.1 |
| LiveBench Long Agentic | LiveBench | – | 26.6% |
| LiveBench Browser | LiveBench | – | 49.4% |
| LiveBench Agentic Coding | LiveBench | 55.0%† | 64.7% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 50.2%† | 67.4% |
| HiL-Bench | Scale AI SEAL | 38.5%† | – |
| τ³-bench Banking | τ²-bench | – | 55.1%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 47.5%† | 58.3% |
| GDPval-AA v2.1 | Artificial Analysis | 1336 | 1674 |
| τ³-Banking (AA) | Artificial Analysis | 39.6%† | 51.3% |
| ITBench SRE (AA) | Artificial Analysis | – | 40.3% |
| Analyst Agent (AA) | Artificial Analysis | – | 45.0% |
| APEX-Agents (AA) | Artificial Analysis | – | 42.4% |
| CyberBench | Vals AI | 72.9%† | 28.6% |
| Finance Agent v2 | Vals AI | 50.4%† | 50.6% |
| Finance Agent v2.1 | Vals AI | 57.1%† | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 10.8%† | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 7.5%† | 10.4% |
| Legal Research Bench | Vals AI | 40.9%† | 47.6% |
| SkillsBench | Vals AI | 53.8%† | 42.0% |
| SREBench | Vals AI | 1.9%† | – |
| Tax Agent Bench | Vals AI | 26.8%† | 32.1% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 56.2%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | 14.1%† | 34.3% |
| Terminal-Bench Science | Vals AI | 4.3%† | 12.9% |
| Arena Search | Arena (LMArena) | – | 1227 |
| Arena Agent Task Completion | Arena (LMArena) | – | 4.5 |
| Vending-Bench 2 | Andon Labs | 3284.5† | – |
| AutomationBench | Artificial Analysis | 46.2% | 56.2% |
| GDP.pdf (AA) | Artificial Analysis | 10.4% | 22.8% |
| EnterpriseOps-Gym | Artificial Analysis | 49.6%† | 47.6% |
| AA-Briefcase v1.1 | Artificial Analysis | 1148 | 1604 |
| GDPx | GDPx by SemiAnalysis | – | 3.5% |
| Design Arena Agentic | Design Arena | 927† | 1264 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 1.9% | 11.9% |
| MKA (AA) | Artificial Analysis | – | 37.4% |
| FACTS Search | – | 85.0% | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 64.6%† | 74.7%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 26.8%† | 46.3%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 95.6% | 100.0%† |
| ProofBench | Vals AI | 50.0%† | 58.0% |
| LiveBench Mathematics | LiveBench | 95.1%† | 91.3% |
| AIME 2026 | MathArena | 96.7%† | – |
| HMMT February 2026 | MathArena | 93.9%† | – |
| USAMO 2026 | MathArena | 60.7%† | – |
| MathArena Apex | MathArena | 28.1%† | – |
| Arena Maths | Arena (LMArena) | 1465 | 1505 |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 52.9%† | 47.3%† |
| LiveBench 2.0 Data Analysis | LiveBench | – | 78.4% |
| LiveBench Research | LiveBench | – | 72.8% |
| LiveBench 1.0 Data Analysis | LiveBench | 79.2%† | 78.4% |
| AA-Omniscience v1.1 | Artificial Analysis | -6.5 | 10.5 |
| MMLU-Pro | Vals AI | 87.3%† | 88.6% |
| LegalBench | Vals AI | 82.4%† | 83.6% |
| CorpFin | Vals AI | 65.4%† | 65.8% |
| TaxEval | Vals AI | 73.1%† | 75.5% |
| CaseLaw v2 | Vals AI | 59.4%† | – |
| Excel Modeling Benchmark | Vals AI | 52.8%† | 60.1% |
| Excel Modeling Benchmark v1.1 | Vals AI | 65.1%† | 66.0% |
| MedCode | Vals AI | 42.5%† | 40.7% |
| MedScribe | Vals AI | 80.2%† | 85.0% |
| Public Benefits Bench v1.1 | Vals AI | 62.9%† | 67.1% |
| Access to Justice Benchmark | Vals AI | – | 76.4% |
| Financial Coaching Bench | Vals AI | – | 75.6% |
| Immigration Bench | Vals AI | 61.7%† | 70.1% |
| DrugDiscoveryBench | Scale AI SEAL | 31.7%† | – |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 23.2%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 45.1% | 29.5% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 5.9% | 72.9% |
| FACTS Parametric | – | 30.8% | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 82.1%† | 79.7% |
| LiveBench Instruction Following | LiveBench | 67.7%† | 74.1% |
| Arena Instruction Following | Arena (LMArena) | 1461 | 1478 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1464 | 1484 |
| EQ-Bench 4 | EQ-Bench | 1156† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1553† | – |
| Arena Creative Writing | Arena (LMArena) | 1444 | 1472 |
| Arena Multi-turn | Arena (LMArena) | 1469 | 1495 |
| Arena Longer Queries | Arena (LMArena) | 1474 | 1496 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | – | 1312 |
| LiveBench Design | LiveBench | – | 76.6% |
| MMMU-Pro | Artificial Analysis | – | 82.8% |
| MMMU-Pro (Vals) | Vals AI | – | 88.0% |
| MortgageTax | Vals AI | – | 64.0% |
| SAGE | Vals AI | – | 81.8% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 33.0% |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 20.0%† |
| VIALS-AA | Handshake AI | – | 31.7% |
| Code2Video-AA | Artificial Analysis | – | 1021 |
| AA-3D | Artificial Analysis | – | 954 |
| FACTS Multimodal | – | 51.5% | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 79.3% | 80.3% |
| MLCR | Artificial Analysis | – | 26.1% |
| FACTS Grounding | – | 73.8% | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 155.9† | 157.6 |
| LiveBench 2.0 | LiveBench | – | 60.9% |
| LiveBench 1.0 | LiveBench | 77.4%† | 78.5% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 20.8 | 33.6 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 36† | 45.4 |
| AA Progress Index v1 | Artificial Analysis | 311.5† | 323.7 |
| Vals Index | Vals AI | 53.0† | – |
| Vals Finance Index | Vals AI | 52.9%† | – |
| Vals RSI Index | Vals AI | – | 21.8% |
| Vals Multimodal Index | Vals AI | – | 65.4% |
| Vals Router Index | Vals AI | 53.0%† | – |
| Vals Legal Index | Vals AI | 69.0%† | – |
| 安全与诚实 | |||
| DistressBench | Scale AI SEAL | – | 77.6% |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 44.4 | – |
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。
- Qwen3.8 Max (max):1 项分数修订。
- 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。
- DeepSeek V4 Pro (high):BenchLeader Index 57.5 → 59.1。
- Qwen3.8 Max (max):6 项分数修订。
- Qwen3.8 Max (max):1 项分数修订。
- DeepSeek V4 Pro (high):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 Pro (high):1 项分数修订。
相关对比
- DeepSeek V4 Pro vs Claude Fable 5.2
- DeepSeek V4 Pro vs Claude Opus 5.5
- Qwen3.8 Max vs GPT-6 Astra
- DeepSeek V4 Flash vs Qwen3.8 Max
- DeepSeek V4 Pro vs Claude Fable 5.1
- DeepSeek V4 Pro vs GPT-6.1 Sol
- DeepSeek V4 Pro vs Gemini 4 Argon
- DeepSeek V4 Pro vs GPT-5.6 Sol
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 Max:常见问题
- DeepSeek V4 Pro 比 Qwen3.8 Max 更好吗?
- DeepSeek V4 Pro (high) 与 Qwen3.8 Max (max) 的质量不相上下(56.0 比 58.7,在 ±5.6 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 Max 哪个更便宜?价格会变吗?
- 目前 DeepSeek V4 Pro 更便宜:每百万 token $0.990 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 Pro 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 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 Max 为 1676。
- DeepSeek V4 Pro 和 Qwen3.8 Max 哪个更快?
- Qwen3.8 Max 输出更快(输出 80 比 59 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)。两者都约为 1M token(DeepSeek V4 Pro 为 1,048,576,Qwen3.8 Max 为 1,000,000)。
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 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 Pro 和 Qwen3.8 Max 的看法一致吗?
- 在两者都有结果的 26 项基准测试中,DeepSeek V4 Pro 领先 1 项,Qwen3.8 Max 领先 25 项。所有同时评测两者的综合评分都认为 Qwen3.8 Max 更强。
- DeepSeek V4 Pro 是什么时候发布的?
- DeepSeek V4 Pro 于 2026年8月13日 发布。