Une carte de titre générée indiquant « Qwen 4 vs GPT-6.1 Sol : le modèle qui coûte trois fois moins cher par point », avec le sous-titre « 2,3 cents par point d'indice contre 7,6, et un seuil de 272 000 tokens qui change le tarif de toute la requête ». Trois lignes numérotées indiquent « score d'indice 42,9 contre 54,6, Artificial Analysis v5.0.1 », « coût par tâche d'indice terminée 3,27 $ contre 1,27 $ » et « l'entrée double de 2,00 $ à 4,00 $ au-delà de 272 000 tokens ». Un pied de page indique « Scores et coût par tâche selon l'Artificial Analysis Intelligence Index v5.0.1 ; prix selon la grille tarifaire publiée de chaque fournisseur. » Style vectoriel plat sur fond blanc avec des accents bleu et cyan, la marque OrcaRouter incrustée en bas à droite.
Guides & Insights

Qwen 4 vs GPT-6.1 Sol : le modèle qui coûte trois fois moins cher par point

Auteur

jinhao.song

Date de publication

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

Toutes les autres comparaisons avec Qwen4-Max de cette série ont la même configuration : l’adversaire obtient un meilleur score et coûte plus cher, et le débat porte sur la question de savoir si l’écart justifie le surcoût. Ce n’est pas le cas ici. GPT-6.1 Sol obtient 54,6 sur l’Artificial Analysis Intelligence Index, contre Qwen4-Max à 42,9 — soit douze points d’avance — et termine une tâche de l’indice pour 1,27 $, contre 3,27 $ pour Qwen4-Max. Sol est à la fois plus capable et 2,6 fois moins cher par réponse finalisée. Sur la mesure d’efficacité qui a départagé les quatre autres confrontations, Sol l’emporte par un facteur de 3,3 : 2,3 cents par point d’indice, contre 7,6.

Il y a une condition attachée à cela, et c'est la limite des 272 000 tokens. C'est une véritable falaise, elle s'applique à chaque token de la requête, et c'est la seule voie de retour vers Qwen4-Max dans cette confrontation qui n'implique pas de payer plus pour moins.

Les deux cartes

GPT-6.1 Sol est sorti le 29 septembre 2026 à 2,00 $ en entrée et 10,00 $ en sortie par million de tokens. Qwen4-Max est passé à la facturation à l’usage le 16 novembre 2026, à 1,50 $ et 4,50 $ à Singapour. Au tarif affiché, Qwen4-Max semble 2,2 fois moins cher en sortie ; par tâche accomplie, il est 2,6 fois plus cher. C’est cette inversion qui fait l’article.

• Entrée, par million — Sol 2,00 $ jusqu'à 272 K tokens, 4,00 $ au-delà. Qwen4-Max 1,50 $ à Singapour, 1,413 $ dans les cinq autres régions, tarif constant sur toute la fenêtre.

• Sortie, par million — Sol 10,00 $ en contexte court, 15,00 $ en contexte long. Qwen4-Max 4,50 $ et 4,24 $, tarif fixe.

• Entrée mise en cache — Sol 0,10 $ par million en contexte court, 0,20 $ en contexte long ; lectures Qwen4-Max à 0,075 $, avec des tarifs d’écriture de 1,875 $ et 3,00 $ pour des entrées de cinq minutes et d’une heure.

• 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.

• Contexte — Sol publie une fenêtre de 1 000 000 de jetons sur le tracker ; Qwen4-Max fait de même, avec l’entrée de réflexion plafonnée à 983 616.

• Coût par tâche d'indexation — 1,27 $ contre 3,27 $.

• Score de l’indice — 54,6 contre 42,9, tous deux mesurés à leur paramètre d’effort publié le plus élevé.

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.

Pourquoi la carte qui semble bon marché est la plus chère

Les chiffres par tâche ne prennent sens qu’une fois que l’on regarde ce que chaque modèle a dépensé pour y arriver. Sol a émis 63,7 millions de tokens de sortie sur l’ensemble de l’index ; Qwen4-Max en a émis 127,1 millions. Qwen4-Max a produit presque exactement deux fois plus de sortie pour obtenir un score inférieur de douze points, et la sortie est la colonne coûteuse sur les deux fiches.

Par tâche, la répartition est de 67 824 jetons de sortie pour Sol contre 104 940 pour Qwen4-Max — dont 49 213 et 68 914 relèvent respectivement du raisonnement. Ainsi, Qwen4-Max n’est pas plus bavard dans sa réponse ; il l’est dans sa réflexion. Il raisonne 40 % plus longtemps pour parvenir à une conclusion moins bonne, puis vous facture 4,50 $ le million pour ce privilège.

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.

Là où Qwen4-Max n’est pas battu

Douze points ne constituent pas une déroute sur chaque suite, et trois lignes méritent d’être lues avant de condamner le modèle.

• Terminal-Bench 4.0 — Sol 56,1 %, Qwen4-Max 48,5 %. Sept points et demi. C'est réel, mais plus étroit que le titre ne le suggère.

• AutomationBench — Qwen4-Max 72,6 % contre 64,9 % pour Sol. Qwen4-Max l’emporte ici de près de huit points, et il s’agit de la plus grande inversion unique de la comparaison.

• GDPval — Qwen4-Max 1 808,69 contre 1 607,47 pour Sol. Une avance de 12,5 % sur des tâches professionnelles à ancrage économique, face à un modèle en avance de douze points d’indice. Il s’agit de la deuxième inversion et de la plus surprenante des deux, car GDPval est ce qui, sur le classement, se rapproche le plus de la question « un professionnel accepterait-il ce travail ? ».

• FrontierCode 2.0 — 26,5 % contre 40,6 %. Treize points dans l’autre sens ; l’écart le plus large du tableau et celui qui a le plus de poids commercial.

• CritPt Agentic Hard — 43,0 % contre 69,5 %. Vingt-six points, la pire ligne isolée pour Qwen4-Max.

• Omniscience — 27,7 contre 42,0, avec des taux d’hallucination de 28,4 % et 51,9 %. Sol est plus précis et bien plus susceptible de fabriquer des informations lorsqu’il se trompe.

• Sous-scores de capacités — Sol arrive en tête sur les six, de justesse en stratégie et en opérations (57,6 contre 56,9) et nettement en ingénierie (59,4 contre 50,1).

Le schéma est cohérent avec les autres confrontations de cette série : Qwen4-Max tient bon lorsque la tâche consiste en un jugement professionnel appliqué à des documents, et échoue lorsque la tâche exige un raisonnement technique soutenu ou une exécution agentique. Deux victoires sur une douzaine de suites ne constituent pas une raison de le choisir, mais elles font que le choix dépend de la tâche plutôt que d'être automatique.

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.

Exécution de l’arithmétique sur 272 000 jetons

Prenez une base de code de 400 000 jetons que vous souhaitez analyser en une seule fois, avec 2 000 jetons de sortie. Les deux modèles la font tenir dans leurs fenêtres. Un seul d’entre eux recalcule le prix.

• {{1}}GPT-6.1 Sol{{/1}}, {{2}}tarif du contexte court{{/2}} — ne peut pas être utilisé. Pour une entrée de 400 K, le palier de contexte long s’applique : 400 000 × 4,00 $ par million = 1,60 $ en entrée, plus 2 000 × 15,00 $ = 0,03 $ en sortie. Total : 1,63 $.

• Qwen4-Max — 400 000 × 1,50 $ par million = 0,60 $ en entrée, plus 2 000 × 4,50 $ = 0,009 $ en sortie. Total 0,61 $.

• La même requête à 250 000 tokens, sous le seuil — Sol : 250 000 × 2,00 $ = 0,50 $ plus 0,03 $ = 0,53 $. Qwen4-Max : 0,375 $ plus 0,009 $ = 0,38 $.

L’inversion est donc réelle, et elle est étroite. En dessous de 272 000 tokens d’entrée, Sol est moins cher par requête et meilleur ; au-dessus, Qwen4-Max est 2,7× moins cher et douze points moins bon. Une boucle d’agent de 200 K tokens dont les sorties d’outils s’accumulent au fil des tours franchit le seuil en cours de session, ce qui correspond exactement à la forme de charge de travail où la falaise mord le plus durement — ce n’est pas vous qui choisissez le palier, c’est la croissance du contexte de la boucle qui le choisit pour vous.

Il s’agit de calculs sur prix catalogue à partir de tarifs publiés, et non de factures mesurées. Les hits de cache réduiraient sensiblement les deux chiffres et resserreraient l’écart absolu tout en laissant le ratio à peu près au même niveau.

La réponse de routage, qui est inhabituellement propre ici

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.

Ce qui fait que cette association mérite le routage plutôt que le choix, c'est que la variable de décision est un nombre de tokens, et qu'une couche de routage peut le voir. Une règle de 272 000 tokens sur la longueur d'entrée — Sol en dessous, moins cher au-dessus — est une politique en deux lignes, et c'est le genre de chose facile à mettre en œuvre une fois et impossible à penser à faire manuellement dans chaque service. Le basculement automatique couvre l'autre cas limite : le niveau de contexte long de Sol est une autre tranche de prix, pas un autre modèle, donc un pic de taille de prompt entraîne un changement de facture plutôt qu'une erreur, et rien ne vous alerte avant la facture.

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.

Qu'est-ce qui ferait bouger cela

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.

Jusqu’à ce que l’un ou l’autre se produise, la règle est courte et elle ne flatte pas le sujet de cette série. Pour presque tout, GPT-6.1 Sol est le meilleur modèle et le moins cher, et l’écart de douze points est vendu à rabais. Dans le cas précis d’une tâche de jugement professionnel à forte composante documentaire, où l’avance de 12,5 % de GDPval veut dire quelque chose, Qwen4-Max mérite un coup d’œil à 2,6× le prix par tâche. Et pour tout ce qui pousse un grand contexte au-delà de 272 000 tokens, Qwen4-Max cesse d’être l’option de compromis et devient le bon choix — non pas parce qu’il s’est amélioré, mais parce que l’alternative a doublé.