
Qwen4-Max vs GPT-6 Sol: Token Lebih Murah yang Justru Memakan Biaya Lebih Besar per Jawaban
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 90 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 96 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 87 tok/s
- OrcaBARUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 133 tok/s
- OrcaBARUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 juta token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 juta token · 120 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Kecerdasan
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Kecerdasan
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 juta token · 219 tok/s
Qwen4-Max tercatat kurang dari setengah harga GPT-6 Sol untuk output — $4,50 per juta token dibandingkan $10,00 — namun tetap lebih mahal untuk menyelesaikan sebuah tugas. Artificial Analysis mengukur $3,27 per tugas Intelligence Index untuk Qwen4-Max, yang tersedia umum sejak 16 November 2026, dibandingkan $2,47 untuk GPT-6 Sol, yang dijual OpenAI sejak 22 September 2026. Skornya terpaut satu poin, 43 berbanding 44. Pembalikan itulah keseluruhan perbandingannya, dan itu bukan artefak pembulatan: itulah yang terjadi ketika sebuah model menghasilkan 127 juta token output untuk menyelesaikan evaluasi yang diselesaikan model lain dalam 65,1 juta. Qwen4-Max adalah model yang lebih murah per unit dan lebih mahal per pekerjaan, dan hanya satu dari dua fakta itu yang bertahan saat dihadapkan pada anggaran.
Inversinya, dengan aritmetika yang ditunjukkan
Kedua model menjalankan penalaran secara default, dan kedua vendor menetapkan harga penalaran sebagai output. Perbedaannya adalah seberapa banyak penalaran yang ada.
• Volume output pada proses indeks — Qwen4-Max menghasilkan 127 juta token output, yang oleh pelacak diberi peringkat ke-65 dari 80 dalam hal verbositas dan disebut sangat verbose dibandingkan median 78,6 juta. GPT-6 Sol menghasilkan 65,1 juta, yang disebut cukup ringkas dibandingkan median yang sama.
• Volume masukan — 9,9 miliar token untuk {{1}}Qwen4-Max{{/1}} dibandingkan 4,75 miliar untuk {{2}}GPT-6 Sol{{/2}}. Rasio keluaran terhadap masukan {{1}}Qwen{{/1}} adalah 1,284%; rasio {{2}}Sol{{/2}} adalah 1,371%, sehingga bentuk lalu lintasnya serupa, tetapi skalanya tidak.
• Biaya per tugas yang diselesaikan — $3.27 dibandingkan $2.47. Model yang secara nominal lebih murah justru 32% lebih mahal per tugas.
• Skor indeks — 43 berbanding 44, masing-masing berada di peringkat 38 dan 34 dari 81 model, pada revisi yang sama yang dibaca pada 16 November 2026.
Apa yang diukur di sini bukanlah pemborosan dalam arti biasa. Model yang bernalar panjang lebar dan mengulang cara kerjanya melakukan sesuatu yang dianggap vendor sebagai fitur, dan angka peluncuran Alibaba sendiri dibangun tepat di atas perilaku semacam itu sebagai sesuatu yang layak dibayar: Alibaba mengklaim token 24% hingga 35% lebih sedikit daripada Qwen3.8-Max pada benchmark Work360 miliknya, yang merupakan klaim tentang keceriwisan relatif terhadap pendahulunya dan tidak mengatakan apa pun tentang bagaimana perbandingannya dengan model dari laboratorium lain. Angka absolutnya adalah angka yang muncul di faktur, dan angka absolutnya tinggi.
Inversi itu menghilang pada output tetap. Batasi jawaban dengan skema, batas maksimum token, atau format yang ketat, dan keunggulan verbositasnya menguap, karena token yang dihemat adalah token yang dipilih model untuk dikeluarkan. Di bawah batas output yang ketat, tarif output Qwen4-Max yang 2,2× lebih murah berlaku untuk jumlah token yang kira-kira sama, dan penghematannya nyata. Jika dibiarkan menulis sesuka hati, ia akan menghabiskan diskon tersebut.

Setelah melewati 272.000 token, hubungan harga berbalik sepenuhnya.
Daftar tarif GPT-6 Sol memiliki jurang harga, sedangkan Qwen4-Max tidak. Inilah satu-satunya dimensi di mana model murah bukan hanya kompetitif, melainkan jauh lebih murah, dan hal ini mudah terlewat karena kedua model mengiklankan jendela satu juta token.
• GPT-6 Sol, hingga 272.000 token masukan — $2.00 masukan, $0.20 masukan cache, $2.50 penulisan cache, $10.00 keluaran.
• GPT-6 Sol, di atas 272.000 token input — input $4,00, input cache $0,40, tulis cache $5,00, output $15,00. Halaman model OpenAI sendiri menyatakan aturannya secara gamblang: setiap token dalam permintaan diberi harga ulang, bukan hanya kelebihannya. Prompt 300.000 token menagih semua 300.000 dengan tarif konteks panjang.
• Qwen4-Max — input $1,50 dan output $4,50 tetap di seluruh jendela 1.000.000 token, tanpa tingkatan tarif pada 32K, 128K, atau di mana pun. Tarif Singapura; lima wilayah lainnya adalah $1,413 dan $4,24.
• Selisih pada 300,000 token — $4.00 versus $1.50 untuk input adalah 2.7×, dan $15.00 versus $4.50 untuk output adalah 3.3×. Tambahkan jalur batch Qwen di Beijing, tempat Batch File menagih $0.707 dan $2.12, dan rasionya melebar lebih jauh — meskipun jalur itu hanya ada di satu region.
• Konsekuensi praktisnya — pipeline analisis dokumen yang rutin melewati 272K token tidak sedang memilih di antara dua harga yang mirip. Pipeline itu memilih antara tarif yang berlipat ganda pada batas yang dilewati permintaannya secara tidak sengaja dan tarif yang tidak bergerak sama sekali. Memecah permintaan yang kelebihan ukuran menjadi potongan di bawah ambang dapat memulihkan harga Sol, tetapi itu merupakan perubahan pada pipeline, dan itu membuat Anda kehilangan konteks permintaan tunggal yang menjadi alasan membeli model sejuta token.
Ini adalah kasus terkuat dalam artikel ini untuk Qwen4-Max, dan cakupannya lebih sempit daripada yang tersirat dalam liputan peluncuran: ini adalah kasus konteks panjang, bukan kasus umum.
Apa yang sebenarnya diklaim masing-masing vendor, dan apa yang mendasarinya
Materi peluncuran Alibaba untuk Qwen4-Max sangat spesifik dan sepenuhnya dilakukan sendiri. Benchmark yang dijadikan andalan, Work360, adalah benchmark yang dibangun oleh vendor: taksonomi 26 domain Tier-1, 182 subdomain Tier-2, dan 721 bidang Tier-3, yang pada Qwen4-Max memperoleh skor 52,69 berbanding 47,74 untuk Qwen3.8-Max. Di samping itu, perusahaan melaporkan pengurangan token sekitar 24% dan 35% pada Work360 pada effort xhigh dan high, 48% dan 49% pada Terminal-Bench 4.0, biaya rata-rata per tugas turun dari $4,43 menjadi $1,67, tingkat kelulusan tingkat fungsi Last Secure Code Bench naik dari 22,0% menjadi 31,8%, dan kode yang aman pada granularitas fungsi, file, serta repositori sekaligus naik dari 8% menjadi 14,7%. Semua itu dilaporkan vendor dan tidak satu pun telah direproduksi di luar Alibaba.
Klaim OpenAI untuk GPT-6 Sol dibentuk secara berbeda: klaim tersebut merupakan argumen paritas dengan biaya lebih rendah terhadap pesaing yang disebutkan, bukan skor absolut. Materi peluncuran melaporkan hasil FrontierCode 1.1 sebesar 49,3% pada upaya maksimum dengan biaya $2,14 per tugas, dibandingkan dengan 50,3% untuk Claude Fable 5.1 pada $12,83, serta hasil DeepSWE v1.1 sebesar 68,8%, dalam selisih 1,1 poin dari 69,9% milik Claude Fable 5. Cermati bentuk kalimat-kalimat itu: masing-masing memasangkan hasil yang hampir seri pada skor dengan sebagian kecil dari biaya. Itu adalah klaim tentang efisiensi, bukan tentang kemampuan, dan itu merupakan klaim yang lebih lemah daripada klaim yang dibuat Alibaba tentang Work360.
Tracker independen adalah tempat keduanya akhirnya dapat dibandingkan, dan itu satu-satunya sumber dalam tulisan ini yang mengukur kedua model dengan satu harness. Hasilnya membuat keduanya terpaut satu poin dan membalik peringkat harga. Ini juga menyisakan satu kolom kosong: GPT-6 Sol memiliki 125 token keluaran per detik yang terukur, 35,11 detik ke token jawaban pertama, dan 7,2 menit per tugas indeks. Qwen4-Max tidak memiliki ketiganya — kartu performanya bertuliskan N/A. Model yang 32% lebih mahal per tugas tanpa kecepatan yang dipublikasikan bukanlah model yang keunggulan biayanya dapat dihargai sama sekali untuk saat ini, karena separuh tagihan yang hilang adalah waktu.

Klaim arsitektur di balik angka token
Qwen4-Max adalah mixture-of-experts sparse dengan 2,4 triliun parameter dan 71 miliar parameter aktif per token, ditambah 328 miliar parameter embedding N-gram yang dicari melalui lookup, bukan dikalikan. Tiga lapisan Gated DeltaNet memampatkan riwayat menjadi state berukuran tetap untuk setiap lapisan Qwen Sparse Attention, yang memilih konteks relevan pada granularitas blok mikro melalui pengindeks ringan; empat cabang residual paralel dengan gerbang baca dan tulis dinamis menstabilkan tumpukan. Alibaba melaporkan tidak ada lonjakan loss sepanjang run 2,4T parameter dan bits per byte 5% hingga 13% lebih rendah daripada Qwen3.8-Max-Base sambil mengaktifkan 25% lebih sedikit parameter — dengan catatan jujur, yang dicantumkan oleh vendor, bahwa dua dari checkpoint yang dibandingkan telah melalui post-training, yang melemahkan framing model dasar.
Itu adalah penjelasan yang masuk akal tentang mengapa inferensi konteks panjang lebih murah per token. Itu bukan penjelasan tentang mengapa sebuah permintaan membutuhkan 1,95× token keluaran dibandingkan pesaing, dan tidak ada apa pun dalam materi peluncuran yang membahasnya. Efisiensi per token dan efisiensi per jawaban adalah kuantitas yang berbeda, dan model ini meningkatkan yang pertama sekaligus kehilangan yang kedua.
Di mana keduanya berada, dan seperti apa beban kerja campuran itu
GPT-6 Sol dirutekan di OrcaRouter sebagai openai/gpt-6-sol dengan harga daftar OpenAI dengan markup 0% — $2.00 dan $10.00 per juta token di bawah 272K, $4.00 dan $15.00 di atasnya, dengan aturan penetapan harga ulang 272K diterapkan sebagaimana OpenAI menerapkannya. Satu API untuk lebih dari 200 model membuat pertanyaan konteks panjang di atas menjadi keputusan perutean alih-alih kontrak kedua: sebuah pipeline dapat mengirim permintaan di bawah 272K ke Sol dan permintaan yang melebihi ukuran itu ke tempat lain tanpa perlu menyiapkan SDK kedua, dan perubahan harga vendor tiba di sini pada hari yang sama saat perubahan itu muncul di kartu harga OpenAI.
Qwen4-Max tidak ada dalam katalog OrcaRouter per 16 November 2026. Model itu dapat diakses melalui API Model Studio milik Alibaba sendiri dan beberapa platform pihak ketiga. Hal itu membuat eksperimen yang jujur menjadi asimetris dan murah hanya dalam satu arah: lengan Sol tidak memerlukan integrasi baru, lengan Qwen memerlukannya, dan perbandingan yang sebenarnya Anda inginkan — biaya per tugas yang diselesaikan pada lalu lintas Anda sendiri, pada panjang keluaran Anda sendiri — justru merupakan pengukuran yang akan menetapkan apakah pembalikan $2,47-versus-$3,27 tetap berlaku di luar harness benchmark. Jalankan pada irisan shadow, bukan pada jalur produksi, dan biarkan jumlah token Anda sendiri yang menentukan mana dari dua uji indeks itu yang menyesatkan.

Apa yang akan membuat ini menjadi artikel yang berbeda?
Dua pengukuran. Yang pertama adalah volume keluaran Qwen4-Max pada beban kerja dengan batas keluaran yang ketat; jika 127 juta token adalah sifat dari evaluasi dan bukan dari model, pembalikannya adalah artefak dan tarif $4.50 merupakan penghematan langsung. Yang kedua adalah kecepatan. GPT-6 Sol menghabiskan 7,2 menit per tugas indeks dan 35 detik untuk token pertama, yang merupakan angka biasa saja; jika Qwen4-Max secara material lebih lambat pada tugas yang sama, maka model yang sudah 32% lebih mahal per jawaban juga merupakan model yang membuat Anda menunggu lebih lama, dan tidak ada argumen per token yang bisa menyelamatkannya.
Sampai keduanya ada, posisi yang dapat dipertahankan bersifat sempit dan spesifik. Untuk permintaan yang melewati 272.000 token, Qwen4-Max dua hingga tiga kali lebih murah dan tidak ada tandingannya. Untuk semua hal lainnya, GPT-6 Sol adalah pembelian yang lebih baik berdasarkan satu-satunya angka yang menggabungkan harga dengan perilaku, dan fakta bahwa tarif utamanya 2,2× lebih tinggi untuk output adalah hal yang paling tidak informatif tentangnya.
Dibandingkan dalam artikel ini1
Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari
