| 80.6 |
| 80.2 |
| SWE-Bench Pro | 60.6 | 55.4 | 58.6 |
| SWE-Bench Multilingual | 78.3 | — | 76.7 |
| Terminal-Bench 2.0-Terminus | 69.7 | 67.9 | 66.7 |
| LiveCodeBench (Pass@1) | — | 93.5 | 89.6 |
| Codeforces Rating | — | 3206 | — |
| SciCode | 53.5 | — | — |
| Benchmark | Qwen3.7 Max | DeepSeek V4 Pro Max | Kimi K2.6 Thinking |
|---|---|---|---|
| AA Intelligence Index v4.0 | 56.6 (#5) | 52.0 | — |
| GPQA Diamond | 92.4 | — | — |
| HLE (Humanity's Last Exam) | 41.4 | 37.7 | 54.0 (med verktyg) |
| HMMT 2026 (Math) | 97.1% | 95.2% | |
| AIME 2026 | — | — | 96.4% |
| DeepSearchQA (F1) | — | — | 92.5 |
| Priskomponent | Qwen3.7 Max | DeepSeek V4 Pro | Kimi K2.6 |
|---|---|---|---|
| Indata (cache miss) | $2.50 | $0.435 ($1.74 ordinarie) | $0.95 |
| Utdata | $7.50 | $0.87 ($3.48 ordinarie) | |
| Cache-träff (indata) | $0.25 (-90%) | $0.0036 (-99%) | $0.16 (-83%) |
| Kontextfönster | 1M tokens | 1M tokens | |
| Max utdatatokens | 65 536 | 384 000 | — |
| Öppna vikter | Nej (endast API) | Ja (Hugging Face) | Ja |
Not om DeepSeeks prissättning: DeepSeek gjorde sin 75-procentiga lanseringsrabatt permanent från och med den 31 maj 2026. Priset ligger därefter fast på $0.435/$0.87 för indata respektive utdata. Det ordinarie listpriset (före permanent rabatt) var $1.74/$3.48 .
Kodning & agentbeteende – De tre modellerna är nästan identiska på det viktiga SWE-Bench Verified (80.2–80.6), vilket mäter verklig felsökning i kodbaser. Qwen3.7 Max tar täten på Terminal-Bench 2.0 (69.7) och SWE-Pro (60.6) – båda viktiga för långa, autonoma agentuppgifter. DeepSeek V4 Pro Max är ohotad etta i ren kodprestanda: LiveCodeBench 93.5 och Codeforces 3206 är de högsta som uppmätts hittills . Kimi K2.6 leder på SWE-Bench Pro (58.6) och när externa verktyg kopplas in (HLE med verktyg 54.0) – där är den bäst i klassen.
Resonemang & problemlösning – Qwen3.7 Max toppar matematiktävlingar (HMMT 97.1 %) och avancerad vetenskaplig slutledning (GPQA Diamond 92.4 %), vilket gör den till ett starkt val för forskning och teknisk analys . DeepSeek V4 Pro Max är något svagare på HMMT (95.2 %) och HLE (37.7 %). Kimi K2.6 är specialist på informationssökning och flerstegsverktyg: 92.5 i F1 på DeepSearchQA och 54.0 på HLE med verktyg – högre än både GPT-5.4 och Claude Opus 4.6 .
Prisvärdhet – DeepSeek V4 Pro är prismässigt ohotad med $0.87 per miljon utdatatokens (permanent rabatterat) och har öppna vikter, vilket innebär att du kan köra den själv utan API-avgifter . Qwen3.7 Max är dyrast med $7.50 per miljon utdatatokens, men Alibaba erbjuder 90 % rabatt vid cachad indata och volymrabatter för storskalig drift . Kimi K2.6 lägger sig mitt emellan med $4.00 per miljon utdatatokens, men har ett mindre kontextfönster (256K jämfört med 1M) .
Viktig brasklapp (NIST CAISI-utvärdering): En oberoende utvärdering av NIST i maj 2026 fann att DeepSeek V4 Pros självrapporterade riktmärken överskattar modellens faktiska förmåga jämfört med icke-offentliga tester. Enligt CAISI presterar den mer i nivå med GPT-5 (augusti 2025) än med Claude Opus 4.6 . Samma utvärdering omfattar inte Qwen3.7 Max eller Kimi K2.6, så deras officiella siffror ska tolkas försiktigt tills oberoende tester publiceras.
| Specifikation | Qwen3.7 Max | DeepSeek V4 Pro | Kimi K2.6 |
|---|---|---|---|
| Totala parametrar | Ej publicerat | 1.60 biljoner | ~1 biljon |
| Aktiva parametrar | Ej publicerat | 49 miljarder | — |
| Arkitektur | Transformer (API-only) | MoE + Engram + mHC | MoE |
| Släppt | 19 maj 2026 | 24 april 2026 | 20 april 2026 |
| 92.7% |
| $4.00 |
| 256K tokens |