Nouveau Inscription gratuite, 10 appels offerts. Jusqu'à 1 $, sans carte.

DeepSeek V4.1 Flash vs Qwen3.7 Plus

vs

Lequel choisir, et quand

Les deux partagent une fenêtre de contexte de 1,000,000 de jetons, la séparation concerne donc l'espace de sortie, les entrées et le prix : deepseek-v4.1-flash coûte $0.3 en entrée et $1.2 en sortie contre $0.4 et $1.6 pour qwen3.7-plus (environ 1.3x pour les deux), avec des lectures en cache à $0.03 contre $0.08, environ 2.7x moins cher, et il peut émettre jusqu'à 393216 jetons au lieu de 65536. Choisissez deepseek-v4.1-flash pour les travaux à haut volume fortement basés sur le cache et pour les très longues générations uniques. Choisissez qwen3.7-plus lorsque vous avez besoin d'une entrée vidéo en plus du texte et des images, ou si vous souhaitez désactiver la réflexion, en notant que l'entrée de réflexion est facturée à $1.6 par million.

Benchmarks

Au-dessus de la moyenneNon dépasséDeepSeek V4.1 Flash14 / 194 / 19Qwen3.7 Plus11 / 244 / 24
DeepSeek V4.1 Flash Qwen3.7 Plus autres modèles mesurés moyenne des modèles comparés ★ aucun autre modèle n'a fait mieux
DeepSWE 1.1
aucun autre modèle n'a fait mieux 74.2%
16.5%
OSWorld 2.0 partial
N/A
21.5%
Cybergym
aucun autre modèle n'a fait mieux 88.1%
N/A
JobBench
N/A
27.6%
GPQA Diamond
90.9%
90.3%
ERQA
N/A
69.8%
Agents' Last Exam
31.8%
N/A
LVBench
N/A
76.2%

Chiffres publiés par les fournisseurs : Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

Tarifs

DeepSeek V4.1 Flash Qwen3.7 Plus Δ
Entrée / 1M de tokens $0.3 $0.4 0.75×
Sortie / 1M de tokens $1.2 $1.6 0.75×
Lecture de cache / 1M de tokens $0.03 $0.08 0.38×
Écriture de cache pas de frais distincts 1.25x -

Tarifs relevés dans le catalogue en direct à la génération du site ; la page de chaque modèle affiche la grille tarifaire à jour.

Leur position : prix en entrée pour 1M de tokens, parmi les 77 modèles de chat facturés dans cette unité (échelle logarithmique)

Capacités

DeepSeek V4.1 Flash Qwen3.7 Plus
Appel d'outils oui oui
Contrôle de la réflexion oui, réglage du fournisseur non publié configurable
Sortie structurée - oui
Mise en cache des prompts implicite (automatique) implicite + explicite
Durée de vie du cache no fixed TTL (evicted when unused) explicit: 5m, reset on hit
Préfixe minimal mis en cache non publié 1024 tokens

Spécifications

DeepSeek V4.1 Flash Qwen3.7 Plus
Modalités d'entrée texte image texte image vidéo
Modalités de sortie texte texte
Date de sortie 2026-09-10 2026-06-01
Fenêtre de contexte 1M 1M
Sortie maximale 393K 66K
Paramètre de réflexion -
  • enable_thinking
  • thinking_budget
  • preserve_thinking
Valeurs acceptées -
enable_thinking
  • true
  • false
thinking_budget
  • in tokens
preserve_thinking
  • true
  • false
Valeur par défaut -

on

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

Les spécifications sont reprises de la documentation de chaque fournisseur ; quand un fournisseur ne publie pas une valeur, la ligne est omise et non déduite. Sources complètes : DeepSeek V4.1 Flash · Qwen3.7 Plus

Un prompt, deux modèles, mesurés via la passerelle

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. CRITÈRE exactement 3 phrases

DeepSeek V4.1 Flash réussi · 3 sentences

Enabling reasoning changed the unit economics: the model now spends extra billable tokens internally to “think” before producing the answer, and those reasoning tokens are charged like output tokens even though users never see them. That added token generation—plus longer contexts and occasional retries on harder prompts—roughly doubled our cost per request. We can control this by capping reasoning depth, routing only complex queries to reasoning models, and caching common prompts to bring the bill back down.

sortie 423 tok (+327 réflexion) latence 14.6 s

Qwen3.7 Plus réussi · 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.

sortie 1428 tok (+1345 réflexion) latence 25.2 s

Le respect de la consigne (exactement trois phrases, ça se compte), l'adaptation au public visé (le registre d'un directeur financier) et l'écart de facturation dû à la réflexion masquée, que révèlent les compteurs de tokens ci-dessous.

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. CRITÈRE le correctif passe les tests

DeepSeek V4.1 Flash réussi · 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 else: cur = 1 best = max(best, cur) return best ``` The bug is that `cur` is counting equal adjacent pairs, not elements in the current run: every time `xs[i] == xs[i - 1]`, the run length increases by one element, but the first element of the run was never counted, so all runs are undercounted by one. Also, `best` starts at `0`, so single-element inputs return `0` instead of `1`, and a one-element run ending at the last index is missed entirely.

sortie 918 tok (+733 réflexion) latence 11.4 s

Qwen3.7 Plus réussi · 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. […]

sortie 2317 tok (+2005 réflexion) latence 40.5 s

La justesse réelle du correctif (il s'exécute), la densité de l'explication et l'économie de tokens sur une tâche bien délimitée.

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. CRITÈRE JSON valide, schéma exact

DeepSeek V4.1 Flash réussi · 5/5 fields, guidance "withheld pending the Q4 close"

{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":412,"growth_pct":11.0,"guidance":"withheld pending the Q4 close"}

sortie 1707 tok (+1667 réflexion) latence 15.1 s

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

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

sortie 1807 tok (+1750 réflexion) latence 31.6 s

Le respect du schéma (aucun champ inventé), la tentation d'halluciner (le texte indique que la guidance n'est pas communiquée) et les différences entre les mécanismes de sortie structurée.

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. CRITÈRE 120 mots, 0 mot interdit

DeepSeek V4.1 Flash réussi · 116 words, 0 banned, 1 question

Today we're launching Cross-Provider Prompt Cache for our API gateway. It stores identical prompt requests and their responses across supported model providers, then serves cached results when a match is found. Teams can cut duplicate inference costs, reduce latency, and keep behavior consistent during provider failover. The cache works with configurable TTLs, per-route rules, and cache-key controls, so you decide what is reusable and what must stay fresh. Does your application send the same prompts to multiple providers? Now your gateway can answer many of those calls without another upstream request. Existing observability dashboards show hit rates, saved tokens, and estimated spend reduction. Enable it in the gateway console, set your policy, and start caching today.

sortie 917 tok (+770 réflexion) latence 9.0 s

Qwen3.7 Plus réussi · 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.

sortie 4453 tok (+4312 réflexion) latence 76.8 s

Le respect des contraintes (nombre de mots, liste de mots interdits, une seule question), l'empreinte stylistique et la maîtrise de la longueur.

Passez de l'un à l'autre en changeant une seule ligne

Les deux identifiants figurent dans chaque onglet ci-dessous : les deux lignes surlignées sont le seul changement. Même endpoint, même clé, même format de requête.

from openai import OpenAI

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

resp = client.chat.completions.create(
    model="deepseek-v4.1-flash",
    # model="qwen3.7-plus",  # décommentez cette ligne, commentez celle du dessus
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Obtenez votre clé API →

FAQ

Lequel est le moins cher, DeepSeek V4.1 Flash ou Qwen3.7 Plus ?

DeepSeek V4.1 Flash est moins cher sur la ligne « Entrée / 1M de tokens » ($0.3 contre $0.4, soit un écart de 1.3×). D'autres lignes peuvent dire l'inverse : le tableau ci-dessus donne la grille tarifaire complète, et le coût réel dépend de la composition de votre trafic.

Puis-je faire un test A/B entre DeepSeek V4.1 Flash et Qwen3.7 Plus sans deux intégrations ?

Oui. Les deux passent par le même endpoint compatible OpenAI, avec une seule clé API. Pour passer de l'un à l'autre, il suffit de changer l'identifiant du modèle, soit une ligne : vous pouvez donc envoyer une part du trafic à chacun et comparer directement les factures.

DeepSeek V4.1 Flash et Qwen3.7 Plus prennent-ils en charge la mise en cache des prompts ?

Oui. Les deux facturent les lectures de cache moins cher que leur tarif d'entrée : une charge de travail dont le préfixe est déjà en cache coûte donc moins que ne le laissent penser les tarifs publics. Les lignes de lecture de cache figurent dans le tableau des tarifs ci-dessus.

Comparatifs associés

Nos études, mesures à l'appui