比較記事用に生成されたヒーローカード。見出しは「Qwen4-Max vs GPT-6.1 Sol Pro」、サブタイトルは「Proは課金モードであり、超えるべき数字がある」。強調表示された数値は「Proモードの損益分岐点:2.6X」で、チップには「Qwen4-Max:タスクあたり$3.27」「GPT-6.1 Sol(最大):タスクあたり$1.27」と表示されている。フッターには「Artificial AnalysisおよびOpenAIのドキュメントを2026年11月17日に参照」とある。OrcaRouterのマークが右下に合成されている。
Engineering & Research

Qwen4-Max 対 GPT-6.1 Sol Pro:Pro は課金モードであり、超えるべき数字が存在する

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

GPT-6.1 Sol Proには価格がない。識別子がないからだ。それはGPT-6.1 Sol — 2026年9月29日に、入力100万トークンあたり$2、出力100万トークンあたり$10でリリースされ、Responses APIで reasoning.mode: "pro" を指定して呼び出される — であり、OpenAIはこの設定によりモデルがより多くの作業を行い、その作業が標準のトークン料金で課金されると文書化している。2026年11月16日から一般提供されているQwen4-Maxは、$1.50と$4.50という価格で、出力ではトークンあたり2.2倍安いモデルだ。また、両モデルが持つ唯一の独立した測定において、完了タスクあたりではより高価な方でもある。$3.27 対 $1.27 というのは、GPT-6.1 Solの最大エフォート設定での話である。その逆転 — Qwen4-Maxはトークンあたりは安く、回答あたりは高い — が比較のすべてであり、proモードは、誰もどちらに動くか測定できないまま、それをどちら方向にも動かし得る唯一の変数である。

Proモードは、公開された係数を持たない乗数です

ベンダーのドキュメントは2段落しか存在せず、それらは注意深く読む価値がある。なぜなら、インターネット上のあらゆる「Sol Pro」比較は、それらと推測に基づいて成り立っているからだ。

• 概要 — Responses API で reasoning.effort と併せて設定する reasoning.mode の値 pro です。もう一方の値は standard で、これがデフォルトです。

• 何をするか — O​penAIによると、それは「最終的な回答を生成するために実行されたモデルの作業を集約する」。これはエフォートとは独立している。モードはどれだけの作業が行われるかを選び、エフォートはその中でモデルがどれだけ深く考えるかを選ぶ。

• かかるコスト — 集計されたトークン数に対して、モデルの標準料金で請求されます。追加料金も、別途のメーターもありません。

• それが持たないもの——係数。OpenAIはproモード向けのトークン倍率を公表しておらず、中立的なリーダーボードにもproモードの行はない。Artificial Analysis上のGPT-6.1 Solの測定はすべて、lowからmaxまでのreasoning.effort設定であり、いずれも標準モードだ。

つまり、確実に導けることが一つと、そうでないことが一つある。確実なのは、プロモードはGPT-6.1 Solのタスクあたりコストを上げこそすれ、下げることは決してないということだ。同じ料率で課金対象トークンが追加されるからだ。確実でないのは、どれだけ上がるかだ。1.8倍の作業を集約するプロモードの実行は、4倍を集約するものとは別の製品であり、OpenAIの外部でその比率を公表した者はいない。

しきい値プロモードはクリアする必要があります。

その未知は肩をすくめる理由ではない。それは単一の数値に変換される。なぜなら、Qwen4-Maxのタスクあたりのコストはすでに測定されており、Solのコストも同様だからだ。

• {{1}}Solの最大エフォート{{/1}}では — {{2}}Intelligence Indexタスクあたり$1.27で、Qwen4-Maxの$3.27に対して{{/2}}。{{3}}両モデルのタスクあたりコストが同じになるには、ProモードでSolのトークン消費を2.57倍にする必要がある。{{/3}}

• Solのxhigh effortでは — $0.76 対 $3.27。しきい値は4.3×です。

• Sol の高エフォート時 — $0.59 対 $3.27。しきい値は 5.5×。

• 知能について、規模感を示すと — Sol はインデックスで max 時 54.6、xhigh 時 52.5、high 時 50.3 を記録します。Qwen4-Max は 42.9 です。Pro モードは、このインデックスが測る意味でのモデルの知能スコアを変えませんが、難しいタスクでの回答品質を変えます。それが有料にする唯一の理由です。

買い手が実際に直面する問いは「どちらが安いか」ではない。問題は、プロモードでのSolの実行が、標準モードのトークン消費量の2.6倍から5.5倍未満に抑えながら、Qwen4-Maxを10インデックスポイント分を超えて品質で上回るかどうかだ。公表されているあらゆるシグナルは、その倍率が実在するが控えめであることを示している——ベンダーはプロモードを、別のモデルではなく「より多くのモデル作業を必要とする困難なタスク」向けの設定として位置づけている——そして、倍率が2.6倍未満なら、どのエフォートレベルでもタスクあたりのSolはQwen4-Maxより安くなる。これは推論であり、推論であると明確に示されている。そして、O​penAIまたは独立した評価者がその比率を公表するまで、誰もが言える最も筋の通った主張である。

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.'

なぜ安いモデルが高くつくのか

トークンあたりの料金表とタスクあたりの請求額はほぼ6倍も食い違っているが、その理由は価格ではなく量である。これははっきり説明する価値がある。なぜなら、これら2つのモデルの比較で最もよくある誤りだからだ。

• 出力単価 — Qwen4-Max は100万トークンあたり4.50ドル、Sol は10.00ドル。Qwen4-Max は出力トークンあたり2.2倍安価です。

• インデックス実行時の出力量 — Qwen4-Maxで1億2700万トークン、最大エフォート時のSolで6370万トークン。Qwen4-Maxは2.0倍多く出力します。

• 冗長性ランキング — Qwen4-Max はトラッカーの尺度で80中65位に位置し、まさに「非常に冗長」な区分に入っています。Sol は最大設定で35位、中央付近です。

• タスクあたりの実績コスト — $3.27 対 $1.27。Qwen4-Max は 2.6 倍高く、2.2 倍安いわけではない。

これら3つの比率は4つ目の比率と整合せず、欠けている項は入力量であり、公開ページではモデル別にその内訳が示されていない。まさにそれゆえ、タスクあたりの数値は測定値として、比率は説明として扱うべきだ。料金表はトークンにかかる費用を表し、指数はモデルが費やす金額を表し、月末の請求書に載るのは後者だけである。A​libaba自身の発表数値は、逆方向から同じ点を示している — Work360ベンチマークでのタスクあたり平均コストが$4.43から$1.67に下がったというのは、そのベンチマークのトークン構成についての主張であり、しかもベンダー提供のベンチマークにおけるベンダー側の数値である。

もう一つ軸があります。これはコストではなく、エージェントの実現可能性を決める軸だからです。Solを最大エフォートで実行した場合、インデックスタスクあたりの実測時間は1,383秒——23分——で、最初のトークンまで168秒かかりました。Qwen4-Maxにはタスクあたりの時間の数値がまったくありません。トラッカーの速度フィールドは同モデルでは空です。私たち自身のプレイグラウンドにおけるO​penAI経路の7日間の記録では、最初のトークンの中央値が1.7秒、出力は毎秒98トークンでしたが、これは標準モードかつ中エフォートのトラフィックであり、プロではありません。プロモードの呼び出しにどれだけ時間がかかるかを公開した人は誰もおらず、正直な計画上の前提は、最大エフォートの数値を採用し、誤差は上振れ方向に見積もることです。

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.

モードが属する場所:コードではなく、ルーティング層

pro はモデルではなくリクエストパラメータであるため、それを使うかどうかは呼び出しごとの判断になり、アプリケーションコードで行う呼び出しごとの判断は時間とともに劣化しやすい。劣化しない版は、それをルートに置くことだ。つまり、ディープレビューのパス(プルリクエストごと、契約ごと、インシデントごとに1回実行されるもの)に固定した pro モード設定と、インタラクティブなすべてに対する標準モード設定を用意し、どちらも同じキーから到達できるようにする。

OrcaRouterはopenai/gpt-6.1-solをOpenAI自身の$2.00と$10.00でルーティングしており、マークアップ0%で、272,000トークンの階層では料金が2倍の$4.00と$15.00になることも含め、当社経由のプロモード実験はベンダーでの費用と同じで、それ以上はかかりません。Qwen4-Maxはカタログにありません。qwen4の識別子へのリクエストはnot-foundを返し、当社が提供する最新のQwenフラッグシップはqwen/qwen3.8-maxで、$2.00と$6.00です。 ルーティングDSLは、その2つの半分が出会う場所です:長期的なエージェント作業を一方のモデルへ、インタラクティブなターンを他方へ送るルールがあり、その下で自動フェイルオーバーが行われるため、プロモードの実行が停滞してもリクエストを道連れにしません。これは構成変更であり、ハードコードされたモデル文字列とは違って可逆です。

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.

何が答えを変えるだろうか

先に到着する可能性が高い順に、3つのこと。

最初のものは、独立系ボード上のプロモードの行だ。5つのエフォートレベルの隣に、タスクあたりの独自コストを伴うプロ構成が現れれば、2.6×というしきい値は推測に基づく算術ではなく実測値になり、このページはそれを中心に書き直される。それまでは、「GPT-6.1 Sol Proスコア」と引用する記事は、モード名を付けただけのベースモデルの標準モード行を引用しているにすぎない。

2つ目はQwen4-Maxのエフォート曲線です。このモデルは登場から2日しか経っておらず、測定された動作点がちょうど1つしかないため、42.9は下限にも上限にもなり得ます。Alibabaの発表資料は自社ベンチマークでHighとXhigh設定に言及しているので、曲線自体は存在します。ただ、まだ独立にたどられていないだけです。

第三は、Qwen4-Maxに速度の行が追加されることだ。スループットの数値がないモデルは、エージェントを配置する対象にできないモデルであり、その欠如は現在、人間が待つあらゆるワークロードにおいて既存モデルを支持する最も強い論拠になっている。

それらのどれかが実現するまでは、この判断は明快だ。ワークロードが対話型でコストに敏感なら、GPT-6.1 Sol の medium は — タスクあたり $0.36、インデックス 46.4、最初のトークンまで5秒 — 価格を含む測定済みのあらゆる軸で Qwen4-Max を上回る。これはトークンカードが宣伝している結論ではない。ワークロードが長期間稼働するエージェントで、1Mトークンのウィンドウ、ネイティブビジョン、95%のキャッシュ割引がインデックスよりも重要なら、Qwen4-Max はコンテキストをより安く買う方法であり、その請求額はエフォートではなくキャッシュヒット率で決まる。そしてプロモードを検討しているなら、誰も測定していない能力に2.6倍の予算をかけていることになる — 1つのルートで試すのはよいが、本番経路で前提にするのは適切ではない。