Kinas AI-duo sender chokbølger: DeepSeek V4 er her – Qwen 3.8 lover guld og grønne skove

Modelspecifikationer

Begge varianter er multimodale (tekst, billede, video), understøtter JSON-output og værktøjskald og er tilgængelige via API og web .

Priser (pr. million tokens)

DeepSeek kørte desuden en kampagne med 75 % rabat på V4-Pro frem til begyndelsen af maj 2026 . Til sammenligning koster GPT-5.5 output cirka $30 pr. mio. tokens, hvilket gør V4-Flash omkring 107 gange billigere på output .

Ydelse og konkurrenceposition

DeepSeeks V4's benchmarkresultater tegner et nuanceret billede:

• Codeforces: V4-Pro-Max scorer 3206 – den højeste rating af nogen testet model, foran GPT-5.4 (3168) .
• SWE-bench Verified: 80,6 %; SWE-bench Pro: 55,4 % (mod GPT-5.5's ~57,7 % på SWE-bench Pro) .
• GPQA Diamond: V4-Pro-Max scorer 90,1 % – konkurrencedygtig med GPT-5.4 xHigh (93,0 %) og Opus-4.6 Max (91,3 %) .
• Terminal-Bench 2.0: V4 opnår 67,9 % mod GPT-5.5's 82,7 % – et markant efterslæb inden for agentbaseret kodning .

Vigtig advarsel fra NIST CAISI-evaluering (maj 2026): DeepSeeks selvrapporterede benchmarks hævder at være på niveau med GPT-5.4 og Opus 4.6, men CAISI's uafhængige evaluering fandt, at V4 var "væsentligt mindre dygtig" på ikke-offentlige benchmarks, hvilket tyder på, at nogle selvrapporterede scores kan være oppustede . Artificial Analysis' Intelligence Index vurderer GPT-5.5 (høj) til 53 mod DeepSeek V4 Pro (ræsonnering, høj indsats) til 41* – GPT-5.5 er mere intelligent og hurtigere (69 mod 56 tok/s), men DeepSeek er dramatisk billigere ($0,18 mod $4,35 pr. mio. tokens i ræsonneringstilstand) .

Alibaba Qwen 3.8: En forhåndsversion med dristige påstande og ingen verificerbare data

Alibabas Qwen-team præsenterede Qwen 3.8 Max på World AI Conference i Shanghai den 19. juli 2026 . Det er holdets første flagskibsmodel over 1 billion parametre.

Kendte specifikationer

Priser

Der er ikke offentliggjort nogen betal-per-brug-priser. Adgang sker i øjeblikket via abonnement gennem Qwen Chat og udvalgte API-partnere. BenchLM angiver Qwen 3.8 Max Preview-prisen som "Ikke angivet" . Nogle tredjeparts-trackere viser automatisk prissætning på $1,50/$5,00 pr. million input-/output-tokens, men dette er ikke bekræftet af Alibaba .

Ydelse: En markedsføringspåstand uden verificerbare scores

Alibaba udtaler, at Qwen 3.8 er "kun overgået af Fable 5" (Anthropics top Claude-model), hvilket ifølge Alibabas egen rangering ville placere den foran GPT-5.5 og DeepSeek V4 . Der hævdes fremskridt inden for kodning, professionel produktivitet, fuld stack-udvikling, dataanalyse og kontorarbejdsgange i forhold til Qwen 3.7 Max .

Imidlertid er der ikke offentliggjort nogen uafhængige benchmarks. BenchLM, et benchmark-sporingswebsted, overvåger 321 benchmarks for Qwen 3.8 Max Preview med 0 verificerede resultater pr. 20. juli 2026 . Som en analyse udtrykte det: "Qwen 3.8 er værd at teste, men det er for tidligt at betragte den som en stabil produktionserstatning for Kimi K3, GPT-5.6 Sol eller Claude Fable 5" .

Til sammenligning lagde Qwens forgængere et stærkt fundament: Qwen 3.6-Max-Preview (20. april 2026) var en model med 35B samlede/3B aktive parametre (kun tekst) og 262K kontekst, der hævdede #1 på seks kodnings- og agentbenchmarks . Qwen 3.7-Max (maj 2026) udvidede kontekstvinduet til 1 mio. tokens med ræsonneringsagent-egenskaber . Men ingen af dem blev generelt betragtet som frontlinje uden for agentbaseret kodning.

Konkurrencelandskab: Hvem fører, og hvem sætter prisen?

DeepSeek V4 vs. GPT-5.5

• Prisfordel: DeepSeek V4 er 97–107 gange billigere end GPT-5.5 på outputpriser .
• Kodningsstyrke: V4 fører inden for konkurrenceprogrammering (Codeforces, LiveCodeBench), mens GPT-5.5 fører inden for anvendt agentbaseret kodning (Terminal-Bench 82,7 % mod 67,9 %, SWE-bench Pro 58,6 % mod 55,4 %) .
• Generel intelligens: Tredjepartsevalueringer (Artificial Analysis, NIST CAISI) placerer konsekvent GPT-5.5 foran .
• Kontekstvindue-paritet: Begge tilbyder 1 mio. tokens kontekst, men GPT-5.5 er den første OpenAI-model, hvor hele 1 mio.-vinduet virkelig kan bruges uden forringelse .

Qwen 3.8 vs. Claude Fable 5 og GPT-5.5

Alibaba placerer udtrykkeligt Qwen 3.8 som "kun overgået af Fable 5" . Hvis denne påstand holder under uafhængig evaluering, ville det placere Qwen 3.8 foran GPT-5.5 og langt foran DeepSeek V4. Men med nul verificerede benchmarks forbliver det en markedsføringspåstand, ikke et etableret faktum. Anthropics Fable 5 ser ud til at være den nuværende anerkendte frontlinjeleder ifølge Alibabas egen indramning .

Priskrigen har ændret alt

DeepSeeks aggressive prissætning har ført til en kapløb mod bunden af API-omkostningerne. V4-Flash til $0,14/M input er radikalt billigere end nogen vestlig frontlinjemodel. Alibaba har endnu ikke fastsat prisen for Qwen 3.8, men Qwen 3.6 var allerede prissat aggressivt (~$1,25/$7,50 input/output) .

Den åbne MIT-licens for DeepSeek V4 betyder, at selv-hostning også er mulig, hvilket yderligere komprimerer marginerne for udbydere med lukket kildekode . Som en analyse udtrykte det, er den praktiske effekt, at "udviklere nu kan få adgang til næsten-frontlinjekapacitet (til kodningsopgaver) til en brøkdel af prisen for GPT-5.5 eller Claude."

Hovedpointer

• DeepSeek V4 er en lanceret model med åbne vægte, 1,6 billioner MoE-parametre og en kontekst på 1 mio. tokens. Den ligger cirka 10–20 % bag GPT-5.5 i generel intelligens, men fører inden for konkurrencekodning og er størrelsesordener billigere. Den uafhængige NIST CAISI-evaluering dæmper dog de selvrapporterede benchmarkscores.
• Qwen 3.8 er en forhåndsversion med 2,4 billioner MoE-parametre, som Alibaba hævder er "kun overgået af Fable 5" – men med nul verificerede benchmarks og ingen offentliggjort prissætning er dette i øjeblikket ambitiøst, ikke etableret.
• GPT-5.5 forbliver den samlede intelligensleder (Artificial Analysis Index 53 mod 41 for DeepSeek) og lederen inden for agentbaseret kodning (Terminal-Bench 82,7 %), men koster 100 gange mere.
• Den kinesiske AI-priskrig har permanent sænket inferensomkostningerne globalt, hvilket gør frontlinjekonkurrencedygtige kapaciteter tilgængelige for langt flere udviklere og tvinger vestlige udbydere til at konkurrere på både ydelse og pris.