Вопрос «deepseek или qwen» встаёт перед теми, кто ищет недорогой доступ к сильной модели и упёрся сразу в две китайские линейки. Обе публикуют веса, обе просят за токены заметно меньше западных флагманов, и обе в августе 2026 года обновили старшие модели с разницей в несколько дней. Ниже — только проверяемое: два независимых теста, снятых в один день на одних и тех же версиях (Qwen 3.8 Max против DeepSeek V4 Flash), плюс официальные сведения о моделях, ценах, лицензиях и обработке данных, снятые 18 августа 2026 года.
Коротко: к чему сводится выбор
Обе модели китайские, у обеих опубликованы веса, у обеих доступ по ключу стоит меньше привычных западных ставок. Дальше начинаются различия, и оба августовских теста увидели их одинаково, хотя выводы авторы сделали разные.
DeepSeek V4 Flash расходует на ту же работу в разы меньше денег, но тратит на неё больше времени. Qwen 3.8 Max чаще выдаёт пригодный результат с первой попытки — особенно там, где важен внешний вид и связность сделанного, — но списание за ту же задачу оказывается кратно выше.
Русскоязычный автор по сумме четырёх заданий отдал победу DeepSeek, и решающим доводом стала цена. Англоязычный автор в тот же день отдал победу Qwen: у него мерились скорость и точность починки чужого кода, а деньги в зачёт не шли. Оба вывода честные — они просто отвечают на разные вопросы.
И сразу честная рамка от русскоязычного автора, чтобы разговор «квен или дипсик» не выглядел выбором из двух лучших вариантов на рынке: при наличии бюджета он рекомендует не китайские модели, а западные. Дословная формулировка приведена ниже.
Что за модели сравниваются
Qwen. Старшая модель линейки — Qwen3.8-Max. Анонс под названием «Qwen3.8-Max: A New Bar for Coding and Cowork» вышел в начале августа 2026 года, причём даты на сайте qwen.ai и в блоге Alibaba расходятся на день: 2 и 3 августа. В модели 2,4 триллиона параметров, из которых на обработку одного токена включаются 95 миллиардов. Контекст в анонсе описан как «up to 1 million tokens» — до миллиона токенов. Здесь же первая оговорка: в карточке опубликованных весов те же параметры выглядят иначе — 262 тысячи токенов нативно и 1,01 миллиона в расширенном режиме. Две формулировки разработчик между собой не сводит, поэтому единственную цифру контекста для флагмана назвать нельзя.
Главное событие августа для этой линейки — открытые веса старшей модели. Раньше Max-класс Qwen оставался только за API; 12 августа 2026 года опубликована Qwen3.8-2.4T-A95B, 14 августа — Qwen3.8-27B. У флагмана есть переключатель усилия на размышление с уровнями xhigh, medium и low.
Чат называется Qwen Studio, работает на chat.qwen.ai и описан на официальной странице как «free to use, open to all» — бесплатный и открытый для всех. В нём есть поиск, работа с документами, мультимодальность, генерация изображений и видео. Платных тарифов чата на официальных страницах не опубликовано, и формулировать это стоит именно так: не «бесплатно навсегда», а отсутствие опубликованной цены на дату проверки.
DeepSeek. По ключу доступны две модели — старшая V4-Pro и младшая V4-Flash; в обоих тестах ниже участвует младшая, чекпоинт от 31 июля 2026 года. Устройство линейки, режимы размышления, действующие ставки и то, что компания пишет о данных пользователей, разобрано отдельно: модели DeepSeek. Для сравнения достаточно двух вещей: контекст у обеих моделей миллионный, а младшая устроена так, что на каждый токен работает лишь малая часть сети.
Сравнивали ли их сами разработчики. Тут стоит отделить ожидаемое от опубликованного. В анонсе Qwen3.8-Max сравнения с DeepSeek нет вовсе: разработчик ставит свою модель рядом с Claude Opus 4.8 и Fable 5, GPT-5.6 Sol и Gemini 3.1 Pro. Свежайшее официальное сопоставление с DeepSeek относится к предыдущему поколению — это анонс Qwen3.7 от 21 мая 2026 года: SWE-Verified 80,4 против 80,6 у DeepSeek V4-Pro в режиме max, IMOAnswerBench 90 против 89,8, Apex 44,5 против 38,3. Все три показателя самозаявленные, опубликованы одной стороной и относятся к поколению, предшествующему тем моделям, которые тестируются дальше. Как основание для выбора сегодня они не годятся.
Тест на четырёх заданиях: русскоязычный разбор
Запись называется «Qwen 3.8 Max vs DeepSeek V4 Flash — БИТВА КИТАЙСКИХ ТИТАНОВ!», канал NullsCode, 4 августа 2026 года, 26 минут. Версии названы в кадре: Qwen 3.8 Max против DeepSeek V4 Flash с чекпоинтом 0731. Обе модели автор запускал через OpenRouter и держал расход на экране, так что суммы в разборе — не прикидка, а фактическое списание.
Вводная у него такая:
Контекст у них у обоих 1 млн, а по ценам они различаются. Квен 3.8 у нас стоит чуть дороже. Разница в релизах у них буквально в 3 дня
— «Qwen 3.8 Max vs DeepSeek V4 Flash — БИТВА КИТАЙСКИХ ТИТАНОВ!», канал NullsCode, 4 августа 2026 года
Заданий четыре: трёхмерная сцена в низкополигональном стиле, симулятор операционной системы, веб-приложение с лендингом, транскрибацией и мини-игрой, и мобильное приложение на Flutter.
Трёхмерная сцена. Первое задание Qwen закрыл быстрее, а у DeepSeek дело осложнилось сбоем:
Квен это сделал быстрее, за 8 минут. [Дипсик] сделал даже дольше, чем за 9 минут 36 секунд, потому что мне пришлось его перезапускать. Вот 504 ошибка
— тот же разбор
Результат DeepSeek автор оценил наглядно: «мышь — это у нас просто кирпич». На доработку ушло ещё «38 минут… чтобы все правки внести», при расходе в 13 центов. Вывод по заданию он сформулировал прямо: «у Квена результаты намного-намного лучше из первого раза».
Симулятор операционной системы. Здесь деньги разошлись сильнее, чем где-либо в разборе:
делал он дольше, чем Квен, но и дешевле: 18 центов он потратил на этот проект, когда как Квен потратил 3 доллара 32 цента
— тот же разбор
Экономия при этом досталась не даром: в приложении DeepSeek не хватило важной части интерфейса — «кнопки сохранить у нас нету».
Веб-приложение. Соотношение то же, развёрнутое в обе стороны: «Квен сделал это за 16 минут за 1 доллар 23 цента. [DeepSeek] сделал это за 36 минут 34 секунды, но за 15 центов». По качеству раунд остался за Qwen — «Квен справился с игрой гораздо лучше».
Мобильное приложение на Flutter. Единственное задание, где картина перевернулась целиком. Qwen споткнулся: «и приложение наше зависло». DeepSeek, наоборот, «сделал полностью рабочее приложение со всем функционалом», потратив 24 цента против 1 доллара 31 цента у Qwen и работая «примерно в два раза дольше».
Вердикт. По сумме четырёх заданий автор назвал победителем DeepSeek — «я считаю, что в этом тесте он победитель» — и объяснил решение без обиняков: «чтобы это было дёшево максимально, лучше использовать [DeepSeek]». А сразу следом сделал оговорку, которую в спорах о китайских моделях обычно опускают:
если есть бюджет — лучше используйте [Claude], GPT, Kimi, даже GLM
— тот же разбор
То есть победа DeepSeek в этом тесте — победа в категории «дёшево», а не в категории «лучшая модель для работы».
Тест на починке кода и трёхмерном лендинге: англоязычный разбор
Второй разбор вышел в тот же день на канале Fahd Mirza и называется «Qwen 3.8 Max vs DeepSeek V4 Flash vs Kimi K3 — 3 Brutal Tests». Версии те же, третьим участником добавлена Kimi K3, промпты для всех одинаковые, доступ по API через агента. Устройство младшей модели DeepSeek автор описывает в начале:
DeepSeek V4 Flash — экономная «смесь экспертов», которая задействует всего 13 миллиардов параметров на токен, поэтому она до неприличия дёшева: 9 центов на входе
— «Qwen 3.8 Max vs DeepSeek V4 Flash vs Kimi K3 — 3 Brutal Tests», канал Fahd Mirza, 4 августа 2026 года
Починка сломанного приложения. Первое задание — не написать с нуля, а починить готовый full-stack на FastAPI, Redis и Docker с пятью заложенными ошибками. По корректности результат вышел одинаковый у всех троих: «All three fixed every bug and self-verified» — все три нашли и исправили каждую ошибку и сами проверили сделанное.
Разошлись способ и время. Qwen управился за «6 minutes 37 seconds» и по ходу сделал больше, чем просили: «it has even written its own verification script» — написал собственный скрипт проверки, — а затем «It even caught a bug in its own test», то есть нашёл ошибку в собственном тесте. DeepSeek пришёл к тому же итогу иначе: «also done. Took around 23 minutes». Разницу автор объясняет не силой модели, а методом:
шаги проверки и тесты, которые прогнал Qwen, были тоньше и точнее, тогда как DeepSeek много думал
— тот же разбор
И отдельно про то, на что ушло время:
сжёг время, пытаясь вводить данные в кнопки выбора даты в браузерной проверке, которая приложению вообще не требовалась. Так что он оказался самым медленным и наименее прямолинейным
— тот же разбор
Итог раунда однозначный: «Qwen 3.8 Max is the winner here».
Трёхмерный лендинг. Второе задание — страница на Three.js и GSAP со сменой дня и ночи по прокрутке. Здесь победителя автор не назвал, а развёл результаты по смыслу:
Qwen сделал лендинг. DeepSeek сделал детально проработанную конструкцию. […] Qwen выигрывает по вкусу. DeepSeek выигрывает по детальности
— тот же разбор
Это замечание полезнее прямого счёта: две модели по-разному прочитали одно и то же задание. Одна вытянула страницу как продукт для показа, другая — как техническую сцену.
Сквозной паттерн двух тестов
Запрос «deepseek vs qwen» обычно предполагает короткий ответ, но два разбора снимали разные люди, на разных языках, с разными заданиями и с разным пониманием того, что считать победой. Тем ценнее места, где они совпали.
DeepSeek дешевле в разы, и это не оценка, а списания на экране. В трёх заданиях русскоязычного разбора названы обе суммы: 18 центов против 3 долларов 32 центов, 15 центов против 1 доллара 23 центов, 24 цента против 1 доллара 31 цента. Разрыв на одной и той же задаче идёт примерно от пятикратного до восемнадцатикратного. Англоязычный автор ту же особенность младшей модели описал одной фразой — «dirt cheap at 9 cents in».
DeepSeek медленнее, и это тоже совпало. По веб-приложению — 36 минут 34 секунды против 16 минут; по мобильному приложению — «примерно в два раза дольше»; по починке кода в англоязычном тесте — около 23 минут против 6 минут 37 секунд. Во втором случае автор прямо связал задержку не со слабостью модели, а с лишними шагами проверки, которых задание не требовало.
Qwen чаще попадает с первого раза. Формулировка русскоязычного автора — «у Квена результаты намного-намного лучше из первого раза»; англоязычный отметил тот же характер работы через собственный скрипт проверки и найденную ошибку в своём же тесте. Обратная сторона видна в тех же материалах: приложение на Flutter у Qwen зависло, а списание за симулятор операционной системы стало самым большим во всём разборе.
Теперь про официальные ставки, потому что расход в тесте зависит ещё и от того, сколько токенов модель прогнала. Здесь у пары асимметрия, о которой стоит сказать сразу: цена старшей модели Qwen на странице цен Alibaba Cloud Model Studio на 18 августа 2026 года не опубликована. Опубликовано следующее: qwen3.7-max — 2,5 доллара на вход и 7,5 на выход за миллион токенов, причём с пометкой «50% off list price», то есть это акционное, а не базовое значение; qwen-plus — 0,4 и 1,6; qwen-flash — 0,05 и 0,4; qwen3.5-397b — 0,6 и 3,6. Новым аккаунтам полагается бесплатная квота — миллион токенов на каждую модель в течение 90 дней в сингапурском регионе.
У DeepSeek цены выложены полностью: младшая V4-Flash в непиковые часы стоит 0,22 доллара на вход и 0,66 на выход. Отдельная особенность — ставка меняется в течение суток, и меняется не так, как подсказывает интуиция; схема разобрана в отдельном материале о линейке, ссылка на него дана выше.
Поэтому строгий ответ на вопрос «qwen или deepseek что лучше по цене» выглядит двусоставным: по фактическим списаниям в двух тестах дешевле работал DeepSeek, а сопоставить старшие модели по опубликованным ставкам сегодня попросту не на чем — одной из двух цен в открытом доступе нет.
Открытые веса, лицензии и данные
Веса выкладывают обе стороны, и на этом сходство заканчивается: условия использования у них разные.
У Qwen большая часть открытых моделей идёт под Apache 2.0 — это Qwen3.5 в размерах от 9 до 397 миллиардов параметров, Qwen3.6-27B, Qwen3-Coder-Next и младшая Qwen3.8-27B. А старшая Qwen3.8-2.4T-A95B выпущена под собственной лицензией «Qwen3.8-Max License». Коммерческое использование она разрешает, но с условиями: при аудитории свыше 100 миллионов активных пользователей в месяц или выручке свыше 20 миллионов долларов в месяц обязательна маркировка, а тому, кто продаёт доступ к модели как сервис, при выручке свыше 50 миллионов долларов нужна отдельная лицензия. Частного разработчика и небольшую команду это не касается, крупный продукт — касается.
У DeepSeek условие одно: лицензия на веса и код — MIT, без порогов по выручке и аудитории.
Теперь про «скачать и запустить у себя». Официальных требований к видеопамяти Qwen не публикует, но для старшей модели существуют 24 квантованные сборки под llama.cpp, LM Studio и Ollama. Это не значит, что модель на 2,4 триллиона параметров поедет на рабочем ноутбуке: квантование уменьшает файлы, но порядок величины остаётся серверным. У DeepSeek в официальной инструкции запуск старшей модели показан на сервере с четырьмя ускорителями NVIDIA GB300. Вывод для обеих линеек одинаковый: свободная лицензия даёт право развернуть модель в своём контуре тому, у кого такой контур с серверными ускорителями уже есть.
Про данные — коротко и только цитатами. Оператор сервиса Qwen — Alibaba Cloud (Singapore) Private Limited, применимое право и суды сингапурские, политика обновлена 19 мая 2026 года. О хранении в ней сказано дословно: «We store or process personal data … in Singapore and Mainland China» — данные обрабатываются и в Сингапуре, и в материковом Китае. Среди целей обработки указано обучение: «To train and improve … our AI models» на «De-identified User Content», то есть на обезличенном пользовательском содержимом; отдельной галочки отказа документы не описывают, права реализуются через аккаунт или обращение к ответственному за защиту данных. В пользовательском соглашении есть фраза, которую стоит прочитать до загрузки рабочих файлов: «all User Content shall be deemed to be non-confidential and non-proprietary».
У DeepSeek оператор зарегистрирован в Китае, и там же, по политике, происходит обработка и хранение; полный разбор формулировок вместе с порядком отказа от обучения на переписке приведён в статье о линейке, на которую дана ссылка выше. Общее для обеих сторон одно: сравнивать имеет смысл не ощущения, а конкретные пункты документов применительно к своим данным.
Что выбрать под задачу
| Что требуется | Что ближе | На чём основан вывод |
|---|---|---|
| Максимальная экономия на потоке однотипных задач | DeepSeek V4 Flash | NullsCode, 04.08.2026: 18 центов против 3 долларов 32 центов на симуляторе ОС; 15 центов против 1 доллара 23 центов на веб-приложении |
| Результат, пригодный с первого захода | Qwen 3.8 Max | NullsCode: «у Квена результаты намного-намного лучше из первого раза» |
| Быстрая починка чужого кода | Qwen 3.8 Max | Fahd Mirza, 04.08.2026: все три модели исправили все ошибки, но у DeepSeek ушло около 23 минут против 6 минут 37 секунд |
| Мобильное приложение | DeepSeek V4 Flash | NullsCode: у Qwen приложение зависло, DeepSeek собрал рабочее со всем функционалом |
| Страница, которую показывают людям | Qwen 3.8 Max | Fahd Mirza: «Qwen выигрывает по вкусу» |
| Детально проработанная техническая сцена | DeepSeek V4 Flash | Fahd Mirza: «DeepSeek выигрывает по детальности» |
| Модель в своём контуре без условий по выручке | DeepSeek | Лицензия MIT против собственной лицензии старшей Qwen с порогами по аудитории и выручке |
| Бюджет не ограничен | Западные флагманы | NullsCode: «если есть бюджет — лучше используйте [Claude], GPT, Kimi, даже GLM» |
Последняя строка — не наша вставка, а прямой вывод автора, который в том же тесте отдал победу DeepSeek. Обзор западных линеек с назначением и ценами собран отдельно: лучшие нейросети. А как китайская модель выглядит в паре с американским флагманом на одинаковых заданиях, разобрано здесь: DeepSeek или ChatGPT.
Есть и наблюдение, которое таблицей не передаётся. Ни в одном задании разрыв не оказался таким, чтобы одна модель полностью закрывала другую: каждый раз одна выигрывала деньгами, другая — временем либо внешним видом результата. Поэтому китайские нейросети сравнение выдерживают только на конкретной работе: берите своё обычное задание, прогоняйте через обе и смотрите на собственное списание, а не на общий счёт из чужого ролика.
Если нужны модели сильнее
Скажем прямо, без обходных формулировок: текстовых моделей ни Qwen, ни DeepSeek у GEN202 нет — обе китайские линейки отвечают на текст только через собственные интерфейсы разработчиков. Из картиночных моделей Qwen по ключу работают три: Qwen Image, Qwen Z-Image и Qwen2 Image Edit для правки готового изображения. Зато собраны как раз те модели, к которым отсылает вывод русскоязычного автора про бюджет: GPT-5.6, Claude, Gemini и Grok работают по одному ключу, оплата рублями, зарубежная карта не понадобится.
Ставки GEN202 за миллион токенов: GPT-5.6 Terra — 180 ₽ на вход и 1080 ₽ на выход. На новый аккаунт зачисляются приветственные кредиты — 50 (25 ₽). Этого хватает, чтобы отправить своё настоящее задание в несколько моделей подряд и сравнить ответы между собой. Ставить такой опыт удобнее всего в чате: свой фрагмент кода вставляется прямо в сообщение, а имя линейки меняется в списке над полем ввода. Весь перечень со ставками — в каталоге.
FAQ
Что лучше: deepseek или qwen? Общего ответа два теста не дали, и авторы разошлись. В разборе NullsCode от 4 августа 2026 года победа по сумме четырёх заданий у DeepSeek V4 Flash, решающим доводом стала цена. В разборе Fahd Mirza от того же дня победа у Qwen 3.8 Max: при равной корректности всех участников на починке кода он сработал заметно быстрее и точнее по методу. Практический ориентир такой: если считаете деньги — DeepSeek, если нужен пригодный результат с первой попытки — Qwen. И оговорка от первого автора: при свободном бюджете он советует не китайские модели, а западные.
Какая из двух дешевле? По фактическим списаниям в тестах — DeepSeek, с большим отрывом: 18 центов против 3 долларов 32 центов на одном задании, 15 центов против 1 доллара 23 центов на другом, 24 цента против 1 доллара 31 цента на третьем. По опубликованным ставкам прямое сопоставление старших моделей невозможно: цена флагмана Qwen на странице цен не приведена. Из того, что опубликовано, у Qwen: qwen-plus — 0,4 и 1,6 доллара, qwen-flash — 0,05 и 0,4; у DeepSeek младшая модель в непиковые часы — 0,22 и 0,66.
Можно ли скачать их и запустить у себя? Веса открыты у обеих сторон, но условия разные. У Qwen большинство открытых моделей выпущено под Apache 2.0, а старшая Qwen3.8-2.4T-A95B — под собственной лицензией с условиями по аудитории и выручке. У DeepSeek на веса действует MIT без таких порогов. Про железо: официальных требований к видеопамяти Qwen не публикует, но для старшей модели есть 24 квантованные сборки под llama.cpp, LM Studio и Ollama; у DeepSeek официальный пример запуска старшей модели рассчитан на сервер с четырьмя ускорителями NVIDIA GB300. Флагманы обеих линеек — это оборудование дата-центра, а не домашний компьютер.
Есть ли официальное сравнение Qwen и DeepSeek между собой? Для актуальных версий — нет. В анонсе Qwen3.8-Max от начала августа 2026 года DeepSeek не упоминается вовсе: разработчик сравнивает свою модель с Claude Opus 4.8 и Fable 5, GPT-5.6 Sol и Gemini 3.1 Pro. Единственное официальное сопоставление относится к анонсу Qwen3.7 от 21 мая 2026 года: SWE-Verified 80,4 против 80,6 у DeepSeek V4-Pro в режиме max, IMOAnswerBench 90 против 89,8, Apex 44,5 против 38,3. Это самозаявленные результаты одной стороны и предыдущее поколение обеих линеек, так что переносить их на сегодняшние модели нельзя.