Una tarjeta de título generada que dice «Qwen 4 vs GPT-6.1 Sol: el modelo que cuesta un tercio por punto», con el subtítulo «2,3 centavos por punto de índice frente a 7,6, y un acantilado de 272.000 tokens que reajusta el precio de toda la solicitud». Tres filas numeradas dicen «puntuación de índice 42,9 frente a 54,6, Artificial Analysis v5.0.1», «coste por tarea de índice completada $3,27 frente a $1,27» y «la entrada se duplica de $2,00 a $4,00 por encima de 272.000 tokens». Un pie de página dice «Puntuaciones y coste por tarea según Artificial Analysis Intelligence Index v5.0.1; precios según la lista de precios publicada de cada proveedor». Estilo vectorial plano sobre blanco con acentos azules y cian, la marca OrcaRouter compuesta abajo a la derecha.
Guides & Insights

Qwen 4 vs. GPT-6.1 Sol: el modelo que cuesta un tercio por punto

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

Todas las demás comparaciones de Qwen4-Max en esta serie tienen la misma forma: el oponente obtiene una puntuación más alta y cuesta más, y el debate gira en torno a si la diferencia merece la prima. Esta no. GPT-6.1 Sol obtiene 54,6 en el Artificial Analysis Intelligence Index frente a los 42,9 de Qwen4-Max —doce puntos por delante— y completa una tarea del índice por 1,27 $ frente a los 3,27 $ de Qwen4-Max. Sol es más capaz y, al mismo tiempo, 2,6 veces más barato por respuesta finalizada. En la medida de eficiencia que decidió los otros cuatro enfrentamientos, Sol gana por un factor de 3,3: 2,3 centavos por punto de índice frente a 7,6.

Hay una condición adjunta a eso, y es la línea de 272.000 tokens. Es un precipicio real, se aplica a cada token de la solicitud, y es la única ruta de vuelta a Qwen4-Max en este enfrentamiento que no implica pagar más por menos.

Las dos tarjetas

GPT-6.1 Sol se lanzó el 29 de septiembre de 2026 a $2.00 de entrada y $10.00 de salida por millón de tokens. Qwen4-Max pasó a facturación por uso el 16 de noviembre de 2026 a $1.50 y $4.50 en Singapur. Según la tarifa anunciada, Qwen4-Max parece 2,2× más barato en salida; por tarea completada es 2,6× más caro. Esa inversión es el artículo.

• Entrada, por millón — Sol 2,00 $ hasta 272K tokens, 4,00 $ por encima de eso. Qwen4-Max 1,50 $ en Singapur, 1,413 $ en las otras cinco regiones, constante en toda la ventana.

• Salida, por millón — Sol $10.00 en contexto corto, $15.00 en contexto largo. Qwen4-Max $4.50 y $4.24, tarifa plana.

• Entrada en caché — Sol $0.10 por millón en contexto corto, $0.20 en contexto largo; lecturas de Qwen4-Max $0.075, con tarifas de escritura de $1.875 y $3.00 para entradas de cinco minutos y de una hora.

• 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.

• Contexto — Sol publica una ventana de 1.000.000 de tokens en el tracker; Qwen4-Max hace lo mismo, con la entrada de pensamiento limitada a 983.616.

• Costo por tarea de indexación — $1.27 frente a $3.27.

• Puntuación del índice: 54,6 frente a 42,9, ambas medidas con su ajuste de esfuerzo máximo publicado.

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.

Por qué la tarjeta que parece barata es la cara

Las cifras por tarea solo tienen sentido cuando se observa lo que cada modelo gastó para llegar hasta ahí. Sol emitió 63,7 millones de tokens de salida en toda la batería de índices; Qwen4-Max emitió 127,1 millones. Qwen4-Max escribió casi exactamente el doble de salida para obtener doce puntos menos, y la salida es la columna cara en ambas fichas.

Por tarea, el reparto es de 67.824 tokens de salida para Sol frente a 104.940 para Qwen4-Max —de los cuales 49.213 y 68.914, respectivamente, son de razonamiento. Así que Qwen4-Max no es más verboso en su respuesta; es más verboso en su pensamiento. Razona un 40 % más para llegar a una conclusión peor y luego te cobra 4,50 $ por millón por el privilegio.

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.

Donde Qwen4-Max no es superado

Doce puntos no son una paliza en todas las suites, y hay tres filas que merece la pena leer antes de descartar el modelo.

• Terminal-Bench 4.0 — Sol 56,1 %, Qwen4-Max 48,5 %. Siete puntos y medio. Es real, pero más estrecho de lo que sugiere el titular.

• AutomationBench — Qwen4-Max 72,6% frente al 64,9% de Sol. Qwen4-Max gana en esta por casi ocho puntos, y es la mayor inversión individual de la comparación.

• GDPval — Qwen4-Max 1.808,69 frente a los 1.607,47 de Sol. Una ventaja del 12,5 % en tareas profesionales con fundamento económico, frente a un modelo que está doce puntos de índice por delante. Esta es la segunda inversión y la más sorprendente de las dos, porque GDPval es lo más parecido que hay en la tabla a «¿un profesional aceptaría este trabajo?».

• FrontierCode 2.0 — 26,5 % frente a 40,6 %. Trece puntos en la dirección contraria; la mayor diferencia del cuadro y la que más peso comercial tiene.

• CritPt Agentic Hard — 43,0 % frente a 69,5 %. Veintiséis puntos, la peor fila individual de Qwen4-Max.

• Omniscience — 27,7 frente a 42,0, con tasas de alucinación del 28,4 % y el 51,9 %. Sol es más preciso y mucho más propenso a inventar cuando se equivoca.

• Subpuntuaciones de capacidad — Sol lidera en las seis, por un margen estrecho en estrategia y operaciones (57,6 frente a 56,9) y claramente en ingeniería (59,4 frente a 50,1).

El patrón es coherente con los demás enfrentamientos de esta serie: Qwen4-Max se mantiene a la altura cuando la tarea consiste en juicio profesional aplicado a documentos, y pierde cuando la tarea consiste en razonamiento técnico sostenido o en ejecución agéntica. Dos victorias de una docena de suites no es motivo para elegirlo, pero sí es motivo para que la elección dependa de la tarea en lugar de ser automática.

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.

Realizando la aritmética de los 272.000 tokens

Toma una base de código de 400.000 tokens que quieras analizar de una sola vez, con 2.000 tokens de salida. Ambos modelos la encajan dentro de sus ventanas. Solo uno de ellos reajusta el precio.

• GPT-6.1 Sol, tarifa de contexto corto: no se puede utilizar. Con 400K de entrada se aplica el nivel de contexto largo: 400,000 × $4.00 por millón = $1.60 de entrada, más 2,000 × $15.00 = $0.03 de salida. Total: $1.63.

• Qwen4-Max — 400,000 × $1.50 por millón = $0.60 de entrada, más 2,000 × $4.50 = $0.009 de salida. Total: $0.61.

• La misma solicitud con 250.000 tokens, por debajo del acantilado — Sol: 250.000 × $2,00 = $0,50 más $0,03 = $0,53. Qwen4-Max: $0,375 más $0,009 = $0,38.

Así que la inversión es real y es estrecha. Por debajo de 272.000 tokens de entrada, Sol es más barato por solicitud y mejor; por encima, Qwen4-Max es 2,7× más barato y doce puntos peor. Un bucle de agente de 200K tokens con salida de herramientas que se acumula a lo largo de los turnos cruza el umbral a mitad de una sesión, que es exactamente la forma de carga de trabajo donde el precipicio muerde con más fuerza: no eliges el nivel, el crecimiento del contexto del bucle lo elige por ti.

Estos son cálculos aritméticos sobre precios de lista a partir de tarifas publicadas, no facturas medidas. Los aciertos de caché reducirían sustancialmente ambas cifras y estrecharían la brecha absoluta, aunque dejarían la proporción aproximadamente donde está.

La respuesta de enrutamiento, que aquí es inusualmente limpia

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.

Lo que hace que valga la pena enrutar esta combinación en lugar de elegirla es que la variable de decisión es un recuento de tokens, y una capa de enrutamiento puede verlo. Una regla de 272.000 tokens sobre la longitud de entrada —Sol por debajo, algo más barato por encima— es una política de dos líneas, y es el tipo de cosa que es fácil de implementar una vez e imposible de recordar hacer a mano en cada servicio. La conmutación automática por error cubre el otro extremo: el nivel de contexto largo de Sol es una banda de precios distinta, no un modelo distinto, así que un pico en el tamaño del prompt produce un cambio en la factura en lugar de un error, y nada te avisa hasta la factura.

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.

¿Qué movería esto?

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.

Hasta que ocurra cualquiera de las dos cosas, la regla es breve y no halaga al objeto de esta serie. Para casi todo, GPT-6.1 Sol es el mejor modelo y el más barato, y la diferencia de doce puntos se está vendiendo con descuento. Para el caso concreto de una tarea de juicio profesional con mucho contenido documental, donde la ventaja del 12,5 % de GDPval significa algo, vale la pena echar un vistazo a Qwen4-Max a 2,6× el precio por tarea. Y para cualquier cosa que arrastre un contexto grande más allá de 272.000 tokens, Qwen4-Max deja de ser la opción de compromiso y pasa a ser la correcta —no porque haya mejorado, sino porque la alternativa se duplicó.