
Qwen4-Max vs GPT-6.2 Sol : moitié prix par token, trois fois plus de tâches
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 180 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 223 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 89 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 98 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
GPT-6.2 Sol coûte 2,00 $ par million de jetons d’entrée et 10,00 $ par million de sortie. Qwen4-Max coûte 1,50 $ et 4,50 $. Sur la grille tarifaire, le modèle le moins cher est Qwen4-Max, avec une marge confortable — 25 % sur l’entrée, 55 % sur la sortie. Sur la seule mesure qui ressemble à une facture, Artificial Analysis évalue une tâche terminée de l’Intelligence Index à 1,01 $ sur GPT-6.2 Sol et à 3,27 $ sur Qwen4-Max. Le modèle qui facture plus de deux fois plus par jeton termine le travail pour moins d’un tiers du prix.
Cette inversion n’a qu’une seule cause, et ce n’est pas une astuce tarifaire : GPT-6.2 Sol, qu’OpenAI a lancé le 17 novembre 2026 exactement au prix du modèle qu’il remplace, génère 60,9 millions de jetons de sortie pour compléter la suite de neuf évaluations. Qwen4-Max, disponible en général depuis le 16 novembre, en génère 127 millions — plus du double, pour une médiane du secteur de 65,1 millions. Tout le reste dans cette comparaison découle de ces deux chiffres.

Deux cartes aux formes différentes, pas seulement des numéros différents
Avant les chiffres par tâche, la structure tarifaire, car les deux cartes échouent de façons différentes. Sol propose un palier bon marché et un autre coûteux ; Qwen4-Max propose un seul palier de zéro à la limite de contexte.
Entrée — GPT-6.2 Sol : 2,00 $ par million de tokens jusqu’à 272 000 tokens, 4,00 $ au-delà. Qwen4-Max : 1,50 $ forfaitaire à Singapour, 1,413 $ dans les régions de portée mondiale, à 200 000 comme à 900 000 tokens.
• Sortie — Sol 10,00 $ jusqu'à 272 000, 15,00 $ au-delà. Qwen4-Max 4,50 $, tarif fixe.
Entrée en cache — Sol 0,10 $ par million ; Qwen4-Max 0,071 $ ailleurs et 0,075 $ à Singapour. L'écriture de cache de Sol est de 2,50 $ pour une fenêtre de 30 minutes et de 5,00 $ pour 12 heures sur les requêtes Standard à contexte court ; Qwen4-Max publie 1,875 $ pour une écriture de 5 minutes et 3,00 $ pour une heure.
• Contexte — Sol 1 050 000 tokens avec une entrée maximale de 922 000 tokens ; Qwen4-Max 1 000 000 avec un plafond d’entrée de 983 616 tokens en mode réflexion et 991 808 avec la réflexion désactivée.
• Plafond de sortie — Sol 128 000 forfaitaire ; Qwen4-Max 131 072 sans réflexion, ou 262 144 partagés entre le raisonnement et la réponse.
• Modalité — Sol accepte le texte, l'image et les fichiers. Qwen4-Max accepte le texte, l'image et la vidéo. Ni l'un ni l'autre ne produit autre chose que du texte.
Contrôle du raisonnement — Sol propose cinq niveaux d’effort, de low à max, avec medium par défaut, toujours activé. Qwen4-Max en propose trois, low, high et xhigh, avec high par défaut, et accepte temperature, top_p et top_k, tandis que Sol les rejette.
• Date limite des connaissances — 1er juin 2026 pour GPT-6.2 Sol. Alibaba n'en a pas publié pour Qwen4-Max, ce qui est en soi un point à noter : un modèle présenté comme performant en compréhension de documents et de vidéos sans date limite indiquée est un modèle que l’on teste plutôt qu’on ne le présume.
La limite de 272 000 tokens est le chiffre le plus lourd de conséquences de cette liste pour quiconque travaille avec des prompts volumineux. En dessous, un million de tokens d'entrée sur Sol coûte 2,00 $ et un million de tokens de sortie 10,00 $. À ce seuil ou au-delà, l'ensemble de la requête est facturé 4,00 $ en entrée et 15,00 $ en sortie — l'entrée double, la sortie augmente de 50 % — et les tarifs de cache doublent également. La relecture d'un document de 400 000 tokens coûte 1,60 $ d'entrée sur Sol et 0,60 $ sur Qwen4-Max avant même qu'une seule ligne ne soit écrite.

Le curseur d'effort détermine une plus grande part de la facture que le prix.
Sol est livré avec le raisonnement toujours activé et un effort par défaut réglé sur moyen. Qwen4-Max est livré avec le raisonnement activé et un effort par défaut réglé sur élevé, avec un budget de réflexion qui est lui-même fixé par défaut à 131,072 tokens. Les deux configurations par défaut sont coûteuses, et aucune ne correspond à la configuration évaluée par Artificial Analysis.
Le tracker mesure à effort maximal pour Sol et au maximum du cadran de Qwen4-Max, et rapporte 60,9 M de tokens de sortie pour l’un et 127 M pour l’autre. Faites la multiplication naïve — 127 millions de tokens de sortie à 4,50 $ contre 60,9 millions à 10,00 $ — et Qwen4-Max revient à 572 $ de sortie contre 609 $ pour Sol. Deux dollars dans un sens ou dans l’autre. Les chiffres publiés par tâche sont de 3,27 $ et 1,01 $, un écart de 3,2× dans l’autre direction, ce qui signifie que le nombre par tâche est un mélange pondéré de tokens d’entrée, d’entrée mise en cache, de raisonnement et de réponse sur neuf évaluations plutôt qu’un multiple du nombre de tokens de sortie. Les deux chiffres sont des mesures ; l’arithmétique que l’on peut faire à partir des grilles tarifaires n’est pas celle qui les a produits, et toute analyse qui prétend déduire l’un de ces nombres de l’autre ne fait que deviner.
Ce que le détail de l'effort vous apprend, en revanche, c'est où une équipe peut réduire sa propre facture. Faire passer Qwen4-Max de high à low en niveau d'effort, ou plafonner son budget de réflexion sous la valeur par défaut de 131 072, réduit le nombre de jetons de raisonnement qui alimente l'essentiel de sa verbosité. Faire passer Sol de max à medium fait de même côté OpenAI. Une comparaison menée entièrement avec les valeurs par défaut de chaque fournisseur est une comparaison différente de celle du classement, et c'est celle que votre application produira réellement.
La rangée de vitesse, qui n'est pas proche
La verbosité a une seconde conséquence au-delà du coût, et celle-ci n'a pas de solution de contournement.
• Temps par tâche d’indexation — GPT-6.2 Sol 7,9 minutes contre Qwen4-Max 32,1, sur une médiane de 11,5. Sol est décrit par le tracker comme plus rapide que la moyenne ; Qwen4-Max comme nettement lent.
• Vitesse de sortie — 85,1 tokens par seconde contre 54,5.
• Délai jusqu’au premier jeton de réponse — 68,2 secondes contre 155,4. Les deux chiffres incluent le raisonnement, ce qui explique pourquoi aucun des deux n’est comparable aux délais de premier jeton inférieurs à la seconde qu’annonce un produit de chat.
Un écart de quatre fois sur le temps d’exécution des tâches est une décision produit, pas un paramètre de réglage. Pour un agent qui effectue vingt appels d’outils par requête, 32 minutes contre 8, c’est la différence entre une tâche en arrière-plan et une tâche interactive. Si votre charge de travail est par lots, cet écart ne vous coûte que du débit, rien de plus. Si elle s’exécute face à un utilisateur, la seule défense honnête de Qwen4-Max est de l’acheminer vers les tâches où la latence n’a pas d’importance, ce qui relève d’une décision de routage plutôt que d’un choix de modèle.
Là où le modèle moins cher par token l’emporte vraiment
Trois lignes favorisent Qwen4-Max et aucune ne concerne l'intelligence, où Sol mène 57 à 43 sur la même révision v5.0.1 — quatorze points, soit environ un palier et demi.
Le premier point est le contexte long. Toute requête dépassant 272 000 jetons d'entrée fait passer Sol dans sa tranche supérieure et laisse Qwen4-Max au même niveau. Pour 400 000 jetons d'entrée et 8 000 de sortie, Sol facture 1,60 $ plus 0,12 $, soit 1,72 $ ; Qwen4-Max facture 0,60 $ plus 0,036 $, soit 0,64 $. Cela représente un écart de 2,7× en faveur de Qwen4-Max, et c'est exactement l'inverse de la comparaison des prix de sortie mise en avant. Le travail sur contexte long est le seul type de charge de travail pour lequel la carte Qwen4-Max est clairement l'achat le plus judicieux, et c'est la charge de travail pour laquelle les deux modèles sont commercialisés — des fenêtres de 1 M des deux côtés.
Le deuxième est la vidéo. Sol ne l’accepte pas. Qwen4-Max l’accepte, au même tarif que le texte, ce qui fait du tri des enregistrements d’écran, de l’examen des vidéos de dashcam et de l’analyse de démonstrations produit des charges de travail réservées à Qwen, à n’importe quel prix.
Le troisième est la marge de sortie en mode réflexion. Le plafond de sortie de 128 000 tokens de Sol est fixe ; Qwen4-Max permet à une seule réponse de porter 262 144 tokens répartis entre le raisonnement et la réponse, ce qui compte pour les tâches de décodage long où le plafond de Sol tronque. Le chiffre de 131 072 en mode non-réflexion est celui à comparer aux 128 000 de Sol, et sur cette ligne, ils sont à égalité à 3 % près.
Ce que coûte une migration, du côté que vous pouvez réellement migrer
Aucun des deux modèles ne peut se substituer directement à l'autre, et cette asymétrie mérite d'être énoncée clairement. Qwen4-Max documente quatre surfaces de protocole — OpenAI Chat Completions, OpenAI Responses, Anthropic Messages et DashScope — avec sortie structurée, appel d'outils en parallèle, complétion de préfixe et mise en cache implicite. Sol documente Chat Completions, Responses et Batch, l'appel d'outils nécessitant l'API Responses, et il rejette catégoriquement les paramètres d'échantillonnage : omettez temperature, top_p et logprobs des requêtes Chat Completions.
Le guide de migration GPT-6.2 d'OpenAI ajoute un risque plus discret : à partir de la version 6.2, l'API supprime les éléments de raisonnement lorsqu'elle détecte une modification de l'historique en cours de conversation — une édition de préfixe, une rétrogradation de modèle, un changement d'utilisateur final. Perdez ces éléments, et la qualité des réponses peut se dégrader tandis que le nombre de tokens augmente, sans qu'aucune erreur ne le signale. Une équipe qui rejoue une conversation sous un autre ID d'utilisateur final à des fins d'évaluation constatera des réponses légèrement moins bonnes et une facture plus élevée, ce qui constitue la catégorie de régression la plus difficile à attribuer.
C’est une raison de tester une migration sur du trafic réel plutôt qu’avec un smoke test, et c’est la même raison pour laquelle un chemin de repli est important. Si le déploiement s’avère être le mauvais choix, revenir en arrière est peu coûteux seulement si l’ancien modèle reste accessible avec la même clé et le même point de terminaison.
Une touche, et laquelle de ces deux se trouve dessus
OrcaRouter achemine GPT-6.1 Sol, et non GPT-6.2 Sol : le catalogue contient openai/gpt-6.1-sol au prix catalogue d’OpenAI avec une marge de 0 % répercutée, aux côtés des entrées GPT-6 Astra et Luna, et il ne contient pas encore l’identifiant 6.2 Sol. Qwen4-Max n’est pas non plus hébergé ici — il est disponible via l’API Model Studio d’Alibaba et plusieurs plateformes tierces.

La forme pratique de cette comparaison pour une équipe qui veut agir sur celle-ci est donc un test en deux étapes plutôt qu’un remplacement direct. Première étape : exécutez vos propres prompts sur GPT-6.1 Sol, qui est sur une clé ici et correspond au modèle que 6.2 remplace aux mêmes tarifs affichés, ainsi que sur un modèle de classe Qwen pour les cas de contexte long et de vidéo. Deuxième étape : lorsque l’identifiant 6.2 arrivera, basculez la partie Sol du DSL de routage et laissez le basculement automatique maintenir l’ancien chemin ouvert pendant que vous surveillez le coût par tâche plutôt que celui par token.
C’est la discipline que les chiffres de cet article préconisent de manière générale. Une équipe qui compare ces deux options à 1,50 $ contre 2,00 $ et à 4,50 $ contre 10,00 $ conclura que Qwen4-Max est le choix économique et se trompera d’un facteur trois sur la facture. Une équipe qui les compare à 3,27 $ contre 1,01 $ obtiendra le bon coût et pourrait encore faire le mauvais choix, car quatorze points d’indice et un écart de latence de 4× sont les lignes qui déterminent si la charge de travail est viable tout court. La seule comparaison qui vaille la peine d’être menée est celle du coût par tâche par rapport à votre propre exigence de latence, et la grille tarifaire d’aucun des deux fournisseurs ne vous donnera ni l’un ni l’autre de ces chiffres.
Comparés dans cet article2
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
