Perbandingan Lengkap Qwen3.7 Max vs DeepSeek V4 vs Kimi K2.6: Benchmark dan Harga Terbaru 2026

Penalaran & Pengetahuan

Tabel Perbandingan Harga (API — per 1M token, dalam USD)

Catatan untuk harga DeepSeek: DeepSeek menerapkan promosi peluncuran diskon 75% hingga 31 Mei 2026, menjadikan harga Pro hanya $0.435/$0.87 untuk input/output. Harga standar pasca-promo adalah $1.74/$3.48 . Tabel di atas menggunakan harga pasca-promo standar. Per Juni 2026, DeepSeek telah menjadikan potongan harga 75% ini permanen .

Poin Penting

Benchmark coding & agentic — Ketiga model ini sangat dekat di SWE-Bench Verified (kisaran: 80.2–80.6). Qwen3.7-Max memimpin di Terminal-Bench 2.0 (69.7) dan SWE-Pro (60.6), sementara DeepSeek V4 Pro Max mendominasi LiveCodeBench (93.5) dan Codeforces (rating 3206) — skor benchmark coding mentah terkuat dari semua model yang diuji . Kimi K2.6 memuncaki SWE-Bench Pro (58.6) dan menjadi yang terdepan dalam evaluasi berbantuan alat (HLE dengan alat di 54.0) .

Penalaran — Qwen3.7-Max meraih skor tertinggi pada kompetisi matematika (HMMT 97.1%, GPQA Diamond 92.4%) . DeepSeek sedikit tertinggal di HMMT (95.2%) dan HLE (37.7%) . Kimi K2.6 memimpin di HLE-dengan-alat (54.0) dan DeepSearchQA (F1 92.5), yang berarti unggul dalam skenario pencarian dan penggunaan alat multi-langkah, bukan matematika murni .

Harga & nilai — DeepSeek V4 Pro adalah yang termurah dengan selisih lebar di $0.87/output (pasca-promo) dengan model terbuka untuk hosting mandiri . Qwen3.7-Max adalah yang termahal di $7.50/output, meskipun Alibaba menawarkan diskon batch dan cache . Kimi K2.6 berada di antaranya dengan $4.00/output tetapi hanya menawarkan konteks 256K, dibandingkan 1M untuk dua model lainnya .

Catatan krusial (evaluasi NIST CAISI): Sebuah evaluasi oleh NIST CAISI pada Mei 2026 menemukan bahwa benchmark yang dilaporkan sendiri oleh DeepSeek V4 Pro terlalu melebih-lebihkan kemampuannya, menunjukkan bahwa kemampuannya mungkin lebih mendekati GPT-5 (Agustus 2025) daripada Claude Opus 4.6 . Hal ini tidak berlaku untuk Qwen3.7-Max atau Kimi K2.6, karena skor mereka tidak dievaluasi langsung oleh CAISI dalam laporan yang sama.