Qwen3.8 Max vs DeepSeek V4 Pro: 58 vs 53, Prezzo 3x

Il 3 agosto 2026 Alibaba ha portato Qwen3.8 Max dalla fase di anteprima alla disponibilità generale. Dieci giorni dopo, il 13 agosto, DeepSeek ha risposto facendo uscire dalla preview la sua build V4 Pro 0813, lo stesso ID di modello che da aprile girava in versione ridotta. Nel giro di due settimane i due laboratori cinesi più seguiti del 2026 hanno rimesso in discussione la gerarchia dei modelli open-weight, e per chi lavora con le API ogni giorno la domanda pratica è semplice: quale dei due conviene usare, e per cosa. Questo confronto mette a fianco specifiche, prezzi e punteggi verificati da più fonti indipendenti, senza girare intorno alle schede tecniche ufficiali che, va detto, restano ancora incomplete su alcuni punti. Analizziamo architettura, costi API, benchmark pubblicati da aggregatori terzi, casi d’uso concreti e una guida pratica per chi deve decidere quale integrare per primo, con particolare attenzione a cosa cambia per chi opera in Italia e nel resto dell’Unione Europea.

Qwen3.8 Max e DeepSeek V4 Pro: chi sono e perché contano ora

Qwen3.8 Max è il modello di punta della famiglia Qwen di Alibaba: un’architettura Mixture-of-Experts sparsa da 2,4 trilioni di parametri totali, di cui circa 95 miliardi attivi per ogni passaggio in avanti, con una finestra di contesto dichiarata da 1 milione di token. Secondo Spheron Network e DevelopersDigest, il rapporto di attivazione si aggira intorno al 4%, un numero che spiega perché Alibaba riesca a tenere i prezzi API relativamente contenuti nonostante la mole del modello.

DeepSeek V4 Pro 0813, dal canto suo, è la build generalmente disponibile che sostituisce la preview di aprile mantenendo lo stesso identificativo. Secondo Unite.AI, che cita la scheda del modello su Hugging Face, si tratta di un sistema Mixture-of-Experts da 1,6 trilioni di parametri totali con 49 miliardi attivi per token: più piccolo di Qwen3.8 Max su entrambe le metriche, ma con una finestra di contesto leggermente più ampia, 1.048.576 token contro il milione tondo di Qwen.

Il contesto in cui arrivano i due modelli non è casuale. Ad agosto 2026 il mercato dei modelli linguistici cinesi si è fatto affollato: Kimi K3 di Moonshot, GLM-5.2 di Zhipu, e ora questi due contendenti, si contendono lo stesso spazio di clienti enterprise che cercano prestazioni vicine alla frontiera a un prezzo che i modelli americani semplicemente non offrono. Secondo Memeburn, l’indice di intelligenza di DeepSeek V4 Pro sull’Artificial Analysis Intelligence Index è salito da 45 a 53 con questa release, pareggiando GLM-5.2 ma restando comunque dietro sia a Qwen3.8 Max (58) sia a Kimi K3 (60).

Architettura e specifiche tecniche a confronto

Sulla carta, i due modelli seguono filosofie diverse. Qwen3.8 Max punta sulla scala: più parametri totali, più esperti attivabili, un’architettura che Alibaba descrive come MoE sparsa a attenzione ibrida costruita sulla base di Qwen 3.5. DeepSeek V4 Pro 0813 resta più compatto ma dichiara una finestra di contesto leggermente superiore e, soprattutto secondo llm-stats.com, punteggi molto competitivi sui benchmark orientati agli agenti e all’uso di strumenti, l’area in cui DeepSeek ha investito di più nelle ultime release.

Una differenza che pesa concretamente sulle scelte di prodotto riguarda la multimodalità. Qwen3.8 Max accetta input testo, immagini e video, secondo quanto riportato da DigitalApplied e Yottalabs, anche se Alibaba non ha ancora pubblicato una scheda tecnica completa su tutte le modalità supportate (c’è chi cita anche audio e generazione di immagini, ma senza conferma ufficiale). DeepSeek V4 Pro 0813, invece, resta un modello testuale puro: nessun input visivo, secondo la pagina prezzi ufficiale citata da Ofox.ai. Per chi deve elaborare documenti scansionati, screenshot o contenuti video, questa è già una discriminante che riduce il confronto a un solo candidato.

Vale la pena soffermarsi anche sul rapporto tra parametri totali e parametri attivi, perché è quello che determina il costo computazionale reale di ogni richiesta. Qwen3.8 Max attiva circa 95 miliardi di parametri su un totale di 2,4 trilioni, un rapporto del 4% circa. DeepSeek V4 Pro 0813 attiva 49 miliardi su 1,6 trilioni, un rapporto leggermente superiore in percentuale ma in termini assoluti quasi la metà dei parametri attivi di Qwen. Questo spiega, almeno in parte, sia la differenza di prezzo sia quella di latenza: un modello che attiva meno parametri per token tende a essere più veloce e più economico da servire, a patto che l’architettura riesca comunque a mantenere una qualità di output competitiva. I dati di Terminal-Bench 2.1 suggeriscono che DeepSeek ci sia riuscito, almeno sui task orientati agli strumenti.

Caratteristica	Qwen3.8 Max	DeepSeek V4 Pro 0813
Sviluppatore	Alibaba	DeepSeek
Data di disponibilità generale	3 agosto 2026	13 agosto 2026
Architettura	MoE sparsa, attenzione ibrida	MoE
Parametri totali	2,4 trilioni	1,6 trilioni
Parametri attivi per token	~95 miliardi	49 miliardi
Finestra di contesto	1.000.000 token	1.048.576 token
Output massimo	131.072 token	384.000 token
Input multimodale	Testo, immagini, video	Solo testo
Pesi aperti	Variante Qwen3.8-2.4T-A95B, rilasciata il 13 agosto 2026	Componenti open source citate, licenza non specificata nelle fonti
Prezzo input (per milione di token)	2,00 $	0,435 $ (poi 0,66 $ da metà agosto)
Prezzo output (per milione di token)	6,00 $	0,87 $ (poi 1,98 $ da metà agosto)
Cache read (implicita)	0,25 $ per milione	0,022 $ per milione (via OpenRouter)

Va segnalato un punto di attenzione sulle licenze: nessuna delle fonti raccolte cita in modo esplicito il nome preciso della licenza open-weight per nessuno dei due modelli (né “Apache 2.0”, né una eventuale “Qwen License” o equivalente DeepSeek). Prima di un uso commerciale su larga scala, verificate i termini direttamente sulle pagine ufficiali di Alibaba Cloud e DeepSeek, perché le condizioni possono cambiare a ogni release.

Benchmark: cosa dicono le fonti indipendenti

Qui le cose si fanno interessanti, perché a differenza di molte battaglie di marketing tra i laboratori americani, in questo caso esistono più aggregatori terzi che hanno testato entrambi i modelli con gli stessi metodi.

Artificial Analysis Intelligence Index

Sulla pagina di confronto diretto di Artificial Analysis, Qwen3.8 Max ottiene un punteggio di 58 sull’Intelligence Index contro il 53 di DeepSeek V4 Pro 0813 in modalità Reasoning a Max Effort. Sullo stesso indice, Qwen3.8 Max porta a casa anche un Coding Index di 71,8 e un Agentic Index di 58, punteggi che secondo OrcaRouter lo rendono “il laboratorio cinese più vicino alla cima della classifica agentica” al momento della pubblicazione.

Terminal-Bench 2.1 e benchmark orientati agli strumenti

Su questo fronte lo scenario si ribalta parzialmente. Secondo AIReleaseTracker, su Terminal-Bench 2.1 (un test che misura l’uso pratico del terminale e l’automazione) DeepSeek V4 Pro 0813 segna 87,9% contro l’86,6% di Qwen3.8 Max: un margine sottile, meno di un punto e mezzo percentuale, ma è l’unico benchmark diretto in cui i due modelli sono stati misurati con lo stesso metro secondo questa fonte. Anche llm-stats.com conferma lo stesso 87,9% per DeepSeek su Terminal-Bench 2.1, e aggiunge che il modello DeepSeek vince su 6 benchmark orientati agli agenti (tra cui Humanity’s Last Exam, NL2Repo e Toolathlon) contro un solo benchmark in cui prevale Qwen3.8 Max (Agents’ Last Exam).

Latenza e velocità

Sul fronte della reattività, OrcaRouter riporta una differenza netta: la latenza mediana (p50) di DeepSeek V4 Pro 0813 è di 786 millisecondi, contro i 5.142 millisecondi di Qwen3.8 Max, l’85% più lento secondo la stessa fonte. Sul punteggio di qualità composito calcolato da OrcaRouter, però, Qwen3.8 Max segna 9,0 contro il 7,0 di DeepSeek, un 29% in più. In pratica: DeepSeek risponde molto più in fretta, Qwen tende a produrre risposte giudicate qualitativamente superiori nello stesso test.

Benchmark	Fonte	Qwen3.8 Max	DeepSeek V4 Pro 0813
Artificial Analysis Intelligence Index	artificialanalysis.ai	58	53
Artificial Analysis Coding Index	artificialanalysis.ai (via OrcaRouter)	71,8	non riportato
Artificial Analysis Agentic Index	artificialanalysis.ai (via OrcaRouter)	58	non riportato
Terminal-Bench 2.1	AIReleaseTracker / llm-stats.com	86,6%	87,9%
Toolathlon-Verified	llm-stats.com	non riportato	74,1%
Latenza mediana (p50)	OrcaRouter	5.142 ms	786 ms
Punteggio qualità composito	OrcaRouter	9,0	7,0
Agent leaderboard (code)	arena.ai	13,76%	non riportato

Va detto con onestà che né MMLU né GPQA né AIME compaiono con numeri diretti e comparabili tra i due modelli nelle fonti raccolte: i laboratori pubblicano set di benchmark diversi e gli aggregatori terzi non li hanno ancora normalizzati tutti sugli stessi assi. Chi valuta un cambio di modello dovrebbe quindi condurre un proprio benchmark interno sui task reali prima di firmare un contratto annuale, anche se i punteggi di Artificial Analysis e Terminal-Bench danno già un’indicazione solida della direzione generale.

Prezzi API: la differenza che conta davvero

Se il confronto sui benchmark è relativamente equilibrato, quello sui prezzi non lo è affatto. Qwen3.8 Max costa 2,00 dollari per milione di token in input e 6,00 dollari per milione in output secondo il listino ufficiale di Alibaba Cloud, confermato anche dalla pagina di OpenRouter. DeepSeek V4 Pro 0813 è partito a 0,435 dollari per milione in input e 0,87 dollari in output, ma secondo Ofox.ai e DataNorth.ai questi prezzi sono saliti dal 16 agosto 2026 a 0,66 dollari in input e 1,98 dollari in output nelle fasce di punta, con tariffe leggermente più basse fuori orario di picco. La pagina di OpenRouter per DeepSeek V4 Pro 0813 conferma gli 0,66 dollari in input e 1,98 in output, con una cache read a soli 0,022 dollari per milione di token, una frazione di quella di Qwen.

Anche dopo l’aumento, DeepSeek resta significativamente più economico su entrambe le direzioni. Per un carico di lavoro tipico, con un rapporto realistico di token in output più costosi rispetto all’input, il divario si aggira intorno a un fattore da 3 a 4 volte a favore di DeepSeek, un numero che su una fattura mensile enterprise da centinaia di milioni di token si traduce in una differenza a cinque zeri.

Voce di prezzo	Qwen3.8 Max	DeepSeek V4 Pro 0813 (post 16/08)
Input per milione di token	2,00 $	0,66 $
Output per milione di token	6,00 $	1,98 $
Cache read (implicita)	0,25 $	0,022 $
Cache creation esplicita	2,50 $	non riportato
Prezzo “blended” indicativo	~3,00 $ per milione	~1,00 $ per milione
Piano gratuito	Nessuno riportato nelle fonti	Nessuno riportato nelle fonti

Nessuna delle fonti consultate menziona esplicitamente un piano gratuito per l’uno o l’altro modello via API ufficiale: se lo cercate, verificate direttamente sulle console di Alibaba Cloud e DeepSeek Platform, perché le promozioni di lancio cambiano spesso nell’arco di poche settimane, come dimostra proprio l’aumento di prezzo di DeepSeek a metà agosto.

Disponibilità: dove trovare i due modelli

Entrambi i modelli sono raggiungibili tramite le rispettive API ufficiali (Alibaba Qwen Cloud per Qwen3.8 Max, DeepSeek Platform per V4 Pro 0813) e tramite router multi-provider come OpenRouter, che elenca pagine dedicate per entrambi con pricing e benchmark aggiornati. DeepSeek V4 Pro 0813 è presente anche su Puter.js, che riporta un prezzo scontato rispetto al listino diretto (0,38 dollari in input e 1,14 in output secondo la pagina del developer), un dettaglio utile per chi cerca un accesso più economico tramite piattaforme terze. Per Qwen3.8 Max, Spheron Network offre indicazioni su come effettuare il self-hosting della variante a pesi aperti su cluster GPU, segno che almeno una parte del modello è scaricabile e distribuibile autonomamente, anche se la scheda tecnica completa non è ancora stata pubblicata da Alibaba secondo Yottalabs.

Per i team che valutano il self-hosting, vale la pena ricordare che un modello da 2,4 trilioni di parametri totali, anche con solo 95 miliardi attivi per token, richiede comunque una quantità di memoria GPU non banale per caricare l’intero set di esperti, anche se ne viene attivata solo una frazione a ogni passaggio. Le guide di deployment consultate parlano di configurazioni multi-GPU con decine o centinaia di gigabyte di VRAM complessiva, un investimento infrastrutturale che ha senso solo per organizzazioni con volumi di richieste sufficientemente alti da giustificare il costo fisso rispetto al pagamento a consumo tramite API.

Cinque casi d’uso reali: quale modello scegliere

Le specifiche tecniche contano fino a un certo punto. Quello che conta davvero è come i due modelli si comportano sui task che un’azienda affronta ogni giorno. Ecco cinque scenari concreti in cui la scelta cambia in base ai dati raccolti.

Chatbot di supporto clienti ad alto volume. Con centinaia di migliaia di richieste al giorno, il prezzo per milione di token diventa la variabile dominante. DeepSeek V4 Pro 0813, con un costo blended stimato intorno a un terzo di quello di Qwen3.8 Max, è la scelta più razionale, soprattutto se il carico è prevalentemente testuale.
Elaborazione di documenti scansionati o screenshot. Qui la scelta è quasi obbligata: DeepSeek V4 Pro 0813 non accetta input visivi, mentre Qwen3.8 Max gestisce testo, immagini e video nella stessa richiesta.
Automazione da terminale e agenti che eseguono comandi. Sul benchmark Terminal-Bench 2.1, DeepSeek V4 Pro 0813 ha un margine, seppur ridotto, sopra Qwen3.8 Max (87,9% contro 86,6%), e i dati di llm-stats.com mostrano un vantaggio più ampio di DeepSeek su una serie di benchmark orientati agli strumenti come Toolathlon e NL2Repo.
Applicazioni interattive sensibili alla latenza. Con una latenza mediana di 786 millisecondi contro i 5.142 di Qwen secondo OrcaRouter, DeepSeek V4 Pro 0813 è nettamente più adatto a interfacce conversazionali in tempo reale, chat live o assistenti vocali dove ogni secondo di attesa pesa sull’esperienza utente.
Ricerca e analisi che richiedono qualità di ragionamento massima. Se il budget non è il vincolo principale e serve il punteggio di intelligenza più alto disponibile tra i due, l’Intelligence Index di Artificial Analysis premia Qwen3.8 Max (58 contro 53), e il punteggio di qualità composito di OrcaRouter conferma la stessa direzione (9,0 contro 7,0).

Guida alla migrazione: passare da un modello all’altro

Chi già lavora con l’API di uno dei due modelli e valuta un cambio (o l’aggiunta di un secondo provider come fallback) può seguire questo percorso pratico.

Mappate i vostri prompt di produzione e isolate quelli che sfruttano input multimodali: quelli non sono portabili verso DeepSeek V4 Pro 0813 senza una riscrittura della pipeline, dato che il modello è testo puro.
Attivate un account di test su entrambe le piattaforme (Alibaba Cloud e DeepSeek Platform, oppure passate da un router come OpenRouter per testare entrambi con la stessa integrazione).
Eseguite un benchmark A/B sui vostri dataset reali, non solo sui punteggi pubblici: i punteggi di Artificial Analysis e Terminal-Bench sono indicativi ma non sostituiscono un test sul vostro caso d’uso specifico.
Misurate la latenza end-to-end nel vostro ambiente di rete, non solo quella dichiarata dai benchmark terzi, perché la posizione geografica dei data center incide molto sul risultato percepito.
Calcolate il costo mensile proiettato usando il vostro rapporto reale input/output, non un rapporto teorico 1:1, perché l’output pesa quasi tre volte più dell’input su entrambi i listini.
Verificate i termini di licenza aggiornati direttamente sulle pagine ufficiali prima di qualsiasi uso commerciale, dato che nessuna fonte terza raccolta specifica con certezza il tipo esatto di licenza open-weight in vigore in questo momento.
Impostate un sistema di failover automatico tra i due provider se la vostra applicazione è mission-critical, sfruttando un router multi-provider per ridurre il rischio di interruzioni da un singolo fornitore.
Rivalutate il confronto ogni 60-90 giorni: la cronologia recente, con l’Intelligence Index di DeepSeek salito da 45 a 53 in una sola release e i prezzi rivisti a due settimane dal lancio, mostra quanto velocemente cambino sia le prestazioni sia i costi in questo segmento.

Pro e contro di Qwen3.8 Max

Vantaggi: punteggio di intelligenza più alto sull’Artificial Analysis Intelligence Index (58 contro 53), supporto multimodale con testo, immagini e video, parametri totali e attivi superiori, una variante a pesi aperti (Qwen3.8-2.4T-A95B) resa disponibile lo stesso mese del lancio, punteggio di qualità composito più alto secondo OrcaRouter.

Svantaggi: prezzo API da 2 a 3 volte superiore a DeepSeek su entrambe le direzioni, latenza mediana molto più alta (5.142 ms contro 786 ms secondo OrcaRouter), scheda tecnica ufficiale ancora incompleta su alcune modalità (audio e generazione immagini restano “riportate” ma non confermate ufficialmente da Alibaba), nessun punteggio pubblico su Terminal-Bench superiore a DeepSeek.

Pro e contro di DeepSeek V4 Pro 0813

Vantaggi: prezzo nettamente più basso su input e output, anche dopo l’aumento di metà agosto, latenza mediana molto più bassa, leggero vantaggio su Terminal-Bench 2.1 (87,9% contro 86,6%), vantaggio più ampio sui benchmark orientati agli strumenti e agli agenti secondo llm-stats.com, finestra di output molto più ampia (384.000 token contro 131.072).

Svantaggi: nessun supporto multimodale, modello testo puro secondo la pagina prezzi ufficiale, punteggio di intelligenza generale più basso sull’Artificial Analysis Index, aumento di prezzo già avvenuto a due settimane dal lancio della build 0813, un precedente che suggerisce cautela nel proiettare i costi a lungo termine.

Il verdetto: quale modello vince, e per chi

Non esiste un vincitore assoluto tra Qwen3.8 Max e DeepSeek V4 Pro 0813, e i dati raccolti lo confermano più che smentirlo. Se il criterio è il rapporto qualità-prezzo su carichi di lavoro testuali ad alto volume, con priorità sulla velocità di risposta, DeepSeek V4 Pro 0813 vince nettamente: costa da 3 a 4 volte meno, risponde 6-7 volte più in fretta secondo i dati di latenza di OrcaRouter, e mantiene un vantaggio, seppur sottile, sui benchmark orientati agli agenti come Terminal-Bench 2.1 e Toolathlon.

Se invece il criterio è la qualità di ragionamento generale e la necessità di elaborare contenuti multimodali, testo insieme a immagini o video nella stessa pipeline, Qwen3.8 Max resta l’unica opzione tra i due: il suo punteggio più alto sull’Intelligence Index (58 contro 53) e il supporto nativo per input visivi coprono un caso d’uso che DeepSeek, allo stato attuale, semplicemente non serve. La scelta, in altre parole, dipende meno da “quale modello è più bravo in assoluto” e più da quale delle due colonne della tabella dei prezzi il vostro budget può permettersi di ignorare.

Per i team che devono decidere senza margine per un test prolungato, una regola pratica emersa dai dati raccolti: se più del 60% del vostro traffico è testo puro e la latenza percepita dall’utente conta più della qualità marginale della risposta, partite da DeepSeek V4 Pro 0813 e usate il risparmio sui costi per finanziare un secondo livello di verifica automatica sulle risposte critiche. Se invece il vostro prodotto dipende da input visivi o da un ragionamento più profondo su problemi complessi, il costo più alto di Qwen3.8 Max si giustifica da solo, e il divario di prezzo diventa una voce di budget da pianificare piuttosto che un ostacolo da aggirare.

Il quadro più ampio: la corsa dei modelli open-weight cinesi

Qwen3.8 Max e DeepSeek V4 Pro 0813 non competono in un vuoto. Secondo Qiita e Memeburn, nello stesso periodo Kimi K3 di Moonshot ha raggiunto un Intelligence Index di 60, superando entrambi i modelli di questo confronto, mentre GLM-5.2 di Zhipu si è agganciato al 53 di DeepSeek. Il ritmo di rilascio si è fatto serrato: agosto 2026 ha visto anche Gemini 3.7 Flash di Google (13 agosto), Qwen3.8-Flash-Next di Alibaba, e Grok 4.6 di xAI (12 agosto), tutti nello stesso arco di poche settimane. Per chi acquista capacità computazionale su base mensile, questo significa che qualsiasi confronto statico rischia di invecchiare in fretta: i numeri di questo articolo fotografano la situazione al 26 agosto 2026, ma vale la pena ricontrollarli prima di firmare un contratto pluriennale.

Un altro elemento da tenere d’occhio è la traiettoria dei prezzi. L’aumento di DeepSeek a due settimane dal lancio della 0813 non è un caso isolato: diversi laboratori cinesi hanno adottato uno schema simile, prezzi di lancio aggressivi per guadagnare quota di mercato, seguiti da rialzi una volta consolidata la base di utenti. Chi pianifica un’integrazione a lungo termine dovrebbe costruire margine nel budget per un possibile aumento del 50-100% nei primi tre-sei mesi dopo il lancio di un nuovo modello.

C’è anche un aspetto meno visibile ma altrettanto rilevante: la velocità con cui gli aggregatori indipendenti riescono a testare e pubblicare punteggi comparabili si sta accorciando insieme al ciclo di rilascio dei modelli. Se un tempo un nuovo modello frontier restava “il migliore disponibile” per mesi, ora la finestra si misura in settimane: Qwen3.8 Max ha avuto poco più di una settimana di vantaggio prima che DeepSeek V4 Pro 0813 restringesse parte del divario sui benchmark orientati agli agenti, e nel giro di pochi giorni sono arrivati anche Gemini 3.7 Flash e Grok 4.6 a complicare ulteriormente il quadro. Per i team tecnici, la conseguenza pratica è che vale la pena costruire l’integrazione con un livello di astrazione che permetta di cambiare provider senza riscrivere l’intera pipeline, un router multi-provider o un livello middleware proprietario, invece di legarsi a doppio filo a un singolo modello.

Come abbiamo verificato i dati

Ogni cifra numerica in questo articolo, dal conteggio dei parametri ai prezzi API fino ai punteggi benchmark, proviene da una fonte pubblica verificabile e datata ad agosto 2026: le pagine ufficiali di pricing di Alibaba Cloud e DeepSeek Platform, gli aggregatori indipendenti Artificial Analysis, llm-stats.com, AIReleaseTracker, OrcaRouter e BenchLM.ai, oltre a testate specializzate come Unite.AI e DataNorth.ai. Dove le fonti non riportavano un dato, come i punteggi MMLU o GPQA diretti per entrambi i modelli, o il nome esatto della licenza open-weight, lo abbiamo segnalato esplicitamente invece di stimarlo, perché in un campo che cambia ogni due settimane la trasparenza sui limiti dei dati vale più di un numero inventato.

Cinque scenari pratici: quanto costa davvero usarli

I listini dicono molto, ma diventano concreti solo quando li si applica a un volume di traffico realistico. Ecco cinque scenari di utilizzo, costruiti sui prezzi ufficiali riportati sopra, che aiutano a capire dove la differenza tra i due modelli pesa davvero sul bilancio.

Startup SaaS con 50 milioni di token al mese (rapporto 1:3 input/output). Con Qwen3.8 Max, la spesa mensile si aggira sui 275 dollari (12,5 milioni di token in input a 2,00 $ più 37,5 milioni in output a 6,00 $). Con DeepSeek V4 Pro 0813 al prezzo post-aumento, la stessa spesa scende a circa 85 dollari: una differenza di oltre 3 volte che, su base annua, vale la differenza tra una riga di budget marginale e una voce di spesa da monitorare con attenzione.
Software house che elabora contratti scansionati per un cliente enterprise italiano. Il flusso prevede OCR e comprensione di documenti PDF con tabelle e firme scansionate: un caso d’uso multimodale che DeepSeek V4 Pro 0813, testo puro, non può coprire da solo. Qui la scelta ricade su Qwen3.8 Max, eventualmente abbinato a un OCR esterno per contenere i costi sui documenti più semplici.
Agenzia che gestisce automazioni da riga di comando per il deployment di infrastrutture cliente. Con un carico orientato a Terminal-Bench-style task (script, pipeline CI/CD, diagnosi di errori), DeepSeek V4 Pro 0813 offre sia il punteggio più alto (87,9% contro 86,6%) sia la latenza più bassa, una combinazione che riduce sia i tempi di attesa degli sviluppatori sia il costo per iterazione.
Redazione che genera sintesi editoriali da fonti miste, testo e video. Un caso in cui la finestra multimodale di Qwen3.8 Max permette di alimentare direttamente clip video o screenshot di grafici senza una pipeline di trascrizione separata, un risparmio di tempo ingegneristico che compensa il prezzo più alto per token.
Team di data science che esegue migliaia di chiamate batch notturne per l’arricchimento di un catalogo prodotti. Trattandosi di un carico non sensibile alla latenza ma molto sensibile al costo, DeepSeek V4 Pro 0813 è la scelta quasi automatica: la differenza di 3-4 volte sul prezzo si traduce direttamente in margine, e la finestra di output da 384.000 token permette di processare batch più ampi in una singola chiamata rispetto ai 131.072 di Qwen.

Cosa cambia per le aziende italiane ed europee

Per un’azienda italiana o europea che valuta l’integrazione di uno di questi due modelli, il confronto tecnico è solo metà del lavoro. Sia Qwen3.8 Max sia DeepSeek V4 Pro 0813 sono sviluppati e, salvo diversa configurazione tramite router terzi, ospitati da laboratori cinesi, il che porta con sé domande che un modello con infrastruttura europea o statunitense non pone allo stesso modo: dove vengono elaborati i dati inviati in una richiesta API, quali garanzie contrattuali sono disponibili sul trattamento delle informazioni personali, e come si concilia l’uso di questi modelli con gli obblighi del GDPR quando nella richiesta compaiono dati di clienti o dipendenti.

La soluzione più diffusa tra le aziende europee che vogliono comunque sfruttare il rapporto qualità-prezzo di questi modelli passa per due strade: instradare il traffico tramite un provider intermedio che offre garanzie contrattuali esplicite sul trattamento dati (alcuni router multi-provider lo fanno), oppure limitare l’uso di questi modelli a task che non coinvolgono dati personali o informazioni riservate, riservando invece i flussi più sensibili a modelli con infrastruttura europea o a deployment on-premise tramite le varianti a pesi aperti, dove disponibili. Per Qwen3.8 Max, la variante open-weight Qwen3.8-2.4T-A95B rende almeno in teoria possibile un self-hosting su infrastruttura europea, un’opzione che elimina buona parte delle preoccupazioni sulla localizzazione dei dati ma richiede risorse GPU considerevoli, dato il numero di parametri attivi. Prima di qualsiasi implementazione in produzione su dati reali di cittadini europei, un confronto con il proprio ufficio legale o il DPO aziendale resta un passaggio da non saltare, indipendentemente da quale dei due modelli si scelga.

Domande frequenti

Qwen3.8 Max è open source?

Esiste una variante a pesi aperti, chiamata Qwen3.8-2.4T-A95B, resa disponibile il 13 agosto 2026 secondo CheapestInference. Il nome esatto della licenza e i termini per l’uso commerciale, però, non sono specificati con chiarezza nelle fonti raccolte: verificate direttamente sulla pagina ufficiale di Alibaba Cloud prima di un utilizzo in produzione.

DeepSeek V4 Pro 0813 supporta le immagini?

No. Secondo la pagina prezzi ufficiale citata da Ofox.ai, il modello è descritto come “solo testo” (text only), senza input multimodale. Per lavorare con immagini o video dovete rivolgervi a un modello diverso, come Qwen3.8 Max.

Qual è il modello più economico tra i due?

DeepSeek V4 Pro 0813, anche dopo l’aumento di prezzo del 16 agosto 2026. Costa 0,66 dollari per milione di token in input e 1,98 in output, contro i 2,00 e 6,00 dollari di Qwen3.8 Max, secondo i listini riportati da OpenRouter per entrambi i modelli.

Quale dei due modelli ha la finestra di contesto più ampia?

DeepSeek V4 Pro 0813, con 1.048.576 token contro il milione tondo di Qwen3.8 Max. La differenza è minima nella pratica, ma DeepSeek offre anche un output massimo molto più ampio: 384.000 token contro 131.072.

Qwen3.8 Max o DeepSeek V4 Pro 0813 è meglio per la programmazione?

Dipende dal benchmark. Su Terminal-Bench 2.1, orientato all’automazione da riga di comando, DeepSeek V4 Pro 0813 ha un leggero vantaggio (87,9% contro 86,6% secondo AIReleaseTracker). Sull’Artificial Analysis Coding Index, però, solo Qwen3.8 Max ha un punteggio pubblico riportato (71,8), mentre per DeepSeek non è stato trovato un valore equivalente nelle fonti consultate. Un test diretto sul vostro codice resta il modo più affidabile per decidere.

Esiste un piano gratuito per provare questi modelli?

Nessuna delle fonti consultate menziona un piano gratuito ufficiale per l’API diretta di Qwen3.8 Max o DeepSeek V4 Pro 0813. Alcune piattaforme terze come Puter.js offrono prezzi scontati rispetto al listino diretto per DeepSeek, ma non un accesso gratuito illimitato.

Quanto sono affidabili i benchmark riportati in questo confronto?

I punteggi provengono da aggregatori terzi indipendenti come Artificial Analysis, llm-stats.com e AIReleaseTracker, non dai laboratori stessi, il che riduce il rischio di numeri gonfiati a scopo di marketing. Detto questo, nessun benchmark pubblico sostituisce un test sui vostri task specifici: i punteggi aggregati danno una direzione generale, non una garanzia di prestazioni sul vostro caso d’uso.

Cosa succede se i prezzi cambiano di nuovo dopo la pubblicazione di questo articolo?

È scenario probabile, non ipotetico: DeepSeek V4 Pro 0813 ha già rivisto il proprio listino a soli tre giorni dal lancio della build, passando da 0,435 a 0,66 dollari per milione di token in input. Prima di basare un preventivo cliente o un piano tariffario sui numeri riportati in questo articolo, ricontrollate sempre le pagine ufficiali di pricing di Alibaba Cloud e DeepSeek Platform, oppure le pagine aggiornate in tempo reale di OpenRouter per entrambi i modelli, che tendono a riflettere le variazioni di prezzo più rapidamente della documentazione ufficiale.

Conviene usare un router come OpenRouter invece dell’API diretta?

Per chi vuole testare entrambi i modelli con un’unica integrazione tecnica, sì: OpenRouter espone pagine dedicate a prezzi e benchmark aggiornati per entrambi, permettendo di passare dall’uno all’altro senza riscrivere il codice di integrazione. Per un uso in produzione su larga scala, però, verificate se l’API diretta del laboratorio offre condizioni di prezzo o SLA migliori rispetto al router.

Qwen3.8 Max e DeepSeek V4 Pro 0813 possono essere usati insieme nella stessa applicazione?

Sì, ed è una strategia sempre più comune. Molti team instradano le richieste in base al tipo di contenuto: DeepSeek V4 Pro 0813 per il traffico testuale ad alto volume dove contano prezzo e velocità, Qwen3.8 Max per le richieste che coinvolgono immagini, video o dove serve il punteggio di ragionamento più alto. Un router come OpenRouter, che espone entrambi i modelli con un’unica interfaccia, rende questo tipo di instradamento condizionale relativamente semplice da implementare senza mantenere due integrazioni separate.

Qwen3.8 Max vs DeepSeek V4 Pro: 58 vs 53, Prezzo 3x [2026]