
Qwen4-Max vs GPT-6 Sol: el token más barato que cuesta más por respuesta
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 96 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 120 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 219 tok/s
El precio de lista de Qwen4-Max en salida es menos de la mitad que el de GPT-6 Sol —4,50 $ por millón de tokens frente a 10,00 $— y aun así cuesta más completar una tarea. Artificial Analysis calcula 3,27 $ por tarea del Intelligence Index para Qwen4-Max, disponible de forma general desde el 16 de noviembre de 2026, frente a 2,47 $ para GPT-6 Sol, que OpenAI comercializa desde el 22 de septiembre de 2026. Las puntuaciones difieren en un punto, 43 frente a 44. Esa inversión es toda la comparación, y no es un artefacto de redondeo: es lo que ocurre cuando un modelo genera 127 millones de tokens de salida para completar una evaluación que el otro modelo termina en 65,1 millones. Qwen4-Max es el modelo más barato por unidad y el más caro por trabajo, y solo uno de esos dos hechos sobrevive al contacto con un presupuesto.
La inversión, con la aritmética mostrada
Ambos modelos ejecutan razonamiento por defecto y ambos proveedores cobran el pensamiento como salida. La diferencia está en cuánto de eso hay.
• Volumen de salida en la ejecución del índice: Qwen4-Max generó 127 millones de tokens de salida, lo que el rastreador sitúa en el puesto 65 de 80 en verbosidad y describe como muy verboso frente a una mediana de 78,6 millones. GPT-6 Sol generó 65,1 millones, descrito como bastante conciso frente a la misma mediana.
• Volumen de entrada: 9.900 millones de tokens para Qwen4-Max frente a 4.750 millones para GPT-6 Sol. La relación entre salida y entrada de Qwen es del 1,284 %; la de Sol es del 1,371 %, por lo que la forma del tráfico es similar y la escala no.
• Coste por tarea completada — $3.27 frente a $2.47. El modelo nominalmente más barato es un 32% más caro por tarea.
• Puntuación del índice — 43 frente a 44, puestos 38 y 34 de 81 modelos respectivamente, en la misma revisión consultada el 16 de noviembre de 2026.
Lo que esto mide no es desperdicio en el sentido habitual. Un modelo que razona extensamente y repite su proceso está haciendo algo que el proveedor considera una función, y las propias cifras de lanzamiento de Alibaba se basan precisamente en que ese comportamiento merece la pena pagarse: afirma usar entre un 24 % y un 35 % menos tokens que Qwen3.8-Max en su benchmark Work360, lo cual es una afirmación sobre la verbosidad relativa frente a su predecesor y no dice nada sobre cómo se compara con un modelo de otro laboratorio. El número absoluto es el que acaba en una factura, y el número absoluto es alto.
Donde desaparece la inversión es con la salida fija. Restringe la respuesta con un esquema, un límite máximo de tokens o un formato estricto y la ventaja de verbosidad se desvanece, porque los tokens que se ahorran son los que el modelo eligió emitir. Con un límite estricto de salida, la tarifa de salida un 2,2× más barata de Qwen4-Max se aplica a aproximadamente el mismo número de tokens y el ahorro es real. Si se le deja escribir lo que quiera, se gasta el descuento.

Pasados los 272.000 tokens, la relación de precios se invierte por completo.
El tarifario de GPT-6 Sol tiene un acantilado, y el de Qwen4-Max no. Esta es la única dimensión en la que el modelo barato no solo es competitivo, sino drásticamente más barato, y es fácil pasarlo por alto porque ambos modelos anuncian una ventana de un millón de tokens.
• GPT-6 Sol, hasta 272.000 tokens de entrada — 2,00 $ de entrada, 0,20 $ de entrada en caché, 2,50 $ de escritura en caché, 10,00 $ de salida.
GPT-6 Sol, por encima de 272.000 tokens de entrada: $4.00 de entrada, $0.40 de entrada en caché, $5.00 de escritura en caché, $15.00 de salida. La propia página del modelo de OpenAI indica la regla con claridad: se vuelve a tarificar cada token de la solicitud, no solo el exceso. Un prompt de 300.000 tokens factura los 300.000 a la tarifa de contexto largo.
• Qwen4-Max — $1.50 de entrada y $4.50 de salida, tarifa plana en toda la ventana de 1.000.000 de tokens, sin tramos a 32K, 128K ni en ningún otro punto. Tarifas de Singapur; las otras cinco regiones son $1.413 y $4.24.
• La diferencia a 300.000 tokens —4,00 USD frente a 1,50 USD en entrada es de 2,7×, y 15,00 USD frente a 4,50 USD en salida es de 3,3×—. Si se añade la ruta por lotes de Qwen en Pekín, donde Batch File cobra 0,707 USD y 2,12 USD, la proporción se amplía aún más, aunque esa ruta solo existe en una región.
• La consecuencia práctica —una canalización de análisis de documentos que cruza habitualmente los 272K tokens no está eligiendo entre dos precios similares. Está eligiendo entre una tarifa que se duplica en un límite que sus solicitudes cruzan por accidente y una tarifa que no se mueve en absoluto. Dividir las solicitudes de tamaño excesivo en fragmentos por debajo del umbral recupera el precio de Sol, pero es un cambio en la canalización, y te cuesta el contexto de solicitud única que era la razón para comprar un modelo de un millón de tokens.
Este es el argumento más sólido del artículo a favor de Qwen4-Max, y es más limitado de lo que sugiere la cobertura del lanzamiento: se trata de un caso de contexto largo, no de un caso general.
Lo que cada proveedor afirma realmente y lo que hay detrás de ello
El material de lanzamiento de Alibaba para Qwen4-Max es inusualmente específico y está enteramente autoadministrado. El benchmark con el que lidera, Work360, es uno que el propio proveedor construyó: una taxonomía de 26 dominios de Nivel 1, 182 subdominios de Nivel 2 y 721 campos de Nivel 3, en la que Qwen4-Max obtiene 52,69 frente a 47,74 de Qwen3.8-Max. Junto a ello, la compañía reporta reducciones de tokens de aproximadamente el 24% y el 35% en Work360 con esfuerzo xhigh y high, del 48% y el 49% en Terminal-Bench 4.0, un costo promedio por tarea que baja de $4,43 a $1,67, una tasa de aprobación a nivel de función en Last Secure Code Bench que sube del 22,0% al 31,8%, y código que es seguro a la vez a nivel de función, archivo y repositorio, que sube del 8% al 14,7%. Cada uno de esos datos es reportado por el proveedor y ninguno ha sido reproducido fuera de Alibaba.
Las afirmaciones de OpenAI sobre GPT-6 Sol están formuladas de manera diferente: son argumentos de paridad a menor costo frente a competidores mencionados por nombre, en lugar de puntajes absolutos. El material de lanzamiento reportó un resultado de 49,3 % en FrontierCode 1.1 con esfuerzo máximo por 2,14 dólares por tarea, frente a 50,3 % de Claude Fable 5.1 a 12,83 dólares, y un resultado de 68,8 % en DeepSWE v1.1, a 1,1 puntos del 69,9 % de Claude Fable 5. Léanse esas frases atendiendo a su estructura: cada una combina un casi empate en puntaje con una fracción del costo. Es una afirmación sobre eficiencia, no sobre capacidad, y es más débil que la que Alibaba hace sobre Work360.
El rastreador independiente es donde por fin se pueden comparar los dos, y es la única fuente de este artículo que midió ambos modelos con un mismo arnés de pruebas. Los sitúa a un punto de distancia e invierte la clasificación por precio. También deja una columna vacía: GPT-6 Sol tiene medidos 125 tokens de salida por segundo, 35,11 segundos hasta el primer token de respuesta y 7,2 minutos por tarea de índice. Qwen4-Max no tiene ninguno de los tres: la ficha de rendimiento indica N/A. Un modelo que es un 32 % más caro por tarea y no tiene una velocidad publicada no es un modelo cuya ventaja de coste se pueda calcular todavía, porque la mitad que falta de la factura es el tiempo.

La afirmación sobre la arquitectura que subyace a las cifras de tokens
Qwen4-Max es un modelo de mezcla de expertos dispersa de 2,4 billones de parámetros, con 71 mil millones de parámetros activos por token, además de 328 mil millones de parámetros de embeddings de N-gramas que se consultan en lugar de multiplicarse. Tres capas de Gated DeltaNet comprimen el historial en un estado de tamaño fijo para cada capa de Qwen Sparse Attention, la cual selecciona el contexto relevante a granularidad de microbloque mediante un indexador ligero; cuatro ramas residuales paralelas con puertas dinámicas de lectura y escritura estabilizan la pila. Alibaba informa de que no hubo picos de pérdida a lo largo de la ejecución de 2,4T de parámetros y de unos bits por byte entre un 5 % y un 13 % inferiores a los de Qwen3.8-Max-Base, activando al mismo tiempo un 25 % menos de parámetros — con la honesta advertencia, impresa por el proveedor, de que dos de los checkpoints comparados están postentrenados, lo que debilita el planteamiento de modelo base.
Es una explicación plausible de por qué la inferencia de contexto largo es más barata por token. No es una explicación de por qué una solicitud necesita 1,95 veces los tokens de salida de un competidor, y nada en el material de lanzamiento aborda eso. La eficiencia por token y la eficiencia por respuesta son cantidades distintas, y este modelo mejora la primera mientras pierde la segunda.
Dónde residen los dos y qué aspecto tiene una carga de trabajo mixta
GPT-6 Sol se enruta en OrcaRouter como openai/gpt-6-sol al precio de lista de OpenAI con 0% de margen — $2.00 y $10.00 por millón de tokens por debajo de 272K, $4.00 y $15.00 por encima, con la regla de reprecio de 272K aplicada tal como la aplica OpenAI. Una sola API para más de 200 modelos hace que la pregunta sobre contexto largo anterior se convierta en una decisión de enrutamiento en lugar de un segundo contrato: un pipeline puede enviar sus solicitudes por debajo de 272K a Sol y las de mayor tamaño a otro destino sin necesidad de implementar un segundo SDK, y un cambio de precio del proveedor llega aquí el mismo día en que llega a la tarifa de OpenAI.
Qwen4-Max no aparece en el catálogo de OrcaRouter a fecha de 16 de noviembre de 2026. Se puede acceder a él a través de la propia API de Model Studio de Alibaba y de varias plataformas de terceros. Eso hace que el experimento honesto sea asimétrico y barato en una sola dirección: el brazo de Sol no necesita ninguna integración nueva, el de Qwen sí, y la comparación que realmente quieres —coste por tarea completada con tu propio tráfico, con tus propias longitudes de salida— es exactamente la medición que resolvería si la inversión de 2,47 $ frente a 3,27 $ se mantiene fuera de un arnés de benchmark. Ejecútalo en una porción en la sombra, no en la ruta de producción, y deja que tus propios recuentos de tokens decidan cuál de las dos ejecuciones del índice es la engañosa.

¿Qué haría que este fuera un artículo diferente?
Dos mediciones. La primera es el volumen de salida de Qwen4-Max en una carga de trabajo con un límite estricto de salida; si los 127 millones de tokens son una propiedad de la evaluación y no del modelo, la inversión es un artefacto y la tarifa de $4.50 es un ahorro directo. La segunda es la velocidad. GPT-6 Sol tarda 7,2 minutos por tarea de indexación y 35 segundos hasta el primer token, que son cifras poco destacables; si Qwen4-Max es considerablemente más lento en las mismas tareas, entonces un modelo que ya es un 32 % más caro por respuesta también es el que te hace esperar más tiempo por él, y ningún argumento por token lo rescata.
Hasta que ambos existan, la postura defendible es estrecha y específica. Para solicitudes que superen los 272.000 tokens, Qwen4-Max es entre dos y tres veces más barato y no hay comparación. Para todo lo demás, GPT-6 Sol es la mejor compra según el único número que combina precio con comportamiento, y el hecho de que su tarifa anunciada sea 2,2× más alta en la salida es lo menos informativo que tiene.
Comparados en este artículo1
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
