DeepSeek V4 ja Qwen 3.8 – Kiinan tekoälyn kaksi jättiläistä haastavat lännen

Mallien tekniset tiedot

Molemmat versiot ovat multimodaalisia (teksti, kuva, video), tukevat JSON-tulostusta ja työkalujen käyttöä, ja ne ovat saatavilla API- ja verkkoliittymän kautta .

Hinnoittelu (per miljoona tokenia)

DeepSeek tarjosi myös 75 %:n alennuskampanjan V4-Prolla toukokuun 2026 alkuun saakka . Vertailun vuoksi GPT-5.5:n ulostulon hinta on noin 30 dollaria miljoonalta tokenilta, joten V4-Flash on noin 107 kertaa halvempi .

Suorituskyky ja kilpailuasema

DeepSeek V4:n vertailutulokset kertovat monisyisen tarinan:

• Codeforces: V4-Pro-Max saa pistemäärän 3206 – korkein arvio kaikista testatuista malleista, GPT-5.4:n (3168) edellä .
• SWE-bench Verified: 80,6 %; SWE-bench Pro: 55,4 % (vs. GPT-5.5:n noin 57,7 %) .
• GPQA Diamond: V4-Pro-Max saa 90,1 % – kilpailukykyinen GPT-5.4 xHighin (93,0 %) ja Opus-4.6 Maxin (91,3 %) kanssa .
• Terminal-Bench 2.0: V4 67,9 % vs. GPT-5.5 82,7 %, huomattava ero agenttiohjelmoinnissa .

Tärkeä varoitus NIST CAISI -arvioinnista (toukokuu 2026): DeepSeekin itse raportoimat vertailuarvot väittävät olevansa GPT-5.4:n ja Opus 4.6:n tasolla, mutta CAISI:n riippumaton arviointi osoitti V4:n olevan "huomattavasti vähemmän kykenevä" ei-julkisissa vertailuissa, mikä viittaa siihen, että jotkin itse raportoidut tulokset saattavat olla liioiteltuja . Artificial Analysisin Intelligence Index antaa GPT-5.5:lle (korkea) pistemäärän 53 ja DeepSeek V4 Prolle (päättely, korkea työmäärä) 41 – GPT-5.5 on älykkäämpi ja nopeampi (69 vs. 56 tok/s), mutta DeepSeek on dramaattisesti halvempi (0,18 $ vs. 4,35 $/MTok päättelytilassa) .

Alibaba Qwen 3.8: Esiversio rohkeilla väitteillä ja ilman todennettavia tietoja

Alibaban Qwen-tiimi esitteli Qwen 3.8 Maxin Shanghain World AI Conferencessa 19. heinäkuuta 2026 . Kyseessä on tiimin ensimmäinen lippulaivamalli, jossa on yli biljoona parametria.

Tuneut tekniset tiedot

Hinnoittelu

Pay-as-you-go -hinnoittelua ei ole julkaistu. Pääsy on tällä hetkellä tilauspohjainen Qwen Chatin ja valittujen API-kumppaneiden kautta. BenchLM listaa Qwen 3.8 Max Preview -hinnoittelun "ei listattu" . Jotkut kolmannen osapuolen seurantasivustot näyttävät automaattihinnoittelun 1,50/5,00 dollaria miljoonalta syöte-/ulostulotokenilta, mutta Alibaba ei ole vahvistanut tätä .

Suorituskyky: Markkinointiväite ilman yhtäkään todennettavissa olevaa pistemäärää

Alibaba väittää Qwen 3.8:n olevan "toiseksi paras vain Fable 5:n jälkeen" (Anthropicin huippumalli Claude), mikä sijoittaisi sen GPT-5.5:n ja DeepSeek V4:n edelle Alibaban omassa rankingissa . Parannuksia väitetään tapahtuneen koodauksessa, ammatillisessa tuottavuudessa, täyden pinon kehityksessä, data-analyysissä ja toimistotyönkuluissa Qwen 3.7 Maxiin verrattuna .

Yhtäkään riippumatonta vertailuarvoa ei kuitenkaan ole julkaistu. BenchLM, vertailuarvoja seuraava sivusto, seuraa Qwen 3.8 Max Previewa 321 vertailuarvon osalta, joista 0 on vahvistettu 20. heinäkuuta 2026 mennessä . Kuten eräs analyysi totesi: "Qwen 3.8 on testaamisen arvoinen, mutta on liian aikaista kohdella sitä vakaana tuotantokorvaajana Kimi K3:lle, GPT-5.6 Solille tai Claude Fable 5:lle" .

Taustaksi Qwenin edeltäjät loivat vankan perustan: Qwen 3.6-Max-Preview (20. huhtikuuta 2026) oli 35B:n / 3B:n aktiivisen parametrin tekstipohjainen malli, jossa oli 262K:n konteksti ja joka väitti olevansa ykkönen kuudessa koodaus- ja agenttivertailussa . Qwen 3.7-Max (toukokuu 2026) laajensi konteksti-ikkunan 1 miljoonaan tokeniin ja lisäsi päättelyagenttiominaisuuksia . Kumpaakaan ei kuitenkaan yleisesti pidetty eturintaman tason mallina agenttikoodauksen ulkopuolella.

Kilpailumaisema: Kuka johtaa ja kuka asettaa hinnan

DeepSeek V4 vs. GPT-5.5

• Hintaetu: DeepSeek V4 on 97–107 kertaa halvempi kuin GPT-5.5 ulostulon hinnoittelussa .
• Koodausvahvuus: V4 johtaa kilpailullisessa ohjelmoinnissa (Codeforces, LiveCodeBench), kun taas GPT-5.5 johtaa sovelletussa agenttikoodauksessa (Terminal-Bench 82,7 % vs. 67,9 %, SWE-bench Pro 58,6 % vs. 55,4 %) .
• Yleinen älykkyys: Kolmannen osapuolen arvioinnit (Artificial Analysis, NIST CAISI) sijoittavat GPT-5.5:n johdonmukaisesti edelle .
• Konteksti-ikkunan vertailukelpoisuus: Molemmat tarjoavat 1 miljoonan tokenin kontekstin, mutta GPT-5.5 on ensimmäinen OpenAI-malli, jossa koko 1M:n ikkuna on aidosti käyttökelpoinen ilman heikkenemistä .

Qwen 3.8 vs. Claude Fable 5 ja GPT-5.5

Alibaba sijoittaa Qwen 3.8:n nimenomaisesti "toiseksi parhaaksi Fable 5:n jälkeen" . Jos tämä väite pitää paikkansa riippumattomassa arvioinnissa, se sijoittaisi Qwen 3.8:n GPT-5.5:n ja DeepSeek V4:n edelle. Mutta ilman vahvistettuja vertailuarvoja tämä on edelleen markkinointiväite, ei vakiintunut tosiasia. Anthropicin Fable 5 näyttää olevan Alibaban oman kehystyksen mukaan tällä hetkellä tunnustettu eturintaman johtaja .

Hintasota on muuttanut kaiken

DeepSeekin aggressiivinen hinnoittelu on käynnistänyt kilpailun API-kustannusten pohjalle. V4-Flash hintaan 0,14 dollaria miljoonalta syötetyltä tokenilta on radikaalisti halvempi kuin mikään länsimainen eturintaman malli. Alibaba ei ole vielä asettanut Qwen 3.8:n hintaa, mutta Qwen 3.6 oli jo hinnoiteltu aggressiivisesti (noin 1,25/7,50 dollaria syöte/ulostulo) .

DeepSeek V4:n avoimet painot MIT-lisenssillä tarkoittavat, että oma käyttöönotto on myös mahdollista, mikä puristaa entisestään suljettujen lähdekoodien tarjoajien katteita . Kuten eräs analyysi totesi, käytännön vaikutus on se, että "kehittäjät voivat nyt käyttää lähes eturintaman kyvykkyyttä (koodaustehtävissä) murto-osalla GPT-5.5:n tai Clauden hinnasta."

Keskeiset huomiot

• DeepSeek V4 on toimitettu, avoimen painon, 1,6T MoE -malli, joka on noin 10–20 % GPT-5.5:n takana yleisessä älykkyydessä, mutta johtaa kilpailullisessa koodauksessa ja on suuruusluokkaa halvempi. Riippumaton NIST CAISI -arviointi hillitsee sen itse raportoituja vertailuarvoja.
• Qwen 3.8 on esiversiovaiheessa oleva 2,4T MoE -malli, jonka Alibaba väittää olevan "toiseksi paras vain Fable 5:n jälkeen" – mutta ilman vahvistettuja vertailuarvoja ja julkaistua hinnoittelua tämä on tällä hetkellä tavoitteellinen, ei vakiintunut.
• GPT-5.5 on edelleen yleisen älykkyyden johtaja (Artificial Analysis Index 53 vs. 41 DeepSeekille) ja johtaja agenttikoodauksessa (Terminal-Bench 82,7 %), mutta maksaa 100 kertaa enemmän.
• Kiinalainen tekoälyn hintasota on laskenut päättelykustannuksia pysyvästi maailmanlaajuisesti, tehden eturintaman tasoisista kyvykkyyksistä saatavilla huomattavasti useammille kehittäjille ja pakottaen länsimaiset tarjoajat kilpailemaan sekä suorituskyvyssä että hinnassa.