DeepSeek V4 och Qwen 3.8: Så förändrade Kinas AI-priskrig den globala frontlinjen 2026

Modelldata

Båda varianterna är multimodala (text, bild, video), stöder JSON-utdata och verktygsanrop, och är tillgängliga via API och webb .

Priser (per miljon tokens)

DeepSeek körde också en kampanj med 75 % rabatt på V4-Pro fram till början av maj 2026 . Som jämförelse ligger GPT-5.5:s utdatapris på cirka 30 dollar per miljon tokens, vilket gör V4-Flash ungefär 107 gånger billigare på utdata .

Prestanda och konkurrensposition

DeepSeeks V4 benchmarkresultat visar en nyanserad bild:

• Codeforces: V4-Pro-Max får 3206 – det högsta betyget av alla testade modeller, före GPT-5.4 (3168) .
• SWE-bench Verified: 80,6 %; SWE-bench Pro: 55,4 % (jämfört med GPT-5.5:s cirka 57,7 % på SWE-bench Pro) .
• GPQA Diamond: V4-Pro-Max får 90,1 % – konkurrenskraftigt med GPT-5.4 xHigh (93,0 %) och Opus-4.6 Max (91,3 %) .
• Terminal-Bench 2.0: V4 på 67,9 % jämfört med GPT-5.5 på 82,7 %, ett betydande gap inom agentisk kodning .

Viktig reservation från NIST CAISI-utvärderingen (maj 2026): DeepSeeks egna benchmarkresultat påstår jämförbarhet med GPT-5.4 och Opus 4.6, men CAISIs oberoende utvärdering fann att V4 var "betydligt mindre kapabel" på icke-offentliga benchmarks, vilket tyder på att vissa självrapporterade resultat kan vara uppblåsta . Artificial Analysis Intelligence Index rankar GPT-5.5 (hög) till 53 jämfört med DeepSeek V4 Pro (Resonerande, Hög Ansträngning) på 41* – GPT-5.5 är intelligentare och snabbare (69 vs. 56 tok/s), men DeepSeek är dramatiskt billigare (0,18 $ vs. 4,35 $ per miljon tokens i reslagsläge) .

Alibaba Qwen 3.8: En förhandsvisning med djärva påståenden och inga verifierbara data

Alibabas Qwen-team presenterade Qwen 3.8 Max på World AI Conference i Shanghai den 19 juli 2026 . Det är teamets första flaggskeppsmodell över 1 biljon parametrar.

Kända specifikationer

Priser

Inga användningspriser har publicerats. Åtkomst sker för närvarande via prenumeration genom Qwen Chat och utvalda API-partners. BenchLM listar Qwen 3.8 Max Preview-pris som "Ej listat" . Vissa tredjepartsverktyg visar autopriser på 1,50 $/5,00 $ per miljon in-/utdatatokens, men detta är inte bekräftat av Alibaba .

Prestanda: Ett marknadsföringspåstående utan verifierbara poäng

Alibaba anger att Qwen 3.8 är "näst bäst efter Fable 5" (Anthropics bästa Claude-modell), vilket enligt Alibabas egen rankning skulle placera den före GPT-5.5 och DeepSeek V4 . Förbättringar påstås inom kodning, professionell produktivitet, fullstackutveckling, dataanalys och kontorsarbetsflöden jämfört med Qwen 3.7 Max .

Inga oberoende benchmarks har dock publicerats. BenchLM, en spårningssida för benchmarks, följer 321 benchmarks för Qwen 3.8 Max Preview med 0 verifierade resultat per den 20 juli 2026 . Som en analys uttryckte det: "Qwen 3.8 är värd att testa, men det är för tidigt att behandla den som en stabil produktionsersättning för Kimi K3, GPT-5.6 Sol eller Claude Fable 5" .

För kontext: Qwens föregångare lade en stark grund: Qwen 3.6-Max-Preview (20 april 2026) var en textbaserad modell med 35B totalt / 3B aktiva parametrar och 262 000 tokens kontext som påstod sig vara #1 på sex kodnings- och agentbenchmarks . Qwen 3.7-Max (maj 2026) utökades till ett kontextfönster på 1 miljon tokens med reslagsagentfunktioner . Men ingen av dem ansågs allmänt vara i frontlinjen utanför agentisk kodning.

Konkurrenslandskapet: Vem leder och vem sätter priset

DeepSeek V4 vs. GPT-5.5

• Prisfördel: DeepSeek V4 är 97–107 gånger billigare än GPT-5.5 på utdatapris .
• Kodstyrka: V4 leder inom tävlingsprogrammering (Codeforces, LiveCodeBench), medan GPT-5.5 leder inom tillämpad agentisk kodning (Terminal-Bench 82,7 % vs. 67,9 %, SWE-bench Pro 58,6 % vs. 55,4 %) .
• Allmän intelligens: Tredjepartsutvärderingar (Artificial Analysis, NIST CAISI) placerar konsekvent GPT-5.5 före .
• Kontextfönsterparitet: Båda erbjuder 1 miljon tokens kontext, men GPT-5.5 är den första OpenAI-modellen där hela 1M-fönstret är genuint användbart utan försämring .

Qwen 3.8 vs. Claude Fable 5 och GPT-5.5

Alibaba positionerar uttryckligen Qwen 3.8 som "näst bäst efter Fable 5" . Om detta påstående håller vid oberoende utvärdering skulle det placera Qwen 3.8 före GPT-5.5 och långt före DeepSeek V4. Men med noll verifierade benchmarks förblir detta ett marknadsföringspåstående, inte ett etablerat faktum. Anthropics Fable 5 framstår som den för närvarande erkända frontlinjeledaren enligt Alibabas egen formulering .

Priskriget har förändrat allt

DeepSeeks aggressiva prissättning har drivit en kapplöpning mot botten när det gäller API-kostnader. V4-Flash på 0,14 $ per miljon indata är radikalt billigare än någon västerländsk frontlinjemodell. Alibaba har ännu inte satt priset för Qwen 3.8, men Qwen 3.6 var redan aggressivt prissatt (~1,25 $/7,50 $ in-/utdata) .

Den öppna MIT-licensen för DeepSeek V4 innebär att egen drift också är möjlig, vilket ytterligare pressar marginalerna för leverantörer av sluten källkod . Som en analys uttryckte det: den praktiska effekten är att "utvecklare nu kan få tillgång till nära frontlinjekapacitet (för kodningsuppgifter) till en bråkdel av kostnaden för GPT-5.5 eller Claude."

Viktiga slutsatser

• DeepSeek V4 är en lanserad, öppen modell med 1,6 biljoner parametrar (MoE) som ligger ungefär 10–20 % efter GPT-5.5 i allmän intelligens men leder inom tävlingsprogrammering och är storleksordningar billigare. Oberoende NIST CAISI-utvärdering dämpar de självrapporterade benchmarkresultaten.
• Qwen 3.8 är en förhandsvisningsmodell med 2,4 biljoner parametrar (MoE) som Alibaba påstår är "näst bäst efter Fable 5" – men med noll verifierade benchmarks och inga publicerade priser är detta för närvarande aspirerande, inte etablerat.
• GPT-5.5 är fortfarande den övergripande intelligensledaren (Artificial Analysis Index 53 vs. 41 för DeepSeek) och ledaren inom agentisk kodning (Terminal-Bench 82,7 %), men kostar 100 gånger mer.
• Kinas AI-priskrig har permanent sänkt de globala inferenskostnaderna, vilket gör frontlinjekonkurrenskraftiga förmågor tillgängliga för långt fler utvecklare och tvingar västerländska leverantörer att konkurrera på både prestanda och pris.