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

DeepSeek V4 Pro vs Qwen3.7 Plus

vs

Lequel choisir, et quand

Les deux partagent un contexte de 1,000,000 tokens et les mêmes indicateurs chat, code, raisonnement et outils, avec une réflexion désactivable : le clivage porte donc sur la longueur de sortie et les entrées, car qwen3.7-plus est le moins cher sur chaque tarif : $0.4 contre $1.32 en entrée, $1.6 contre $3.96 en sortie et $0.08 contre $0.132 en lecture de cache. Prenez deepseek-v4-pro quand il vous faut de très longues réponses uniques, 393216 tokens de sortie maximale contre 65536 pour qwen3.7-plus. Prenez qwen3.7-plus pour l'entrée image et vidéo, son indicateur de contexte long et une grille tarifaire moins chère de bout en bout.

Benchmarks

En têteAu-dessus de la moyenneNon dépasséDeepSeek V4 Pro35 / 100 / 10Qwen3.7 Plus511 / 244 / 24

8 mesurés sur les deux.

DeepSeek V4 Pro Qwen3.7 Plus autres modèles mesurés moyenne des modèles comparés ★ aucun autre modèle n'a fait mieux
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%

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

Tarifs

DeepSeek V4 Pro Qwen3.7 Plus Δ
Entrée / 1M de tokens $1.32 $0.4 3.3×
Sortie / 1M de tokens $3.96 $1.6 2.5×
Lecture de cache / 1M de tokens $0.132 $0.08 1.7×
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 76 modèles de chat facturés dans cette unité (échelle logarithmique)

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

Capacités

DeepSeek V4 Pro Qwen3.7 Plus
Appel d'outils oui oui
Contrôle de la réflexion configurable configurable
Sortie structurée oui 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 Pro Qwen3.7 Plus
Modalités d'entrée texte texte image vidéo
Modalités de sortie texte texte
Date de sortie 2026-04-24 2026-06-01
Fenêtre de contexte 1M 1M
Sortie maximale 393K 66K
Paramètre de réflexion
  • thinking.type
  • reasoning_effort
  • enable_thinking
  • thinking_budget
  • preserve_thinking
Valeurs acceptées
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
Valeur par défaut

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

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 Pro · 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 Pro réussi · 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.

sortie 641 tok (+545 réflexion) latence 11.5 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 Pro 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 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. […]

sortie 2418 tok (+2131 réflexion) latence 35.6 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 Pro réussi · 5/5 fields, guidance null

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

sortie 1204 tok (+1153 réflexion) latence 19.9 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 Pro aucune réponse à évaluer · no answer text within 16,384 tokens (all of it went to thinking)

Le modèle n'a renvoyé aucun texte de réponse : tout le budget de tokens est passé dans la réflexion masquée.

sortie 8193 tok (+8192 réflexion) latence 106.2 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-pro",
    # 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 Pro ou Qwen3.7 Plus ?

Qwen3.7 Plus est moins cher sur la ligne « Entrée / 1M de tokens » ($0.4 contre $1.32, soit un écart de 3.3×). 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 Pro 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 Pro 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