DeepSeek vs Qwen : le comparatif des modèles phares 2026, vérifié face aux tarifs et benchmarks officiels

Les modèles phares, en octobre 2026

Les deux entreprises publient des numéros de version qui changent assez souvent pour brouiller les résultats de recherche, il vaut donc la peine d'être précis sur la build que ce comparatif couvre. DeepSeek-V4-Pro-0813 est la version disponible en production que la propre documentation API de DeepSeek liste aujourd'hui, datée par son suffixe de version au 13 août 2026 ; elle a succédé à une préversion d'avril 2026 que beaucoup de pages de comparaison plus anciennes (y compris certaines encore bien classées) mesurent en réalité à sa place. Selon la fiche de modèle NIM de NVIDIA, c'est un modèle Mixture-of-Experts avec 1 600 milliards de paramètres au total et 49 milliards actifs par token, 384 experts routés dont 6 sélectionnés par token, une fenêtre de contexte de 1 million de tokens, et une sortie maximale de 384 000 tokens. Une source secondaire indique 1 700 milliards de paramètres au total pour la fiche GA au lieu de 1 600 milliards ; nous n'avons pas pu confirmer cet écart face au rapport technique de DeepSeek lui-même et le signalons ici plutôt que de choisir un chiffre pour paraître plus précis que ce que les preuves permettent.

Qwen3.8-Max-0902 est le modèle phare actuel d'Alibaba, une révision de septembre 2026 de la gamme Qwen3.8-Max initialement lancée le 3 août 2026. C'est un modèle Mixture-of-Experts épars rapporté à 2 400 milliards de paramètres au total avec environ 95 milliards actifs par token (512 experts, 10 sélectionnés par token, selon plusieurs trackers indépendants ; les pages d'Alibaba elles-mêmes ne publient pas directement le nombre d'experts). Artificial Analysis indique une fenêtre de contexte de 984 000 tokens, essentiellement dans la même classe pratique « 1M de tokens » que DeepSeek, étendue à partir d'une fenêtre native plus petite. Contrairement à DeepSeek, Qwen3.8 Max accepte aussi l'entrée d'images via l'API hébergée ; DeepSeek V4 Pro est uniquement textuel.

Tarifs : des chiffres officiels, pas des estimations d'agrégateurs

DeepSeek publie ses tarifs directement sur sa propre documentation API, répartis selon que vous l'utilisez en heures creuses ou en heures de pointe UTC. Alibaba publie les tarifs de Qwen3.8-Max sur sa propre page de tarification Model Studio, en CNY, répartis par région de déploiement : la tarification Chine/par défaut mondial est nettement moins chère que le déploiement international Singapour/US que la plupart des développeurs hors Chine utiliseront en réalité.

Per 1M tokens              DeepSeek V4 Pro-0813      Qwen3.8 Max-0902
-----------------------------------------------------------------------
Input (peak hours)          $1.32                      $2.00
Input (off-peak, DeepSeek   $0.66                      n/a (flat rate)
  only, see note below)
Output (peak hours)         $3.96                      $6.00
Output (off-peak)           $1.98                      n/a
Cache hit                   $0.044                     $0.25
Blended (AA's 7:2:1 ratio)  $0.69                       $1.18

DeepSeek peak window (full price): 01:00-04:00 and 06:00-10:00 UTC,
Monday through Friday, excluding Chinese public holidays. Every other
hour, including weekends, bills at the cheaper off-peak rate. Source:
DeepSeek's own API docs, api-docs.deepseek.com/quick_start/pricing.
Qwen figures are the Singapore/US international deployment tier, converted
from Alibaba's own CNY 14.988 / CNY 44.965 per-million rate (Alibaba's
China/global-default tier is roughly 20% cheaper at CNY 12 / CNY 36).
Source: help.aliyun.com/en/model-studio/model-pricing, checked 14 Oct 2026.

Il existe aussi un palier économique de chaque côté, utile à connaître si le prix du modèle phare dépasse vos besoins : deepseek-flash de DeepSeek (DeepSeek-V4.1-Flash) coûte 0,15 $/0,6 $ en heures de pointe et 0,075 $/0,3 $ en heures creuses par million de tokens en entrée/sortie, soit environ un neuvième du coût du modèle phare, avec la même fenêtre de contexte de 1M. L'alias historique qwen-max d'Alibaba est de façon similaire tarifé à la baisse sur son palier Chine/par défaut mondial à 2,4/9,6 CNY par million de tokens, un cinquième du tarif CNY 12/36 du palier Chine de Qwen3.8 Max lui-même, mais c'est un modèle non-thinking uniquement, sans tarification échelonnée par longueur de contexte, une chaîne de modèle facile à récupérer par erreur si vous copiez un ancien guide d'intégration.

Benchmarks : qui gagne vraiment, et où

Artificial Analysis publie un face-à-face direct entre les modèles phares actuels, tous deux réglés à l'effort de raisonnement maximal, notés sur son Intelligence Index v4.3.2. Qwen3.8 Max domine en intelligence globale et sur la plupart des tâches de travail de connaissance agentique ; DeepSeek V4 Pro est proche ou en tête sur les benchmarks liés au code, et nettement moins cher et plus rapide sur tous les plans.

Benchmark (max effort)                 Qwen3.8 Max-0902    DeepSeek V4 Pro-0813
---------------------------------------------------------------------------
Intelligence Index (v4.3.2)             45                   36
Terminal-Bench 4.0 (agentic terminal)   39%                  14%
SciCode (coding)                        52%                  51%
AA-Briefcase v1.1 (agentic knowledge)   1617                 1257
GDPval-AA v2.1 (agentic real work)      1667                 1449
AutomationBench-AA (agentic SaaS)       56%                  57%
Humanity's Last Exam                    43%                  41%
GDP.pdf                                 23%                  11%
CritPt (physics reasoning)              18%                  18%
AA-Omniscience                          12                   1
AA-LCR v1.1 (long-context reasoning)    80%                  80%
Output speed (tokens/sec)               42                   99

Source: artificialanalysis.ai/models/comparisons/deepseek-v4-pro-vs-qwen3-8-max,
checked 14 Oct 2026. Note: Artificial Analysis publishes several versions of
this comparison at different DeepSeek reasoning-effort settings (High vs.
Max); scores shift by several points between them, so if you see different
numbers elsewhere, check which effort setting the page is showing.

Le schéma qui se dégage des deux tableaux : Qwen l'emporte sur les tâches qui récompensent une large connaissance et une planification agentique en plusieurs étapes (Terminal-Bench, AA-Briefcase, GDPval-AA, AA-Omniscience), tandis que les deux sont pratiquement à égalité sur le code brut (SciCode) et la récupération en long contexte (AA-LCR, 80 % chacun). Aucun des deux modèles ne publie de benchmark spécifiquement mathématique dans cette comparaison. Si votre charge de travail se rapproche davantage d'« écrire et déboguer du code » que de « planifier et exécuter une tâche agentique en plusieurs étapes », l'écart de benchmark compte beaucoup moins que la différence de prix de 70 %.

Licences : l'écart que la plupart des comparatifs ratent

Les poids de DeepSeek V4 Pro sont rapportés comme sous licence MIT, cohérent avec les précédentes versions V3 et R1 de DeepSeek, selon sa fiche NVIDIA NIM et des trackers de modèles indépendants (nous n'avons pas pu récupérer directement le fichier de licence depuis le propre dépôt Hugging Face de DeepSeek pour confirmer le texte exact, donc considérez ceci comme fortement sourcé mais non vérifié en source primaire). MIT est à peu près aussi permissif qu'une licence peut l'être : usage commercial, modification et redistribution sans plafond de revenu.

Qwen3.8 Max, c'est une autre histoire, et c'est là que beaucoup de couvertures du type « Qwen est open source » exagèrent. Le modèle de l'API hébergée est propriétaire, point final, comme Gemini ou GPT. Alibaba a séparément publié un checkpoint à poids ouverts derrière ce modèle, rapporté sous le nom Qwen3.8-2.4T-A95B, sur Hugging Face vers le 12 août 2026, uniquement textuel et verrouillé en mode thinking (l'entrée visuelle et le mode non-thinking que propose l'API hébergée ne font pas partie de la version ouverte). Mais ce checkpoint est publié sous une « licence Qwen3.8-Max » personnalisée, pas Apache 2.0, et plusieurs trackers rapportent qu'elle inclut une clause d'usage commercial exigeant un accord séparé une fois que le revenu des 12 derniers mois d'une entreprise déployante dépasse 50 millions de dollars dans certaines catégories de services IA. C'est un accord sensiblement différent de celui du modèle dense plus petit Qwen3.8-27B de Qwen, qui est sous Apache 2.0, sans seuil de revenu. Nous n'avons pas pu récupérer le texte exact de la licence pour en citer les termes mot pour mot, donc vérifiez directement le fichier de licence actuel sur Hugging Face avant de construire une dépendance de production sur cette base. Pour résumer en pratique : « Qwen est à poids ouverts » est vrai pour les plus petits modèles de Qwen, et faux, ou au moins fortement nuancé, pour son véritable modèle phare de 2 400 milliards de paramètres.

Où vous pouvez réellement les faire tourner

• Les deux fournisseurs offrent un accès API direct : api.deepseek.com (points de terminaison compatibles OpenAI et Anthropic) et Alibaba Cloud Model Studio pour Qwen, facturés comme indiqué ci-dessus.
• AWS a ajouté DeepSeek-V3.1 et plusieurs modèles Qwen3 à Bedrock en tant qu'offres entièrement gérées en 2025 (selon l'annonce d'Amazon elle-même) : DeepSeek-V3.1 et Qwen3-Coder-480B dans US East (Ohio) et AP (Jakarta), avec Qwen3-32B, Qwen3-235B et Qwen3-Coder-30B également disponibles en EU (Frankfurt). Vérifiez le catalogue actuel de Bedrock pour savoir si V4 Pro et Qwen3.8 Max spécifiquement y sont déjà arrivés, car les ajouts à Bedrock sont toujours en retard sur les nouvelles sorties.
• La licence MIT de DeepSeek V4 Pro simplifie l'auto-hébergement sur le plan légal, même s'il faut une infrastructure réelle. La génération précédente V3/R1 de DeepSeek, construite sur une architecture similaire, nécessite environ 16 GPU H100 pour tourner à sa précision native FP8, selon la propre documentation de déploiement de NVIDIA ; des configurations à 8 GPU sont possibles uniquement avec une quantification qui coûte un peu de précision. L'empreinte de V4 Pro se situe dans la même fourchette. Le checkpoint ouvert de Qwen peut lui aussi être auto-hébergé, sous réserve des conditions de licence à seuil de revenu mentionnées plus haut.
• L'infrastructure principale de DeepSeek et d'Alibaba est basée en Chine, même si les deux proposent des points de terminaison API internationaux (api.deepseek.com par défaut pour DeepSeek, les déploiements Model Studio Singapour/US pour Alibaba). La propre page de tarification d'Alibaba liste un palier « déploiement US » dédié et plus coûteux, ce qui suggère un vrai routage régional plutôt qu'un point de terminaison mondial unique. Si la résidence des données ou la latence supplémentaire vers une infrastructure basée en Chine est un enjeu de conformité pour votre organisation, vérifiez-le directement auprès de chaque fournisseur plutôt que de présumer d'un comportement par défaut.

Lequel choisir en pratique

Si le coût par token et le débit brut comptent le plus, ou si votre charge de travail penche vers le code, DeepSeek V4 Pro est le choix évident : moins cher à chaque palier, plus de deux fois plus rapide, sous licence MIT si vous voulez un jour l'auto-héberger, et compétitif sur SciCode. Comme le tarif réduit de DeepSeek s'applique déjà par défaut en dehors de deux plages horaires étroites en semaine, une charge de travail par lots (traitement de documents, pipelines nocturnes) n'a qu'à éviter ces heures précises pour tourner à moitié prix. Pour notre audience en particulier, cet avantage de prix par token compte le plus dans les flux de travail de recherche sur documents longs et à fort volume, faire passer un grand lot d'articles ou de transcriptions dans un modèle à contexte de 1M, où la prime de 70 % de Qwen s'accumule vite sur des milliers d'appels.

Si vous avez besoin du score le plus élevé sur de larges benchmarks agentiques et de travail de connaissance, voulez une entrée d'image native dans le même modèle, et que la différence de licence ne vous concerne pas parce que vous appelez l'API hébergée de toute façon, Qwen3.8 Max devance sur les chiffres qui comptent pour les tâches complexes en plusieurs étapes (Terminal-Bench, AA-Briefcase, GDPval-AA). L'écart est réel mais il n'est pas gratuit : vous payez environ 70 % de plus et obtenez une sortie à moins de la moitié de la vitesse en échange.

Ce qui piège les utilisateurs

• L'ancien alias qwen-max fonctionne toujours, coûte un cinquième du prix du modèle phare, et exécute silencieusement un modèle non-thinking plus faible, sans tarification échelonnée. Si vous avez copié un extrait d'intégration depuis un ancien guide, vérifiez la chaîne exacte du modèle avant de supposer que vous payez le tarif du modèle phare.
• Un nombre surprenant de pages de comparaison encore bien classées comparent DeepSeek-V4-Pro-0424, la préversion d'avril, à Qwen3.8 Max, le modèle phare actuel, ce qui fausse la comparaison en faveur de Qwen à la fois sur le prix et sur le score d'intelligence puisque la préversion n'a jamais été le produit réellement livré. Vérifiez que tout comparatif que vous lisez utilise bien la version GA d'août 0813.
• La même paire de modèles obtient des scores différents sur les pages d'effort « High » contre « Max » d'Artificial Analysis. Vérifiez toujours quelle version de la comparaison vous regardez avant de citer un chiffre précis.
• Le checkpoint à poids ouverts de Qwen3.8 Max ne correspond pas à l'API hébergée : pas d'entrée visuelle, pas de mode non-thinking, et une licence différente de celle des plus petits modèles Apache 2.0 de Qwen.

Questions fréquentes

DeepSeek ou Qwen, lequel est le meilleur pour le code ?

Ils sont proches sur le code brut (SciCode : DeepSeek 51 % contre Qwen 52 %), mais DeepSeek V4 Pro est loin derrière sur l'usage agentique du terminal (Terminal-Bench 4.0 : 14 % contre 39 % pour Qwen). Pour une génération de code simple, les deux fonctionnent ; pour des tâches de code agentique impliquant de planifier et d'exécuter des actions en plusieurs étapes dans un terminal, Qwen3.8 Max obtient actuellement un score bien plus élevé.

DeepSeek est-il moins cher que Qwen ?

Oui, à chaque palier vérifié. Le tarif en heures de pointe de DeepSeek V4 Pro est de 1,32 $/3,96 $ par million de tokens en entrée/sortie contre un tarif fixe de 2,00 $/6,00 $ pour Qwen3.8 Max, et DeepSeek descend à 0,66 $/1,98 $ en heures creuses, ce qui est le tarif par défaut la majeure partie de la semaine sauf deux plages horaires étroites en semaine (UTC). Le tarif de Qwen ne change jamais selon l'heure de la journée.

DeepSeek V4 Pro est-il open source ?

Ses poids sont rapportés comme sous licence MIT, la licence standard de DeepSeek pour ses précédentes versions comme V3 et R1, qui autorise l'usage commercial et l'auto-hébergement sans restriction de revenu. Nous n'avons pas pu vérifier de façon indépendante le fichier de licence exact depuis le propre dépôt de DeepSeek, donc vérifiez-le directement avant d'en dépendre pour un déploiement de production.

Qwen3.8 Max est-il à poids ouverts ?

Partiellement, et avec des réserves que la plupart des articles ratent. Le modèle de l'API hébergée est propriétaire. Alibaba a séparément publié un checkpoint à poids ouverts derrière ce modèle en août 2026, mais sous une « licence Qwen3.8-Max » personnalisée, pas la licence permissive Apache 2.0 utilisée par les plus petits modèles de Qwen, incluant d'après plusieurs sources un seuil de revenu commercial pour les grands déploiements.

Lequel a la fenêtre de contexte la plus longue, DeepSeek ou Qwen ?

Ils sont pratiquement à égalité : DeepSeek V4 Pro affiche une fenêtre de contexte de 1 000 000 de tokens, Qwen3.8 Max affiche 984 000, les deux selon la comparaison actuelle d'Artificial Analysis. Les deux fenêtres sont étendues à partir de fenêtres natives plus petites, et ne sont pas nativement aussi grandes.

Puis-je auto-héberger DeepSeek ou Qwen au lieu d'utiliser l'API ?

Les deux sont techniquement possibles. La licence MIT de DeepSeek V4 Pro simplifie l'auto-hébergement sur le plan légal, même si le modèle de 1 600 milliards de paramètres nécessite une infrastructure multi-GPU sérieuse. Le checkpoint à poids ouverts de Qwen peut lui aussi être auto-hébergé, mais il vaut la peine de comparer le seuil de revenu commercial de sa licence personnalisée à la taille de votre organisation avant de vous engager.