Knallhard AI-kamp: Slik står det mellom Kinas tre nye supermodeller

Konkurransen blant Kinas fremste AI-modeller har aldri vært hardere. Vi har dykket dypt inn i de offentlig tilgjengelige benchmark-resultatene og prislistene for Alibabas Qwen3.7-Max, DeepSeeks V4 Pro Max og Moonshot AIs Kimi K2.6 Thinking. Her får du den komplette oversikten, slik at du kan ta et kvalifisert valg.

Slik presterer de på koding og agenter

Dette er grenen der modellene viser muskler i praktisk programvareutvikling og komplekse arbeidsflyter.

Benchmark / Metrikk	Qwen3.7-Max	DeepSeek V4 Pro Max	Kimi K2.6 Thinking
SWE-Bench Verified	80.4	80.6	80.2
SWE-Bench Pro (vanskeligere)	60.6	55.4	58.6
SWE-Bench Flerspråklig	78.3	—	76.7
Terminal-Bench 2.0	69.7	67.9	66.7
LiveCodeBench (Pass@1)	—	93.5	89.6
Codeforces Rating	—	3206	—
MCP-Mark (generelle agenter)	60.8	—	—

Nøkkelobservasjoner:

• DeepSeek V4 Pro Max er den ubestridte kongen på rå koding. Scorene på LiveCodeBench (93.5) og Codeforces (3206) er de høyeste som er målt for noen modell . Det er en drøm for konkurranseprogrammering og ren kodegenerering.
• Qwen3.7-Max er den beste agenten. Den leder på Terminal-Bench 2.0 (69.7), som simulerer reelle terminaloppgaver, og på den vanskeligere SWE-Bench Pro (60.6) . Dette viser at den er spesielt god til å feilsøke og jobbe selvstendig over tid.
• Kimi K2.6 er sterkest på oppgaver der modellen får bruke eksterne verktøy. Det er her den virkelig skinner, spesielt på den verktøyforsterkede HLE-testen .

Slik presterer de på resonnering og kunnskap

Her tester vi modellenes evne til å løse komplekse matteproblemer, vitenskapelige spørsmål og svært krevende eksamener.

Benchmark / Metrikk	Qwen3.7-Max	DeepSeek V4 Pro Max	Kimi K2.6 Thinking
Kunstig Analyse Intell. Indeks v4.0	56.6 (#5)	52.0	—
GPQA Diamond (vitenskap)	92.4	—	—
HLE (Menneskehetens siste eksamen)	41.4	37.7

Nøkkelobservasjoner:

• Qwen3.7-Max er den matematiske mesteren. Med 97.1 % på HMMT og 92.4 på GPQA Diamond overgår den alle andre kinesiske modeller og legger seg helt i verdenstoppen .
• Kimi K2.6 er i en egen klasse når den får bruke Internett. Dette ser vi tydelig på DeepSearchQA (92.5) og den verktøybaserte HLE-testen (54.0), som er betydelig høyere enn konkurrentene uten verktøy . For oppgaver som krever faktasjekk og dyp research, er dette modellen å velge.
• Viktig å merke seg: Alle modellene er nærme hverandre på mange parametere, men spesialiseringene er tydelige.

Prissammenligning: Hva koster det deg?

Her er den kalde kontantstrømmen. Prisene er oppgitt i amerikanske dollar per 1 million tokens og er basert på offisielle API-priser. Husk at én token grovt sett tilsvarer 3/4 av et ord.

Priselement	Qwen3.7-Max	DeepSeek V4 Pro	Kimi K2.6
Input-pris (cache-miss)	$2.50	$1.74	$0.95
Output-pris	$7.50

Merknad om DeepSeek-prisene: DeepSeek kjørte en massiv lanseringskampanje med 75 % rabatt frem til 31. mai 2026. I skrivende stund (juni 2026) er det uklart om disse kampanjeprisene blir permanente eller går tilbake til listepris. Vi har valgt å bruke standard listepris uten rabatt for en rettferdig sammenligning. Med rabatten ville prisene vært $0.435 for input og $0.87 for output – fullstendig knusende for konkurrentene .

Priskrigen oppsummert:
DeepSeek V4 Pro er ekstremt mye rimeligere enn Qwen. Selv uten kampanje er den over dobbelt så billig på output. Qwen3.7-Max er den klart dyreste modellen i denne sammenligningen, men Alibaba tilbyr rabatter for store volumer og batch-kjøring.

Den store advarselen fra NIST

Før du konkluderer, er det én svært viktig ting du må vite: En uavhengig evaluering utført av det amerikanske standardiseringsbyrået NIST (CAISI) i mai 2026 fant et betydelig avvik i DeepSeeks egenrapportering .

Rapporten konkluderer med at DeepSeek V4 Pros selvrapporterte tester overvurderer modellens faktiske kapasitet. Ifølge NISTs interne og ikke-offentlige tester, yter DeepSeek V4 mer på nivå med GPT-5 fra august 2025, og ikke på nivå med Claude Opus 4.6 og GPT-5.4 fra mars 2026, slik DeepSeek selv hevder .

Denne problemstillingen gjelder kun DeepSeek i denne rapporten. Verken Qwen3.7-Max eller Kimi K2.6 ble testet av NIST på samme måte.

Hvilken modell bør du velge?

Velg Qwen3.7-Max hvis:

• Du trenger en robust agent for komplekse, langvarige kodeoppgaver (som terminalbasert feilsøking).
• Avansert matematikk og vitenskapelig resonnering er viktigst.
• Pris ikke er den avgjørende faktoren, og du uansett kan dra nytte av Alibabas batch-rabatter.

Velg DeepSeek V4 Pro Max hvis:

• Pris og åpen kildekode er de to viktigste parameterne.
• Du bygger tjenester som krever ekstremt mye tekst (1M kontekst) og høy kodekvalitet.
• Du er komfortabel med at de faktiske ytelsene kan være noe lavere enn det offisielle tall hevder.

Velg Kimi K2.6 hvis:

• Bruksområdet ditt er forankret i bruk av verktøy, som dype nettsøk, databaser og flertrinns arbeidsflyter.
• Du ønsker en åpen modell med topp ytelse på agentbasert koding til en moderat pris.

Alle tre er ekstremt kraftige, men de har ulike spesialfelt og prispunkter som gjør dem egnet til forskjellige formål.