Comparatif de modèles
DeepSeek vs Qwen : benchmarks, vitesse et prix
DeepSeek V4.1 Flash est le choix pour la programmation selon son rapport Max (DeepSWE : 74.2% vs 58.7%) ; Qwen3.8 Flash accepte la vidéo et divise par deux le prix d'entrée sur Novita AI ($0.15 vs $0.30 par 1M tokens).
| Critère | Gagnant | Écart | Preuve |
|---|---|---|---|
| Benchmark de programmation (publié) | DeepSeek V4.1 Flash (Max) | +15.5 points de pourcentage (DeepSWE) | DeepSWE v1.1: DeepSeek (Max) 74.2% vs Qwen Flash-Next 58.7%12 |
| Raisonnement : GPQA (publié) | Qwen3.8-Flash-Next | +0.8 points de pourcentage | GPQA Diamond: Qwen Flash-Next 91.7% vs DeepSeek (Max) 90.9%12 |
| Raisonnement : HLE (publié) | DeepSeek V4.1 Flash (Max) | +0.9 points de pourcentage | HLE: DeepSeek (Max) 36.8% vs Qwen Flash-Next 35.9%12 |
| Tarifs (entrée / sortie) | Qwen3.8 Flash | 50% de moins en entrée ; environ 61% de moins en sortie | Qwen $0.15 / $0.47 vs DeepSeek $0.30 / $1.20 per 1M tokens34 |
| Vitesse de sortie (référence AA) | DeepSeek V4.1 Flash (Max) | ~3.6× le débit de sortie de référence AA | DeepSeek (Max) 186 vs Qwen Flash-Next 52 tokens/s5 |
Benchmarks
Résultats des benchmarks officiels
DeepSWE v1.1, NL2Repo-Bench, GPQA Diamond et HLE dans les rapports publiés ; les scores les plus élevés sont préférables.
Rapports officiels : DeepSeek V4.1 Flash (Max) vs Qwen3.8-Flash-Next
Faites glisser pour voir toutes les colonnes
| Mesure | DeepSeek V4.1 Flash (Max) | Qwen3.8-Flash-Next |
|---|---|---|
| GPQA Diamond (raisonnement) | 90.9% · Données déclarées par le fournisseur, 2026 | 91.7% · Données déclarées par le fournisseur, 2026 |
| HLE (raisonnement, sans outils) | 36.8% · Données déclarées par le fournisseur, 2026 | 35.9% · Données déclarées par le fournisseur, 2026 |
| DeepSWE v1.1 (programmation) | 74.2% · Données déclarées par le fournisseur, 2026 | 58.7% · Données déclarées par le fournisseur, 2026 |
| NL2Repo-Bench (programmation) | 64.0 · Données déclarées par le fournisseur, 2026 | 48.1 · Données déclarées par le fournisseur, 2026 |
Sources : DeepSeek-V4.1-Flash1, Qwen3.8-Flash-Next2 · Consulté 2026-10-14
Versions des modèles et conditions d’évaluation.
Évaluations indépendantes de modèles par AA
Faites glisser pour voir toutes les colonnes
| Mesure | DeepSeek V4.1 Flash (Max) | Qwen3.8-Flash-Next |
|---|---|---|
| AA Intelligence Index v4.3.2 | 39 | 40 |
| AutomationBench-AA | 69% | 56% |
| Terminal-Bench 4.0 | 27% | 25% |
Source : Artificial Analysis5 · Consulté 2026-10-14
Vitesse et latence
Performances
Modèles de référence d’Artificial Analysis : DeepSeek V4.1 Flash (Max) et Qwen3.8-Flash-Next.
Faites glisser pour voir toutes les colonnes
| Mesure | DeepSeek V4.1 Flash (Max) | Qwen3.8-Flash-Next |
|---|---|---|
| Vitesse de sortie (tokens/s) | 186 | 52 |
| Délai médian avant le premier fragment (s) | 0.96 | 2.02 |
| Délai avant le premier token de réponse (s) | 11.68 | 40.60 |
Source : Artificial Analysis5 · Consulté 2026-10-14
Spécifications et tarifs
Tarifs
Les deux modèles sont proposés via des endpoints serverless sur Novita AI. Les prix sont indiqués par 1M tokens.
Faites glisser pour voir toutes les colonnes
| Mesure | DeepSeek V4.1 Flash | Qwen3.8 Flash |
|---|---|---|
| ID du modèle | deepseek/deepseek-v4.1-flash |
qwen/qwen3.8-flash |
| Entrée | $0.30 | $0.15 |
| Sortie | $1.20 | $0.47 |
| Lecture du cache | $0.006 | $0.016 |
| Fenêtre de contexte (tokens) | 1M | 977K |
| Sortie maximale (tokens) | 384K | 128K |
| Types d'entrée | Texte, image | Texte, image, vidéo |
Sources : Novita AI DeepSeek V4.1 Flash3, Novita AI Qwen3.8 Flash4 · Consulté 2026-10-14
Que choisir
DeepSeek pour les agents de programmation et les sorties longues ; Qwen pour le coût et la vidéo
Choisissez DeepSeek V4.1 Flash si…
- Les agents de programmation sont la priorité : le rapport Max de DeepSeek affiche 74.2% sur DeepSWE v1.1 contre 58.7% pour Flash-Next, et 64.0 contre 48.1 sur NL2Repo-Bench.
- Une requête nécessite une capacité supérieure : Novita AI annonce 1M de contexte et 384K de sortie maximale, contre 977K et 128K pour Qwen.
- Vous réutilisez des prompts volumineux : à taux de hits en cache identique et supérieur à 93.75%, le coût de l'entrée seule est inférieur avec DeepSeek. La sortie reste plus chère ; cela ne démontre donc pas un coût total inférieur.
- Le débit des modèles de référence oriente votre sélection : AA mesure DeepSeek (Max) à 186 tokens/s contre 52 pour Qwen Flash-Next, séparément des spécifications des endpoints Novita AI.
- Limite : l'entrée sans cache et la sortie coûtent $0.30 / $1.20 par 1M tokens, et l'entrée vidéo n'est pas disponible.
Choisissez Qwen3.8 Flash si…
- Le coût des tokens sans cache est la priorité : une estimation de $24.40 contre $54.00 pour 100M tokens en entrée et 20M en sortie.
- Vos prompts de documents longs utilisent rarement le cache : une fenêtre de 977K à $0.15 par 1M tokens en entrée.
- Vos entrées incluent de la vidéo ; DeepSeek V4.1 Flash accepte uniquement le texte et les images.
- Vos tâches de raisonnement nécessitent aussi des tarifs par token plus bas : Flash-Next publie 91.7% sur GPQA contre 90.9% pour DeepSeek (Max) ; les estimations ponctuelles de HLE favorisent DeepSeek, 36.8% contre 35.9%.
- Limite : le score publié de Flash-Next sur DeepSWE est inférieur (58.7% contre 74.2% pour DeepSeek Max), et Novita AI plafonne la sortie de l'API Flash à 128K tokens.
Essayez les deux
Appelez les deux modèles avec une seule clé Novita AI
Même client, mêmes messages : seul l'ID du modèle change, et la facturation dépend du modèle choisi.
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/openai",
api_key=os.environ["NOVITA_API_KEY"],
)
for model in ["deepseek/deepseek-v4.1-flash", "qwen/qwen3.8-flash"]:
reply = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Explain what this function does."}],
max_tokens=1024,
)
print(model, reply.choices[0].message.content)Source : Novita AI Chat Completions API6 · Consulté 2026-10-14
Méthodologie
Méthodologie et sources
Les scores officiels concernent DeepSeek V4.1 Flash avec reasoning_effort=100 et Qwen3.8-Flash-Next, le modèle à poids ouverts sur lequel repose l'API Flash. Les deux rapports DeepSWE utilisent temperature=1.0 et top_p=0.95 ; DeepSeek utilise mini-SWE-agent avec 1M de contexte, tandis que Qwen retient le meilleur résultat de deux dispositifs d'évaluation, obtenu avec mini-SWE-agent à 256K. Les dispositifs de NL2Repo diffèrent. Qwen utilise un modèle comme évaluateur automatique pour HLE ; la fiche de DeepSeek n'indique pas qu'il s'agit du même évaluateur. Les écarts sont des estimations ponctuelles publiées, pas une comparaison d'endpoints à conditions identiques ni une preuve d'avantage pratique en raisonnement.
Novita AI publie cette page et propose les deux modèles. Ses pages publiques de modèles fournissent les tarifs, les prix du cache et les limites, y compris la quantification fp8 de DeepSeek3. Novita indique que high est le réglage de raisonnement par défaut pour DeepSeek. Les scores officiels de DeepSeek utilisent Max, et non ce réglage par défaut. Les données AA de DeepSeek (Max) et de Flash-Next sont des références de modèles, provenant d’API de première partie ou de médianes de fournisseurs, plutôt qu’une comparaison d’endpoints Novita ; le délai avant la première réponse inclut le temps de réflexion. Le coût estimé du graphique utilise les tarifs synchrones sans cache. Le seuil de 93.75% concerne uniquement le coût d’entrée à taux de cache h identique : $0.30 × (1 − h) + $0.006 × h = $0.15 × (1 − h) + $0.016 × h. Aucun benchmark interne n’a été exécuté.
- DeepSeek · DeepSeek-V4.1-Flash on Hugging Face huggingface.co · Consulté 2026-10-14
- Qwen · Qwen3.8-Flash-Next on Hugging Face huggingface.co · Consulté 2026-10-14
- Novita AI · DeepSeek V4.1 Flash novita.ai · Consulté 2026-10-14
- Novita AI · Qwen3.8 Flash novita.ai · Consulté 2026-10-14
- Artificial Analysis · DeepSeek V4.1 Flash vs Qwen3.8 Flash-Next artificialanalysis.ai · Consulté 2026-10-14
- Novita AI · Chat Completions API docs.novita.ai · Consulté 2026-10-14
Exécutez DeepSeek V4.1 Flash et Qwen3.8 Flash via une seule API
Créez une clé API et utilisez les deux ID de modèle via l'API de Novita AI compatible avec OpenAI.