Qwen 3.7 Max vs DeepSeek V4 vs Kimi K2.6: Confronto Completo di Benchmark e Prezzi

Ragionamento e Conoscenza

Confronto Prezzi API (per 1 milione di token, in USD)

Nota sui prezzi di DeepSeek: DeepSeek aveva una promozione di lancio del 75% fino al 31 maggio 2026, portando il costo a $0.435/$0.87 per input/output. Dopo la promozione, le tariffe standard sono $1.74/$3.48 . I prezzi promozionali sono stati resi permanenti, quindi la tabella sopra riflette il costo standard attuale di DeepSeek V4 Pro.

Punti Chiave

1. La battaglia del coding è serratissima. Su SWE-Bench Verified, i tre modelli sono separati da appena 0.4 punti percentuali. Se il tuo focus è la programmazione avanzata, la scelta dipende dalle sfumature:

• DeepSeek V4 Pro Max è il re della programmazione competitiva, con punteggi inarrivabili su LiveCodeBench (93.5%) e un rating Codeforces di 3206 .
• Qwen3.7-Max eccelle come "agente di coding" autonomo, vincendo in task complessi come SWE-Bench Pro (60.6) e nell'uso del terminale (Terminal-Bench 2.0 a 69.7) .
• Kimi K2.6 è il leader indiscusso quando si tratta di integrare strumenti esterni (HLE with tools al 54.0%) e nella ricerca approfondita (DeepSearchQA a 92.5 F1) .

2. Il ragionamento premia Qwen. Qwen3.7-Max si aggiudica le gare di matematica (HMMT 97.1%) e il ragionamento scientifico (GPQA Diamond 92.4%) . DeepSeek V4 è una valida alternativa, mentre Kimi K2.6 preferisce scenari multi-step piuttosto che la matematica pura.

3. DeepSeek stravince sul prezzo, Kimi K2.6 è un'ottima via di mezzo. Con $0.87 per milione di token in output (e un prezzo irrisorio di $0.0036 per i cache hit), DeepSeek V4 Pro è di gran lunga l'opzione più economica, per di più con pesi aperti per l'auto-hosting . Qwen3.7-Max è il più costoso ($7.50/output), ma offre sconti per batch e caching. Kimi K2.6 si posiziona nel mezzo ($4.00/output), ma limita la finestra di contesto a 256K token contro il milione degli altri due .

4. Un caveat importante: la valutazione del NIST. A maggio 2026, il CAISI (NIST) ha pubblicato una valutazione indipendente la quale indica che i benchmark autodichiarati di DeepSeek V4 Pro sopravvalutano le sue reali capacità. Secondo il NIST, le prestazioni di DeepSeek sarebbero più vicine a GPT-5 (agosto 2025) che a modelli più recenti come Claude Opus 4.6 . Questa discrepanza non si applica né a Qwen3.7-Max né a Kimi K2.6, non direttamente testati nello stesso report. Un fattore cruciale da considerare quando si valuta il rapporto prezzo/prestazioni di DeepSeek.