Eine generierte Titelkarte mit dem Text „Qwen 4 vs. GPT-6.1 Sol: das Modell, das pro Punkt nur ein Drittel kostet“, mit dem Untertitel „2,3 Cent pro Indexpunkt gegenüber 7,6 Cent, und eine 272.000-Token-Klippe, die die gesamte Anfrage neu bepreist“. Drei nummerierte Zeilen lauten: „Indexwert 42,9 gegenüber 54,6, Artificial Analysis v5.0.1“, „Kosten pro abgeschlossener Index-Aufgabe 3,27 $ gegenüber 1,27 $“ und „Input verdoppelt sich oberhalb von 272.000 Tokens von 2,00 $ auf 4,00 $“. Eine Fußzeile lautet: „Werte und Kosten pro Aufgabe gemäß Artificial Analysis Intelligence Index v5.0.1; Preise gemäß der veröffentlichten Preisliste des jeweiligen Anbieters.“ Flaches Vektor-Styling auf Weiß mit blauen und cyanfarbenen Akzenten, die OrcaRouter-Marke unten rechts eingeblendet.
Guides & Insights

Qwen 4 vs. GPT-6.1 Sol: Das Modell, das pro Punkt nur ein Drittel kostet

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Jeder andere Qwen4-Max-Vergleich in dieser Reihe hat dieselbe Form: Der Gegner erzielt eine höhere Punktzahl und kostet mehr, und die Diskussion dreht sich darum, ob der Unterschied den Aufpreis wert ist. Dieser hier nicht. GPT-6.1 Sol erzielt 54,6 im Artificial Analysis Intelligence Index gegenüber Qwen4-Max mit 42,9 – zwölf Punkte Vorsprung – und erledigt eine Index-Aufgabe für 1,27 $ gegenüber 3,27 $ bei Qwen4-Max. Sol ist gleichzeitig leistungsfähiger und 2,6-mal günstiger pro fertiger Antwort. Bei der Effizienzkennzahl, die die anderen vier Vergleiche entschieden hat, gewinnt Sol um den Faktor 3,3: 2,3 Cent pro Indexpunkt gegenüber 7,6.

Daran ist eine Bedingung geknüpft, und zwar die 272.000-Token-Grenze. Sie ist eine echte Klippe, sie gilt für jedes Token in der Anfrage, und sie ist in diesem Duell der einzige Weg zurück zu Qwen4-Max, der nicht darin besteht, mehr für weniger zu zahlen.

Die beiden Karten

GPT-6.1 Sol wurde am 29. September 2026 zu $2.00 für Eingabe und $10.00 für Ausgabe pro Million Tokens ausgeliefert. Qwen4-Max wurde am 16. November 2026 in Singapur auf verbrauchsabhängige Abrechnung umgestellt, zu $1.50 und $4.50. Auf Basis des Listenpreises wirkt Qwen4-Max bei der Ausgabe 2.2× günstiger; pro abgeschlossener Aufgabe ist es 2.6× teurer. Diese Umkehrung ist der Artikel.

• Eingabe, pro Million — Sol $2.00 bis zu 272K Token, $4.00 darüber. Qwen4-Max $1.50 in Singapur, $1.413 in den anderen fünf Regionen, über das gesamte Fenster hinweg konstant.

• Ausgabe pro Million — Sol 10,00 $ Kurzkontext, 15,00 $ Langkontext. Qwen4-Max 4,50 $ und 4,24 $, pauschal.

• Cache-Eingabe — Sol $0,10 pro Million Kurzkontext, $0,20 Langkontext; Qwen4-Max $0,075 für Lesezugriffe, mit Schreibkosten von $1,875 und $3,00 für Fünf-Minuten- und Ein-Stunden-Einträge.

• The cliff — O​penAI reprices every token in a request once input crosses 272,000, not just the excess. Below it you are on the cheap card; above it you are not, and there is no partial application.

• Kontext — Sol veröffentlicht ein 1.000.000-Token-Fenster auf dem Tracker; Qwen4-Max ebenso, wobei der Thinking-Input auf 983.616 begrenzt ist.

• Kosten pro Indexierungsaufgabe — 1,27 $ gegenüber 3,27 $.

• Indexwert — 54,6 gegenüber 42,9, beide gemessen bei ihrer höchsten veröffentlichten Aufwandsstufe.

A generated two-column scoreboard titled 'Qwen4-Max vs GPT-6.1 Sol - the scoreboard'. The Qwen4-Max column reads index score 42.9, cost per index task $3.27, cents per index point 7.6, input per million $1.50, output per million $4.50, hallucination rate 28.4%. The GPT-6.1 Sol column reads index score 54.6, cost per index task $1.27, cents per index point 2.3, input per million $2.00, output per million $10.00, hallucination rate 51.9%. A footer reads 'Scores and per-task cost per Artificial Analysis Intelligence Index v5.0.1; prices per each vendor's published rate card.' The OrcaRouter mark is composited bottom right.

Warum die billig aussehende Karte die teure ist

{{1}}Die Zahlen pro Aufgabe ergeben erst Sinn, wenn man sich ansieht, was jedes Modell investiert hat, um dorthin zu gelangen.{{/1}} {{2}}Sol gab über die Index-Suite hinweg 63,7 Millionen Ausgabe-Tokens aus; Qwen4-Max gab 127,1 Millionen aus.{{/2}} {{3}}Qwen4-Max schrieb fast genau doppelt so viel Ausgabe, um zwölf Punkte niedriger abzuschneiden, und Ausgabe ist die teure Spalte auf beiden Karten.{{/3}}

Pro Aufgabe teilt sich das wie folgt auf: 67.824 Ausgabe-Tokens für Sol gegenüber 104.940 für Qwen4-Max — davon entfallen 49.213 bzw. 68.914 auf das Reasoning. Qwen4-Max ist also in seiner Antwort nicht geschwätziger; es ist in seinem Denken geschwätziger. Es denkt 40 % länger, um zu einer schlechteren Schlussfolgerung zu gelangen, und stellt Ihnen für dieses Vergnügen dann auch noch 4,50 US-Dollar pro Million in Rechnung.

Cache behaviour makes it worse rather than better. Qwen4-Max's $3.27 is 86% input, and $1.67 of that input is cache writes at $1.875 per million — a rate that exists because A​libaba charges for populating the cache, not just for reading it. Sol's $1.27 is 47% input, with $0.33 of cache writes and $0.25 of cache reads. On a workload with heavy prefix reuse, Qwen4-Max's cache-write line is the one that grows fastest, and it is the line most people do not model.

Wo Qwen4-Max nicht geschlagen wird

Zwölf Punkte sind nicht in jeder Suite eine Klatsche, und drei Zeilen lohnen sich zu lesen, bevor man das Modell abschreibt.

• Terminal-Bench 4.0 — Sol 56,1 %, Qwen4-Max 48,5 %. Siebeneinhalb Punkte. Real, aber enger, als die Schlagzeile vermuten lässt.

• AutomationBench — {{1}}Qwen4-Max{{/1}} 72,6 % gegenüber Sols 64,9 %. {{1}}Qwen4-Max{{/1}} gewinnt dieses Duell mit fast acht Punkten Vorsprung, und es ist die größte einzelne Umkehrung im Vergleich.

• GDPval — Qwen4-Max 1.808,69 gegenüber Sols 1.607,47. Ein Vorsprung von 12,5 % bei wirtschaftlich fundierten professionellen Aufgaben – gegenüber einem Modell, das zwölf Indexpunkte vorausliegt. Dies ist die zweite Umkehrung und die überraschendere der beiden, weil GDPval auf dem Tableau dem am nächsten kommt, was der Frage „Würde eine Fachkraft diese Arbeit akzeptieren?“ entspricht.

FrontierCode 2.0 — 26,5 % gegenüber 40,6 %. Dreizehn Punkte in die entgegengesetzte Richtung; die größte Kluft auf der Übersicht und die kommerziell brisanteste.

• CritPt Agentic Hard — 43,0 % gegenüber 69,5 %. Sechsundzwanzig Punkte, die schlechteste Einzelzeile für Qwen4-Max.

• Omniscience — 27,7 gegenüber 42,0, mit Halluzinationsraten von 28,4 % und 51,9 %. Sol ist genauer und fabriziert bei Fehlern deutlich wahrscheinlicher.

• Teilbewertungen der Fähigkeiten — Sol liegt bei allen sechs vorn, knapp in Strategie und Betrieb (57,6 gegenüber 56,9) und deutlich im Engineering (59,4 gegenüber 50,1).

Das Muster entspricht den anderen Paarungen in dieser Serie: Qwen4-Max besteht dort, wo die Aufgabe in professionellem Urteilsvermögen bei der Arbeit mit Dokumenten besteht, und verliert dort, wo die Aufgabe anhaltendes technisches Reasoning oder agentische Ausführung erfordert. Zwei Siege bei einem Dutzend Testsuiten sind kein Grund, es zu wählen, aber ein Grund dafür, dass die Wahl aufgabenabhängig statt automatisch ist.

A headless-browser screenshot of the Artificial Analysis page for GPT-6.1 Sol, captured 17 November 2026 in English, showing OpenAI's mark, the label Proprietary model, Released September 2026, the heading GPT-6.1 Sol: Intelligence, Performance & Price Analysis, a rank strip reading Intelligence #12 of 81, Performance #62 of 79, Cost #21 of 80 and Verbosity #35 of 80, a statistics row giving a time to first answer token of 161.08 seconds, 49 output tokens per second, $2.00 input and $10.00 output per million tokens, a 95% cache discount, 1.92 billion input tokens and an output-to-input ratio of 3.322%, and the summary paragraph describing the model as among the leading models in intelligence and reasonably priced for its band, notably slow per task but fairly concise, with text and image input, text output and a 1M-token context window.

Die 272.000-Token-Arithmetik durchführen

Nehmen Sie eine Codebasis mit 400.000 Tokens, die Sie in einem Durchgang analysieren möchten, mit 2.000 Tokens Ausgabe. Beide Modelle passen sie in ihre Kontextfenster. Nur eines von ihnen berechnet den Preis neu.

• GPT-6.1 Sol, Kurzkontext-Tarif — nicht verwendbar. Bei 400K Eingabe gilt die Langkontext-Stufe: 400.000 × 4,00 $ pro Million = 1,60 $ Eingabe, plus 2.000 × 15,00 $ = 0,03 $ Ausgabe. Gesamt 1,63 $.

• Qwen4-Max — 400.000 × 1,50 $ pro Million = 0,60 $ Eingabe, plus 2.000 × 4,50 $ = 0,009 $ Ausgabe. Gesamt: 0,61 $.

• Dieselbe Anfrage bei 250.000 Tokens, unterhalb der Schwelle — Sol: 250.000 × 2,00 $ = 0,50 $ plus 0,03 $ = 0,53 $. Qwen4-Max: 0,375 $ plus 0,009 $ = 0,38 $.

Die Umkehrung ist also real und sie ist eng begrenzt. Unter 272.000 Eingabe-Token ist Sol pro Anfrage günstiger und besser; darüber ist Qwen4-Max 2,7× günstiger und zwölf Punkte schlechter. Ein Agent-Loop mit 200K Token, bei dem sich Tool-Ausgaben über die Turns hinweg ansammeln, überschreitet die Schwelle mitten in einer Sitzung — genau die Art von Arbeitslast, bei der die Klippe am härtesten zuschlägt: Sie wählen die Stufe nicht, das Kontextwachstum des Loops wählt sie für Sie.

Dabei handelt es sich um Listenpreis-Berechnungen auf Basis veröffentlichter Tarife, nicht um tatsächlich gemessene Rechnungsbeträge. Cache-Treffer würden beide Zahlen erheblich senken und die absolute Differenz verringern, während das Verhältnis ungefähr gleich bliebe.

Die Routing-Antwort, die hier ungewöhnlich sauber ist

GPT-6.1 Sol is on our catalogue as openai/gpt-6.1-sol at O​penAI's list price, including both context tiers, with 0% markup on top. Qwen4-Max is not on our catalogue — a qwen4 identifier returns not-found, its route is A​libaba's Model Studio API and several third-party platforms, and the Qwen model we do serve is qwen/qwen3.8-max at $2.00 and $6.00.

Was diese Kombination eher für das Routing als für die Auswahl qualifiziert, ist, dass die Entscheidungsvariable eine Token-Anzahl ist und eine Routing-Schicht sie sehen kann. Eine Regel von 272.000 Tokens für die Eingabelänge – Sol darunter, etwas Günstigeres darüber – ist eine Zwei-Zeilen-Richtlinie, und es ist die Art von Sache, die sich einmal leicht implementieren lässt und von der man sich unmöglich in jedem Dienst merken kann, sie manuell umzusetzen. Automatisches Failover deckt den anderen Rand ab: Sols Long-Context-Stufe ist eine andere Preisklasse, kein anderes Modell, sodass ein Anstieg der Prompt-Größe eine Rechnungsänderung statt eines Fehlers erzeugt und nichts Sie warnt, bis die Rechnung kommt.

A headless-browser screenshot of the OrcaRouter model page for GPT-6.1 Sol, captured 17 November 2026 in English, showing the identifier openai/gpt-6.1-sol, the vision, tools, JSON and reasoning badges, the byline OpenAI dated 2026-09-29, a description placing it one tier below GPT-6 Astra and aimed at agentic coding and computer use, a 1M-token context, 128K max output, text, image and file input, and best-for tags for reasoning, coding and agentic work.

Was würde das bewegen?

Two things. A Qwen4-Max price cut would need to reach $0.60 in and $1.80 out before it undercut Sol on the short-context tier per task, which is a 60% reduction and not on any published roadmap. And a Sol long-context rate that applied to the excess rather than the whole request would remove the only structural advantage Qwen4-Max holds here; O​penAI's documentation is explicit that it does not, so that is a hypothetical rather than a forecast.

Bis eines der beiden eintritt, ist die Regel kurz, und sie schmeichelt dem Gegenstand dieser Serie nicht. Für fast alles ist GPT-6.1 Sol das bessere und das günstigere Modell, und die Zwölf-Punkte-Lücke wird mit Rabatt verkauft. Für den konkreten Fall einer dokumentenlastigen Aufgabe mit professionellem Urteilsvermögen, bei der der Vorsprung von GDPval von 12,5 % etwas bedeutet, ist Qwen4-Max einen Blick wert – beim 2,6-fachen Preis pro Aufgabe. Und für alles, was einen großen Kontext über 272.000 Token hinauszieht, ist Qwen4-Max nicht länger die Kompromissoption, sondern die richtige Wahl – nicht weil es besser geworden ist, sondern weil die Alternative sich verdoppelt hat.