Une carte hero générée pour un article comparatif, intitulée « Qwen4-Max vs GPT-6.1 Sol Pro », avec le sous-titre « Pro est un mode de facturation, et il y a un chiffre à battre ». Un chiffre mis en évidence indique « Seuil de rentabilité pour le mode pro : 2,6X », avec des pastilles indiquant « Qwen4-Max : 3,27 $ par tâche » et « GPT-6.1 Sol au maximum : 1,27 $ par tâche ». Un pied de page indique « Documentation d’Artificial Analysis et d’OpenAI consultée le 17 novembre 2026 ». Le logo OrcaRouter est intégré en bas à droite.
Engineering & Research

Qwen4-Max vs GPT-6.1 Sol Pro : Pro est un mode de facturation, et il a un chiffre à battre

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

GPT-6.1 Sol Pro n’a pas de prix, car il n’a pas d’identifiant. Il s’agit de GPT-6.1 Sol — publié le 29 septembre 2026 à 2 $ par million de tokens d’entrée et 10 $ par million de tokens de sortie — appelé avec reasoning.mode: "pro" dans l’API Responses, un réglage qui, selon la documentation d’O​penAI, amène le modèle à fournir davantage de travail et facture ce travail aux mêmes tarifs standard par token. Qwen4-Max, en disponibilité générale depuis le 16 novembre 2026 à 1,50 $ et 4,50 $, est le modèle le moins cher par token d’un facteur de 2,2 en sortie. C’est aussi, sur la seule mesure indépendante dont l’un ou l’autre modèle dispose, le plus cher par tâche terminée : 3,27 $ contre 1,27 $ pour GPT-6.1 Sol à son réglage d’effort maximal. Cette inversion — Qwen4-Max moins cher par token et plus cher par réponse — constitue toute la comparaison, et le mode pro est la seule variable qui pourrait la faire basculer dans un sens ou dans l’autre sans que quiconque puisse mesurer lequel.

Le mode Pro est un multiplicateur sans coefficient publié.

Deux paragraphes de documentation du fournisseur sont tout ce qui existe, et ils valent la peine d’être lus attentivement, car chaque comparaison « Sol Pro » sur Internet repose sur eux, plus des déductions.

• Ce que c'est — une valeur pro de reasoning.mode, définie en même temps que reasoning.effort, dans l'API Responses. L'autre valeur est standard, qui est la valeur par défaut.

• Ce que cela fait — selon O​penAI, il « agrège le travail effectué par le modèle pour produire la réponse finale ». C'est indépendant de l'effort : le mode détermine la quantité de travail effectuée, l'effort détermine la profondeur de réflexion du modèle au sein de ce mode.

• Ce que cela coûte — les tokens agrégés, facturés aux tarifs standards du modèle. Aucun supplément, aucun compteur séparé.

• Ce qu’il n’a pas — un coefficient. OpenAI ne publie aucun multiplicateur de tokens pour le mode pro, et le classement neutre ne comporte aucune ligne pour le mode pro : chaque mesure de GPT-6.1 Sol sur Artificial Analysis correspond à un réglage reasoning.effort allant de low à max, tous en mode standard.

Ce qui signifie qu’une chose en découle avec certitude et une autre non. Avec certitude : le mode pro ne peut qu’augmenter le coût par tâche de GPT-6.1 Sol, jamais le réduire, car il ajoute des tokens facturés au même tarif. Ce qui n’est pas certain : de combien. Une exécution en mode pro qui agrège 1,8× le travail est un produit différent d’une qui en agrège 4×, et personne en dehors d’OpenAI n’a publié le ratio.

Le mode pro du seuil doit être effacé

Cette inconnue n’est pas une raison de hausser les épaules. Elle se traduit par un seul chiffre, car le coût par tâche de Qwen4-Max est déjà mesuré, tout comme celui de Sol.

• Au niveau d'effort maximal de Sol — 1,27 $ par tâche de l'Intelligence Index, contre 3,27 $ pour Qwen4-Max. Le mode Pro devrait multiplier la dépense en tokens de Sol par 2,57× avant que les deux modèles coûtent le même prix par tâche.

• Avec le niveau d’effort xhigh de Sol — 0,76 $ contre 3,27 $. Le seuil est de 4,3×.

• Pour l'effort élevé de Sol — 0,59 $ contre 3,27 $. Le seuil est de 5,5×.

• Côté intelligence, pour donner l'échelle — Sol obtient 54,6 sur l'indice en mode max, 52,5 en xhigh, 50,3 en high. Qwen4-Max obtient 42,9. Le mode Pro ne change pas le score d'intelligence d'un modèle au sens où l'indice le mesure, mais il change la qualité des réponses sur les tâches difficiles, ce qui est la seule raison de le payer.

La question à laquelle un acheteur est réellement confronté n’est donc pas « lequel est le moins cher ». C’est : une exécution de Sol en mode pro surpasse-t-elle Qwen4-Max de plus de dix points d’indice en qualité, tout en restant sous un multiplicateur de 2,6× à 5,5× sa consommation de tokens en mode standard ? Tous les signaux publiés indiquent que le multiplicateur est réel mais modeste — le fournisseur présente le mode pro comme le réglage destiné aux « tâches difficiles qui exigent davantage de travail du modèle », et non comme un modèle différent — et un multiplicateur inférieur à 2,6× rendrait Sol moins cher par tâche que Qwen4-Max à tous les niveaux d’effort. Il s’agit d’une inférence, clairement présentée comme telle, et c’est l’affirmation la plus défendable que l’on puisse faire tant qu’OpenAI ou un évaluateur indépendant n’aura pas publié le ratio.

A generated two-column scoreboard titled 'Qwen4-Max vs GPT-6.1 Sol — the scoreboard'. The Qwen4-Max column reads Intelligence Index 43, Cost per task $3.27, Output tokens 127M, Price $1.50 / $4.50, Effort curve one point, Speed not measured. The GPT-6.1 Sol column reads Intelligence Index 55, Cost per task $1.27, Output tokens 63.7M, Price $2.00 / $10.00, Effort curve five points, Speed 49 tok/s. A footer reads 'Both columns per Artificial Analysis, 17 November 2026. Pro mode has no published multiplier.'

Pourquoi le modèle bon marché est le plus coûteux

La carte tarifaire par token et la facture par tâche diffèrent d’un facteur de près de six, et la raison tient au volume, pas au prix. Cela mérite d’être précisé, car c’est l’erreur la plus courante dans les comparaisons de ces deux modèles.

• Tarif de sortie — Qwen4-Max à 4,50 $ par million, contre 10,00 $ pour Sol. Qwen4-Max est 2,2× moins cher par token de sortie.

• Volume de sortie lors de l’exécution sur l’index — 127 millions de jetons pour Qwen4-Max, 63,7 millions pour Sol à effort maximal. Qwen4-Max écrit 2,0× plus.

• Rang de verbosité — Qwen4-Max se classe 65e sur 80 sur l'échelle du tracker, en plein dans la catégorie « très verbeux » ; Sol au maximum se classe 35e, près du milieu.

• Coût réel par tâche — 3,27 $ contre 1,27 $. Qwen4-Max est 2,6 fois plus cher, et non 2,2 fois moins cher.

Ces trois ratios ne permettent pas de reconstituer le quatrième, et le terme manquant est le volume d’entrée, que la page publique ne détaille pas par modèle. C’est précisément pourquoi le chiffre par tâche doit être considéré comme la mesure et les ratios comme l’explication : une grille tarifaire décrit ce que coûte un token, et l’indice décrit ce que dépense un modèle, et seul le second figure sur une facture à la fin du mois. Les propres chiffres de lancement d’Alibaba illustrent le même point dans l’autre sens — la baisse du coût moyen par tâche sur son benchmark Work360, de 4,43 $ à 1,67 $, est une affirmation sur la composition en tokens de ce benchmark, et c’est un chiffre de fournisseur sur un benchmark de fournisseur.

Un axe supplémentaire, car c’est celui qui détermine la faisabilité d’un agent plutôt que son coût. Sol en effort maximal a pris 1 383 secondes de temps mesuré par tâche d’indexation — vingt-trois minutes — avec un délai de 168 secondes avant le premier token. Qwen4-Max n’a aucun chiffre de temps par tâche ; les champs de vitesse du tracker sont vides pour lui. Le relevé sur sept jours de notre propre playground pour la route O​penAI indique un premier token médian à 1,7 seconde et 98 tokens de sortie par seconde, soit du trafic en mode standard et effort moyen, pas pro. Personne n’a publié la durée d’un appel en mode pro, et l’hypothèse de planification honnête est le chiffre de l’effort maximal, avec des barres d’erreur orientées à la hausse.

A headless-browser screenshot of the Artificial Analysis model page for GPT-6.1 Sol, captured 17 November 2026 in English, showing the OpenAI vendor label, a Proprietary model tag, 'Released September 2026', the heading 'GPT-6.1 Sol (Max)', an Intelligence Index of 55 ranked 12 of 81, a time to first token of 168.565 s, 49 output tokens per second, 63.7M generated tokens against a 78.6M median with a verbosity rank of 35 of 80, a 1M-token context window, and the cost block reading In $2.00, Out $10.00 and $1.27 per task.

Où le mode doit se trouver : dans la couche de routage, pas dans le code

Parce que pro est un paramètre de requête et non un modèle, la décision de l’utiliser est une décision par appel, et les décisions par appel prises dans le code applicatif vieillissent mal. La version qui ne vieillit pas consiste à la placer dans la route : une configuration en mode pro fixée sur le chemin de revue approfondie — celui qui s’exécute une fois par pull request, par contrat, par incident — et une configuration en mode standard sur tout ce qui est interactif, les deux accessibles depuis la même clé.

OrcaRouter achemine openai/gpt-6.1-sol aux tarifs d'OpenAI, à savoir 2,00 $ et 10,00 $ avec 0 % de marge, y compris le palier de 272 000 tokens où les tarifs doublent à 4,00 $ et 15,00 $, si bien qu'une expérience en mode pro exécutée via nous coûte ce qu'elle coûte chez le fournisseur et rien de plus. Qwen4-Max ne figure pas au catalogue ; une requête pour un identifiant qwen4 renvoie not-found, et le plus récent fleuron Qwen que nous servons est qwen/qwen3.8-max à 2,00 $ et 6,00 $. Le DSL de routage est l'endroit où les deux moitiés se rejoignent : une règle qui envoie le travail d'agent à long horizon vers un modèle et les tours interactifs vers l'autre, avec un basculement automatique sous-jacent afin qu'une exécution en mode pro qui se bloque n'entraîne pas la requête avec elle. Il s'agit d'un changement de configuration, et il est réversible d'une manière que ne l'est pas une chaîne de modèle codée en dur.

A headless-browser screenshot of the OrcaRouter model page for openai/gpt-6.1-sol, captured 17 November 2026 in English, showing the GPT-6.1 Sol heading, the model id openai/gpt-6.1-sol, attribution to OpenAI dated 2026-09-29, vision, tools, JSON and reasoning badges, a 1M-token context window with a 128K maximum output, a p50 time to first token of 170 s, a Zero Data Retention note, and the rate block reading $2.00 input and $10.00 output.

Qu’est-ce qui changerait la réponse ?

Trois choses, par ordre de probabilité d’arriver en premier.

Le premier est une ligne en mode pro sur un tableau indépendant. Si une configuration pro apparaît à côté des cinq niveaux d’effort avec son propre coût par tâche, le seuil de 2,6 × cesse d’être une arithmétique sur une estimation pour devenir une mesure, et cette page sera réécrite en conséquence. D’ici là, tout article citant un « GPT-6.1 Sol Pro score » cite la ligne en mode standard du modèle de base avec un nom de mode ajouté.

La seconde est une courbe d'effort Qwen4-Max. Le modèle a deux jours et dispose d'exactement un point de fonctionnement mesuré, ce qui signifie que son 42,9 pourrait être un plancher ou un plafond. La documentation de lancement d'Alibaba mentionne les réglages High et Xhigh dans ses propres benchmarks, donc la courbe existe ; elle n'a simplement pas encore été parcourue indépendamment.

Le troisième est Qwen4-Max, qui obtient une ligne dédiée à la vitesse. Un modèle sans chiffre de débit est un modèle autour duquel on ne peut pas organiser un agent, et cette absence constitue actuellement le meilleur argument en faveur du modèle en place pour toute charge de travail où un humain attend.

D’ici à ce que l’une de ces options se concrétise, la décision est lisible. Si votre charge de travail est interactive et sensible aux coûts, GPT-6.1 Sol en medium — 0,36 $ par tâche, indice 46,4, premier token en cinq secondes — bat Qwen4-Max sur tous les axes mesurés, y compris le prix, ce qui n’est pas la conclusion que la fiche de tokens annonce. Si votre charge de travail est un agent à long horizon où une fenêtre de 1 M de tokens, la vision native et une remise de 95 % sur le cache comptent plus que l’indice, Qwen4-Max est la façon la moins chère d’acheter du contexte, et sa facture sera déterminée par le taux de réussite du cache plutôt que par l’effort. Et si vous évaluez le mode pro, vous évaluez un budget 2,6× sur une capacité que personne n’a mesurée — ce qu’il est bon de tester sur une route et peu judicieux de présumer sur un chemin de production.