כרטיס כותרת מופק שעליו נכתב 'Qwen 4 vs GPT-6.1 Sol: המודל שעלותו לכל נקודה היא שליש בלבד', עם כתובית המשנה '2.3 סנט לנקודת מדד לעומת 7.6, וצוק של 272,000 אסימונים שמשנה את תמחור הבקשה כולה'. שלוש שורות ממוספרות נכתבות 'ציון מדד 42.9 לעומת 54.6, Artificial Analysis v5.0.1', 'עלות לכל משימת מדד שהושלמה 3.27$ לעומת 1.27$' ו'הקלט מוכפל מ-2.00$ ל-4.00$ מעל 272,000 אסימונים'. בתחתית נכתב 'ציונים ועלות לכל משימה לפי Artificial Analysis Intelligence Index v5.0.1; מחירים לפי כרטיס התעריפים המפורסם של כל ספק.' עיצוב וקטורי שטוח על רקע לבן עם הדגשות בכחול ותכלת, והסימן של OrcaRouter משולב בפינה הימנית התחתונה.
Guides & Insights

Qwen 4 לעומת GPT-6.1 Sol: המודל שעלותו שליש לכל נקודה

מחבר

jinhao.song

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

לכל השוואה אחרת של Qwen4-Max בסדרה הזו יש אותו מבנה: היריב מקבל ציון גבוה יותר ועולה יותר, והדיון הוא אם הפער שווה את תוספת המחיר. זה לא המקרה כאן. GPT-6.1 Sol מקבל 54.6 במדד האינטליגנציה של Artificial Analysis לעומת Qwen4-Max עם 42.9 — גבוה ב-12 נקודות — ומשלים משימת מדד תמורת $1.27 לעומת $3.27 של Qwen4-Max. Sol מסוגל יותר וגם זול פי 2.6 לכל תשובה שהושלמה, בו-זמנית. במדד היעילות שהכריע את ארבעת ההתמודדויות האחרות, Sol מנצח פי 3.3: 2.3 סנט לנקודת מדד לעומת 7.6.

יש תנאי אחד שמצורף לכך, והוא קו 272,000 הטוקנים. זהו צוק אמיתי, הוא חל על כל טוקן בבקשה, וזו הדרך היחידה חזרה ל-Qwen4-Max בהתמודדות הזו שאינה כרוכה בתשלום יותר תמורת פחות.

שני הכרטיסים

GPT-6.1 Sol הושק ב-29 בספטמבר 2026 בתעריף של $2.00 לקלט ו-$10.00 לפלט למיליון טוקנים. Qwen4-Max עברה לתמחור מדוד ב-16 בנובמבר 2026 בתעריפים של $1.50 ו-$4.50 בסינגפור. לפי תעריף הכותרת Qwen4-Max נראית זולה פי 2.2 בפלט; לכל משימה שהושלמה היא יקרה פי 2.6. ההיפוך הזה הוא הכתבה.

• קלט, למיליון — Sol 2.00$ עד 272K טוקנים, 4.00$ מעל זה. Qwen4-Max 1.50$ בסינגפור, 1.413$ בחמשת האזורים האחרים, אחיד לאורך כל החלון.

• פלט, למיליון — Sol: ‏$10.00 בהקשר קצר, ‏$15.00 בהקשר ארוך. Qwen4-Max: ‏$4.50 ו־$4.24, אחיד.

• קלט שמור במטמון — Sol $0.10 למיליון בהקשר קצר, $0.20 בארוך; Qwen4-Max $0.075 לקריאות, עם תעריפי כתיבה של $1.875 ו-$3.00 עבור רשומות של חמש דקות ושעה אחת.

• 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.

• הקשר — Sol מפרסם חלון של 1,000,000 טוקנים בטרקר; Qwen4-Max אותו דבר, כאשר קלט החשיבה מוגבל ל-983,616.

• עלות לכל משימת אינדקס — $1.27 לעומת $3.27.

• ציון מדד — 54.6 לעומת 42.9, שניהם נמדדו בהגדרת המאמץ הגבוהה ביותר שפורסמה על ידם.

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.

למה הכרטיס שנראה זול הוא היקר

המספרים לכל משימה מקבלים משמעות רק כשמסתכלים על מה שכל מודל השקיע כדי להגיע לשם. Sol הפיק 63.7 מיליון טוקני פלט לאורך מערך האינדקס; Qwen4-Max הפיק 127.1 מיליון. Qwen4-Max כתב כמעט בדיוק פי שניים פלט כדי לקבל ציון נמוך בשתים עשרה נקודות, ופלט הוא העמודה היקרה בשני הכרטיסים.

לכל משימה החלוקה היא 67,824 טוקני פלט ל-Sol לעומת 104,940 ל-Qwen4-Max — מתוכם 49,213 ו-68,914 בהתאמה הם טוקני הסקה. כך ש-Qwen4-Max אינו פטפטן יותר בתשובה שלו; הוא פטפטן יותר בחשיבה שלו. הוא מקדיש 40% יותר זמן להסקה כדי להגיע למסקנה גרועה יותר, ואז מחייב אותך ב-4.50 דולר למיליון על הפריווילגיה.

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.

היכן ש-Qwen4-Max אינו מובס

לא בכל סוויטה שתים־עשרה נקודות הן מפלה מוחצת, ושלוש שורות שוות קריאה לפני שפוסלים את המודל.

• Terminal-Bench 4.0 — Sol 56.1%, Qwen4-Max 48.5%. שבע וחצי נקודות. אמיתי, אך צר יותר מכפי שהכותרת מרמזת.

• AutomationBench — Qwen4-Max עם 72.6% לעומת 64.9% של Sol. Qwen4-Max מנצח בזה בכמעט שמונה נקודות, וזהו ההיפוך הבודד הגדול ביותר בהשוואה.

• {{1}}GDPval{{/1}} — {{2}}Qwen4-Max{{/2}} עם 1,808.69 לעומת 1,607.47 של {{3}}Sol{{/3}}. יתרון של 12.5% במשימות מקצועיות מבוססות כלכלית, מול מודל שמקדים בשתים עשרה נקודות מדד. זהו ההיפוך השני והמפתיע יותר מבין השניים, מפני ש{{1}}GDPval{{/1}} הוא הדבר הקרוב ביותר בלוח לשאלה „האם איש מקצוע יקבל את העבודה הזו“.

• FrontierCode 2.0 — 26.5% לעומת 40.6%. שלוש־עשרה נקודות לכיוון השני; הפער הרחב ביותר בלוח והטעון ביותר מבחינה מסחרית.

• CritPt Agentic Hard — 43.0% לעומת 69.5%. עשרים ושש נקודות — השורה הבודדת הגרועה ביותר עבור Qwen4-Max.

• כל-ידיעה — 27.7 לעומת 42.0, עם שיעורי הזיה של 28.4% ו-51.9%. Sol מדויק יותר וסביר בהרבה להמציא כשטועה.

• תת-ציוני יכולת — Sol מוביל בכל השישה, בפער קטן באסטרטגיה ובתפעול (57.6 לעומת 56.9) ובפער ברור בהנדסה (59.4 לעומת 50.1).

הדפוס עקבי עם שאר ההשוואות בסדרה הזו: Qwen4-Max מחזיק מעמד במשימות שבהן נדרש שיקול דעת מקצועי המופעל על מסמכים, ונכשל במשימות של חשיבה טכנית ממושכת או ביצוע סוכני. שני ניצחונות מתוך תריסר חבילות בדיקה אינם סיבה לבחור בו, אבל הם סיבה לכך שהבחירה תלויה במשימה ולא אוטומטית.

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.

הרצת האריתמטיקה של 272,000 טוקנים

קח בסיס קוד בן 400,000 טוקנים שאתה רוצה לנתח בבת אחת, עם 2,000 טוקנים של פלט. שני המודלים מכילים אותו בחלונות שלהם. רק אחד מהם מתמחר מחדש.

• GPT-6.1 Sol, תעריף ההקשר הקצר — לא ניתן להשתמש. בקלט של 400K חל מסלול ההקשר הארוך: 400,000 × $4.00 למיליון = $1.60 קלט, בתוספת 2,000 × $15.00 = $0.03 פלט. סה״כ $1.63.

• Qwen4-Max — 400,000 × $1.50 למיליון = $0.60 עבור קלט, ועוד 2,000 × $4.50 = $0.009 עבור פלט. סה״כ $0.61.

• אותה בקשה ב-250,000 טוקנים, מתחת לרף — Sol: 250,000 × $2.00 = $0.50 ועוד $0.03 = $0.53. Qwen4-Max: $0.375 ועוד $0.009 = $0.38.

אז ההיפוך אמיתי והוא צר. מתחת ל-272,000 טוקני קלט, Sol זול יותר לכל בקשה וטוב יותר; מעל זה, Qwen4-Max זול פי 2.7 וגרוע בשתים עשרה נקודות. לולאת סוכן של 200K טוקנים שפלט הכלים שלה מצטבר בין תורות חוצה את הסף באמצע סשן, וזו בדיוק צורת העומס שבה הצוק מכה הכי חזק — אתה לא בוחר את השכבה, גידול ההקשר של הלולאה בוחר אותה עבורך.

אלו אריתמטיקה של מחירי רשימה על תעריפים מפורסמים, לא חשבוניות מדודות. פגיעות מטמון היו מקטינות את שני המספרים במידה ניכרת ומצמצמות את הפער המוחלט, תוך השארת היחס פחות או יותר כפי שהוא.

תשובת הניתוב, שהיא נקייה באופן חריג כאן

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.

מה שהופך את הצימוד הזה לראוי לניתוב ולא לבחירה הוא שמשתנה ההחלטה הוא ספירת טוקנים, ושכבת ניתוב יכולה לראות אותה. כלל של 272,000 טוקנים על אורך הקלט — Sol מתחת, משהו זול יותר מעל — הוא מדיניות בת שתי שורות, וזה מסוג הדברים שקל ליישם פעם אחת ובלתי אפשרי לזכור לעשות ידנית בכל שירות. מעבר אוטומטי בעת כשל מכסה את הקצה השני: שכבת ההקשר הארוך של Sol היא פס מחיר אחר, לא מודל אחר, כך שזינוק בגודל הפרומפט מייצר שינוי בחשבון ולא שגיאה, ושום דבר לא מזהיר אותך עד החשבונית.

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.

מה יזיז את זה

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.

עד שאחד משני המקרים יתרחש, הכלל קצר, והוא אינו מחמיא לנושא הסדרה הזו. כמעט בכל דבר, GPT-6.1 Sol הוא המודל הטוב יותר והזול יותר, והפער של שתים עשרה נקודות נמכר בהנחה. במקרה הספציפי של משימת שיקול דעת מקצועי עתירת מסמכים, שבה ליתרון של 12.5% של GDPval יש משמעות, Qwen4-Max שווה בחינה במחיר של פי 2.6 למשימה. ולכל דבר שגורר הקשר גדול מעבר ל-272,000 טוקנים, Qwen4-Max מפסיק להיות אפשרות הפשרה והופך לבחירה הנכונה — לא משום שהוא השתפר, אלא משום שהחלופה הוכפלה.