DeepSeek V4 Pro custa metade do preço do Qwen3.6 27B no token de saída

Você viu o lançamento do Qwen3.6 27B em abril e pensou: "input mais barato, modelo denso, dá pra rodar local". A conta fecha só no papel. O DeepSeek V4 Pro 0423 custa 38% menos por milhão de tokens no uso típico — e ainda entrega 7,5 pontos a mais de inteligência.

Os dois modelos compartilham três pontos em comum: são chineses, são open-weights e têm raciocínio nativo. Mas a estrutura de preço mostra que o "input barato" do Qwen só compensa em cenários muito específicos.

O tamanho real do buraco

O DeepSeek V4 Pro 0423 marca 45,27 no índice de inteligência. O Qwen3.6 27B marca 37,70. A diferença de 7,57 pontos não é ruído: ela coloca o DeepSeek no pódio dos modelos acima de IQ 45 do catálogo — ao lado de Gemini 3.1 Pro Preview e GPT-5.3-Codex, como você vê no panorama abaixo.

A diferença também aparece nas habilidades específicas. Em codificação, o DeepSeek marca 59,36 contra 53,72 do Qwen. Em agentic tasks — uso de ferramentas, navegação em múltiplos passos — a distância explode: 37,81 contra 27,51, quase 38% a mais. Se você está montando um agente, isso não é detalhe, é o produto.

O Qwen3.6 27B fica numa faixa intermediária. Não é modelo barato barato, não é modelo topo. É modelo denso de 27,8 bilhões de parâmetros, com a vantagem concreta de caber em uma única GPU de 80GB sem quantização agressiva.

A armadilha do "input mais barato"

O Qwen cobra US$ 0,60 por milhão de tokens de entrada contra US$ 0,87 do DeepSeek. Parece vantagem — até você olhar a saída: US$ 3,60 contra US$ 1,74. O Qwen custa mais que o dobro por token gerado.

Para a maioria das aplicações reais (chat, agentes, geração de código, sumarização), o volume de saída supera ou equilibra o de entrada. Em workloads típicos 1:1, o Qwen cobra US$ 4,20 por milhão de tokens mistos; o DeepSeek, US$ 2,61. A conta mensal muda de faixa.

E o cache? US$ 0,0725 no DeepSeek, US$ 0,12 no Qwen. Mesma direção da saída: o DeepSeek é mais barato. Para sistemas que reusam prompts longos (RAG, system prompts, exemplos few-shot), essa diferença se acumula rápido.

Onde o Qwen3.6 27B realmente vence

Multimodalidade. O Qwen aceita texto, imagem e vídeo como entrada. O DeepSeek V4 Pro 0423 é estritamente text-to-text. Se o seu pipeline precisa entender um print de erro, um frame de câmera de segurança, um slide de apresentação ou um vídeo curto, o Qwen é a única opção da dupla — e uma das poucas do catálogo com vídeo de verdade.

A janela de contexto também pesa: 1.048.576 tokens no DeepSeek contra 262.144 no Qwen. Quatro vezes mais espaço. Para RAG com documentos extensos, análise de repositórios inteiros ou sessões longas de agente, essa diferença é o que decide se você precisa truncar.

Velocidade de geração: DeepSeek 57,82 tokens/s, Qwen 49,50. Vantagem pequena, mas existe, e ajuda em UX conversacional.

Quem escolhe o quê

Escolha o DeepSeek V4 Pro 0423 se você roda agentes, gera código, faz RAG com contexto longo e não precisa processar imagem ou vídeo. É mais barato, mais inteligente, mais rápido, aguenta quatro vezes mais contexto e ainda roda em arquitetura MoE (1,6T totais, 49B ativos por token) — o que dá mais capacidade sem o custo de inferência de um denso equivalente.

Escolha o Qwen3.6 27B se o seu caso de uso é multimodal — análise de vídeo, OCR de imagem, extração de dados visuais —, se o seu tráfego é massivamente dominado por entrada com pouquíssima saída (raro fora de classificação e embedding), ou se você precisa de um modelo denso pequeno o suficiente para self-host em uma única GPU de 80GB sem complicação.

A versão direta: o Qwen3.6 27B não é mau negócio pelo que é, mas está sendo comparado com o que provavelmente é o melhor custo-benefício do mercado aberto hoje. Em trabalho puramente textual, perde em quase tudo.