Neu Kostenlos registrieren und 10 Aufrufe gratis nutzen. Bis zu 1 $, ohne Kreditkarte.

DeepSeek V4 Pro vs Qwen3.7 Plus

vs

Welches Modell wofür

Beide teilen sich einen Kontext von 1,000,000 Tokens und dieselben Flags für Chat, Code, Reasoning und Tools mit abschaltbarem Denken - der Unterschied liegt also bei Ausgabelänge und Eingaben, denn qwen3.7-plus ist bei jedem Tarif die günstigere Seite: $0.4 gegenüber $1.32 bei der Eingabe, $1.6 gegenüber $3.96 bei der Ausgabe und $0.08 gegenüber $0.132 bei Cache-Lesevorgängen. Nehmen Sie deepseek-v4-pro, wenn Sie sehr lange Einzelantworten brauchen, 393216 maximale Ausgabetokens gegenüber 65536 bei qwen3.7-plus. Nehmen Sie qwen3.7-plus für Bild- und Videoeingaben, seine Long-Context-Kennzeichnung und die durchgehend günstigere Preisliste.

Benchmarks

VornÜber dem DurchschnittKeins besserDeepSeek V4 Pro35 / 100 / 10Qwen3.7 Plus511 / 244 / 24

8 bei beiden gemessen.

DeepSeek V4 Pro Qwen3.7 Plus weitere gemessene Modelle Durchschnitt der Vergleichsmodelle ★ kein anderes Modell war besser
SWE-Bench Pro
59%
55.8%
OSWorld 2.0 partial
N/A
21.5%
JobBench
N/A
27.6%
Humanity's Last Exam no tools
37.7%
34.7%
ERQA
N/A
69.8%
MCP-Mark
57.1%
58.7%
LVBench
N/A
76.2%

Anbieterangaben: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

Preise

DeepSeek V4 Pro Qwen3.7 Plus Δ
Eingabe / 1M Tokens $1.32 $0.4 3.3×
Ausgabe / 1M Tokens $3.96 $1.6 2.5×
Cache-Lesen / 1M Tokens $0.132 $0.08 1.7×
Cache-Schreiben keine gesonderte Gebühr 1.25x -

Preise aus dem Live-Katalog, Stand des letzten Builds. Die aktuellen Preise stehen auf der jeweiligen Modellseite.

Einordnung: Eingabepreis pro 1M Tokens aller 76 Chat-Modelle mit dieser Abrechnungseinheit (logarithmische Skala)

DeepSeek V4 Pro · $1.32 Qwen3.7 Plus · $0.4
$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Fähigkeiten

DeepSeek V4 Pro Qwen3.7 Plus
Tool-Nutzung ja ja
Thinking-Steuerung konfigurierbar konfigurierbar
Strukturierte Ausgabe ja ja
Prompt-Caching implizit (automatisch) implizit + explizit
Cache-Lebensdauer no fixed TTL (evicted when unused) explicit: 5m, reset on hit
Mindestlänge des gecachten Präfixes nicht veröffentlicht 1024 Tokens

Spezifikationen

DeepSeek V4 Pro Qwen3.7 Plus
Eingabemodalitäten Text Text Bild Video
Ausgabemodalitäten Text Text
Veröffentlicht 2026-04-24 2026-06-01
Kontextfenster 1M 1M
Maximale Ausgabe 393K 66K
Thinking-Parameter
  • thinking.type
  • reasoning_effort
  • enable_thinking
  • thinking_budget
  • preserve_thinking
Zulässige Werte
thinking.type
  • enabled
  • disabled
reasoning_effort
  • high
  • max (low and medium map to high, xhigh maps to max)
enable_thinking
  • true
  • false
thinking_budget
  • in tokens
preserve_thinking
  • true
  • false
Standardwert

enabled, with reasoning_effort high

some complex agent requests are automatically set to max

on

the Qwen3.7 Plus series is hybrid thinking with thinking enabled by default, and preserve_thinking is off

Die Spezifikationen stammen aus der Dokumentation des jeweiligen Anbieters. Veröffentlicht ein Anbieter eine Angabe nicht, lassen wir die Zeile weg, statt sie zu schätzen. Vollständige Quellen: DeepSeek V4 Pro · Qwen3.7 Plus

Ein Prompt, beide Modelle, gemessen über das Gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. KRITERIUM genau 3 Sätze

DeepSeek V4 Pro bestanden · 3 sentences

Enabling reasoning causes the model to generate a lengthy internal chain‑of‑thought before it delivers a visible answer, and we are billed for every one of those hidden reasoning tokens just as we are for the final output. In most interactions, the volume of these unseen tokens at least equals the visible response, effectively doubling the total tokens consumed per query. That doubled token consumption translates directly into a doubled per‑query cost, which is why our overall LLM bill doubled.

Ausgabe 641 tok (+545 Thinking) Latenz 11.5 s

Qwen3.7 Plus bestanden · 3 sentences

Enabling reasoning requires the model to generate extensive internal "thinking" tokens to process complex logic before delivering a final answer. Because our vendor charges us per token consumed, this hidden computational overhead effectively doubles our output volume for the exact same number of user requests. Consequently, our costs have doubled because we are now paying for the model's increased processing time to achieve higher-quality, more accurate results.

Ausgabe 1428 tok (+1345 Thinking) Latenz 25.2 s

Befolgen der Anweisung (genau drei Sätze, das lässt sich zählen), Zuschnitt auf die Zielgruppe (Tonfall für einen CFO) und die Abrechnungslücke durch nicht sichtbares Thinking, die die Token-Zähler unten offenlegen.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. KRITERIUM Fix besteht die Tests

DeepSeek V4 Pro bestanden · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` **Explanation:** The bug stems from initializing `cur = 0` and only incrementing it when two adjacent elements match, which counts the number of *additional* equal elements rather than the actual run length (which is `cur + 1`). As a result, the returned `best` is always one less than the true longest run—most obviously returning 0 for a single-element list instead of 1. […]

Ausgabe 2418 tok (+2131 Thinking) Latenz 35.6 s

Qwen3.7 Plus bestanden · 8/8 cases

## Fixed Code ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` ## Bug Explanation The function has two related bugs rooted in how it counts run lengths. First, `cur` is initialized to `0` and only incremented on matches, so it counts the number of *transitions* between equal elements rather than the total elements in the run—a run of N identical items only reaches `cur = N − 1`, undercounting by one. This also causes the single-element case to return `0`, since the loop never executes and `cur` never increments. […]

Ausgabe 2317 tok (+2005 Thinking) Latenz 40.5 s

Ob der Fix wirklich korrekt ist (er lässt sich ausführen), wie dicht die Erklärung ist und wie sparsam das Modell bei einer klar begrenzten Aufgabe mit Tokens umgeht.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. KRITERIUM gültiges JSON, Schema exakt

DeepSeek V4 Pro bestanden · 5/5 fields, guidance null

{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": "eleven and change", "guidance": null }

Ausgabe 1204 tok (+1153 Thinking) Latenz 19.9 s

Qwen3.7 Plus bestanden · 5/5 fields, guidance null

{ "company": "Meridian Robotics", "quarter": "September", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }

Ausgabe 1807 tok (+1750 Thinking) Latenz 31.6 s

Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. KRITERIUM 120 Wörter, 0 verbotene Wörter

DeepSeek V4 Pro keine bewertbare Antwort · no answer text within 16,384 tokens (all of it went to thinking)

Das Modell hat keinen Antworttext geliefert: Das gesamte Token-Budget wurde vom nicht sichtbaren Thinking aufgebraucht.

Ausgabe 8193 tok (+8192 Thinking) Latenz 106.2 s

Qwen3.7 Plus bestanden · 120 words, 0 banned, 1 question

Introducing PromptCache, our new API gateway feature designed to store and reuse prompts across multiple artificial intelligence providers. Have you ever noticed how repeatedly sending identical queries drains your budget and increases latency? PromptCache solves this by intelligently storing responses at the gateway level. When your application requests the same prompt from a different provider, the system instantly returns the cached result. This drastically reduces API costs and accelerates response times for your users. You can configure custom expiration times and set specific fallback rules for each vendor. You must stop paying twice for the exact same computation. Please upgrade your entire infrastructure today and experience much faster and cheaper integrations without changing a single line of your application code.

Ausgabe 4453 tok (+4312 Thinking) Latenz 76.8 s

Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.

Eine Zeile genügt für den Wechsel

Beide IDs stehen in jedem Tab unten. Die beiden hervorgehobenen Zeilen sind die einzige Änderung. Gleicher Endpunkt, gleicher Schlüssel, gleiches Anfrageformat.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="deepseek-v4-pro",
    # model="qwen3.7-plus",  # diese Zeile einkommentieren, die darüberliegende auskommentieren
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

API-Schlüssel erstellen →

FAQ

Welches Modell ist günstiger: DeepSeek V4 Pro oder Qwen3.7 Plus?

Qwen3.7 Plus ist bei Eingabe / 1M Tokens günstiger ($0.4 vs. $1.32, Faktor 3.3). Bei anderen Zeilen kann es umgekehrt sein. Die Tabelle oben zeigt alle Preise, und die tatsächlichen Kosten hängen von Ihrem Mix ab.

Kann ich DeepSeek V4 Pro gegen Qwen3.7 Plus A/B-testen, ohne zweimal zu integrieren?

Ja. Beide laufen über denselben OpenAI-kompatiblen Endpunkt mit einem API-Schlüssel. Für den Wechsel ändern Sie nur eine Zeile, den Modellnamen. So können Sie einen Teil des Traffics an jedes Modell schicken und die Kosten direkt vergleichen.

Unterstützen DeepSeek V4 Pro und Qwen3.7 Plus Prompt-Caching?

Ja. Beide berechnen Cache-Lesezugriffe günstiger als die normale Eingabe. Workloads mit einem wiederkehrenden, bereits gecachten Präfix kosten deshalb weniger, als die Listenpreise vermuten lassen. Die genauen Preise stehen in den Cache-Zeilen der Preistabelle oben.

Verwandte Vergleiche

Aus unseren Studien mit eigenen Messungen