「Qwen4-Max vs GPT-6 Sol」と書かれた生成済みタイトルカードがあり、サブタイトルは「回答あたりでは割高になる、より安いトークン」。3枚の数値カードには「インデックスで43対44」「タスクあたり$3.27対$2.47」「出力$4.50対$10.00」とある。フッターには「スコアとタスクあたりコストはArtificial Analysis Intelligence Index v5.0.1による。価格は各ベンダーの料金表による」とある。白背景にブルーとシアンのグラデーションアクセントを効かせたフラットベクター調で、OrcaRouterのマークを右下に合成。
Guides & Insights

Qwen4-Max 対 GPT-6 Sol:トークン単価は安いのに、回答あたりでは割高になる

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

Qwen4-Maxの出力価格はGPT-6 Solの半分未満で、100万トークンあたり4.50ドル対10.00ドルだが、それでもタスクを完了するのにかかるコストは高い。Artificial Analysisによると、2026年11月16日から一般提供されているQwen4-MaxではIntelligence Indexのタスクあたり3.27ドルかかるのに対し、2026年9月22日からOpenAIが販売しているGPT-6 Solは2.47ドルだ。スコアは1点差で、43対44。この逆転が比較のすべてであり、四捨五入の産物ではない。一方のモデルが6510万出力トークンで終える評価を、もう一方が1億2700万出力トークン書いて完了するときに起きることだ。Qwen4-Maxは単価では安いモデル、仕事単位では高いモデルであり、その2つの事実のうち予算と向き合って生き残るのは片方だけだ。

反転を、計算過程を示して。

どちらのモデルもデフォルトで推論を実行し、どちらのベンダーも思考を出力として課金する。違いは、その量がどれだけあるかだ。

• インデックス実行時の出力量 — {{1}}Qwen4-Max{{/1}}は1億2,700万出力トークンを生成し、{{2}}トラッカー{{/2}}は冗長性で80件中65位と順位付けし、中央値7,860万に対して非常に冗長だと評している。{{3}}GPT-6 Sol{{/3}}は6,510万を生成し、同じ中央値に対してかなり簡潔だと評されている。

• 入力量 — Qwen4-Max は 99 億トークン、GPT-6 Sol は 47.5 億トークン。Qwen の出力対入力比は 1.284%、Sol は 1.371% なので、トラフィックの形は似ているが規模は異なる。

• 完了したタスクあたりのコスト — $3.27 対 $2.47。名目上は安価なモデルのほうが、タスクあたり32%割高です。

• インデックススコア — 43 対 44、81 モデル中それぞれ 38 位と 34 位、2026 年 11 月 16 日に読み取られた同一リビジョンにおいて。

これが測っているのは、通常の意味での無駄ではない。長時間推論し、その作業過程を言い直すモデルは、ベンダーが機能とみなすことをしているのであり、アリババ自身の発表時の数値も、まさにその行為に料金を払う価値があることを前提にしている。同社はWork360ベンチマークでQwen3.8-Maxよりトークン数が24%から35%少ないと主張しているが、これは前身モデルに対する相対的な冗長性についての主張であり、別のラボのモデルとどう比較されるかについては何も語っていない。請求書に載るのは絶対値であり、その絶対値は高い。

逆転が消えるのは、出力を固定した場合だ。スキーマ、最大トークン上限、厳格な形式で回答を制約すると、冗長性による優位は消える。なぜなら、節約されるトークンはモデルが自ら出力することを選んだトークンだからだ。厳しい出力上限の下では、Qwen4-Maxの2.2倍安い出力料金がほぼ同じトークン数に適用され、節約は現実のものになる。好きなように書かせると、その割引分を使ってしまう。

A generated two-column scoreboard titled 'Qwen4-Max vs GPT-6 Sol — the scoreboard'. The Qwen4-Max column reads Output price $4.50 per million, AA Index 43 rank 38 of 81, Price per index task $3.27, Output tokens on AA run 127M, Above 272K context price unchanged, Speed on AA not yet measured. The GPT-6 Sol column reads Output price $10.00 per million, AA Index 44 rank 34 of 81, Price per index task $2.47, Output tokens on AA run 65.1M, Above 272K context $4.00 / $15.00, Speed on AA 125 tokens per second. A footer reads 'Index and per-task cost per Artificial Analysis v5.0.1; prices per vendor cards.'

272,000トークンを超えると、価格の関係は完全に逆転します。

GPT-6 Solの料金表には崖があるが、Qwen4-Maxの料金表にはない。これは、安価なモデルが単に競争力を持つだけでなく、劇的に安くなる唯一の次元であり、両モデルとも100万トークンのウィンドウを謳っているため、見落としやすい。

• GPT-6 Sol、入力トークン最大272,000 — 入力$2.00、キャッシュ済み入力$0.20、キャッシュ書き込み$2.50、出力$10.00。

• GPT-6 Sol、272,000入力トークン超 — 入力$4.00、キャッシュ済み入力$0.40、キャッシュ書き込み$5.00、出力$15.00。OpenAI自身のモデルページにはこのルールが明記されています。リクエスト内のすべてのトークンが再料金設定され、超過分だけではありません。300,000トークンのプロンプトでは、300,000すべてが長文コンテキスト料金で請求されます。

• Qwen4-Max — 入力 $1.50、出力 $4.50 で、100万トークンのウィンドウ全体にわたり一律料金。32K、128K など、どこにも段階制はありません。シンガポール料金です。他の5リージョンは $1.413 と $4.24 です。

• 300,000トークン時点の差——入力では$4.00対$1.50で2.7倍、出力では$15.00対$4.50で3.3倍。さらに北京にあるQwenのバッチ経路(Batch Fileの課金は$0.707と$2.12)を加えると、比率はさらに広がる——ただし、その経路は1つのリージョンにのみ存在する。

• 実務上の帰結はこうだ——常態的に272Kトークンを超える文書分析パイプラインは、似通った2つの価格の間で選んでいるのではない。リクエストが偶然またぐ境界で料金が倍になるレートと、まったく変動しないレートの間で選んでいるのだ。大きすぎるリクエストを閾値未満のチャンクに分割すればSolの価格は取り戻せるが、それはパイプラインの変更であり、100万トークンモデルを買う理由だった単一リクエストのコンテキストを犠牲にする。

これはこの記事の中でQwen4-Maxにとって最も強い根拠だが、ローンチ時の報道が示唆するよりも限定的だ。つまり、ロングコンテキストのケースであり、一般的なケースではない。

各ベンダーが実際に主張していることと、その裏付け

AlibabaのQwen4-Max発表資料は異例なほど具体的で、すべて自社で実施したものだ。冒頭で示すベンチマークWork360はベンダー自身が構築したもので、26の第1階層ドメイン、182の第2階層サブドメイン、721の第3階層フィールドからなる分類体系で、これにおいてQwen4-Maxは52.69、Qwen3.8-Maxは47.74のスコアを記録している。併せて同社は、Work360のxhighおよびhigh effortでトークン数が約24%と35%削減されたこと、Terminal-Bench 4.0では48%と49%削減されたこと、タスクあたり平均コストが4.43ドルから1.67ドルに低下したこと、Last Secure Code Benchの関数レベル合格率が22.0%から31.8%に上昇したこと、関数・ファイル・リポジトリの粒度で同時に安全なコードの割合が8%から14.7%に上昇したことを報告している。これらはすべてベンダー報告であり、Alibaba外部で再現されたものは一つもない。

OpenAIによるGPT-6 Solについての主張は形が異なる。絶対的なスコアではなく、名指しされた競合に対する低コストでの同等性を訴える論法である。発表資料は、最大エフォート時でタスクあたり2.14ドルのFrontierCode 1.1結果49.3%を、12.83ドルのClaude Fable 5.1の50.3%と対比して報告し、DeepSWE v1.1については68.8%という結果を、Claude Fable 5の69.9%から1.1ポイント以内だと報告した。これらの文はその形に注目して読むべきだ。それぞれが、スコアのほぼ互角とコストの数分の一を組み合わせている。それは能力についてではなく効率についての主張であり、AlibabaがWork360についてしている主張より弱い主張である。

独立系トラッカーは、この2つをようやく比較できる場所であり、この記事の中で両モデルを同じハーネスで測定した唯一の情報源だ。両者を1ポイント差に置き、価格順位を逆転させている。さらに1つの列を空欄のままにしている。GPT-6 Solには、毎秒125出力トークン、最初の回答トークンまで35.11秒、インデックスタスクあたり7.2分という測定値がある。Qwen4-Maxにはその3項目のいずれもなく、性能カードはN/Aと表示されている。タスクあたり32%高く、公開された速度もないモデルは、まだコスト優位性をまったく価格評価できない。請求額の欠けている半分は時間だからだ。

A headless-browser screenshot of the Artificial Analysis model page for Qwen4 Max, captured 16 November 2026 in English, showing the Alibaba proprietary-model label, Released November 2026, an Intelligence Index of 43 ranked of 81, the cost block reading In $1.50, Out $4.50, Cache 95% and $3.27 per task, a verbosity reading, and the summary line noting text and image input with a 984k-token context window.

トークン数の背後にあるアーキテクチャ上の主張

Qwen4-Maxは、トークンあたり710億パラメータがアクティブになる2.4兆パラメータのスパース混合エキスパートであり、さらに乗算ではなく参照される3280億のN-gram埋め込みパラメータを備えている。3つのGated DeltaNet層が、各Qwen Sparse Attention層のために履歴を固定サイズの状態に圧縮し、各Qwen Sparse Attention層は軽量インデクサーを通じてマイクロブロック粒度で関連コンテキストを選択する。動的な読み取りゲートと書き込みゲートを備えた4つの並列残差ブランチがスタックを安定化させる。Alibabaは、2.4Tパラメータの実行全体で損失スパイクがなく、Qwen3.8-Max-Baseよりbits per byteが5%から13%低く、アクティブパラメータは25%少ないと報告している。ただし、比較したチェックポイントのうち2つは事後学習済みであり、ベースモデルという枠組みを弱めるという正直な注意書きをベンダーが明記している。

長文脈推論がトークンあたりで安くなる理由についてはもっともらしい説明だが、あるリクエストが競合他社の1.95倍の出力トークンを必要とする理由を説明するものではなく、ローンチ資料のどこもその点に触れていない。トークンあたりの効率と回答あたりの効率は別の量であり、このモデルは前者を改善する一方で後者を損なっている。

2つがどこに存在するか、そして混在ワークロードがどのようなものか

GPT-6 SolはOrcaRouter上でopenai/gpt-6-sol としてルーティングされ、OpenAIの定価に0%のマークアップで提供されます — 272K未満では100万トークンあたり$2.00と$10.00、それを超えると$4.00と$15.00で、272Kの再価格設定ルールはOpenAIが適用するのと同じ形で適用されます。200以上のモデルを1つのAPIで利用できるということは、上記の長コンテキストの問いは2つ目の契約ではなくルーティングの判断になるということです。パイプラインは272K未満のリクエストをSolへ、それを超えるリクエストを別の宛先へ送ることができ、2つ目のSDKを立ち上げる必要はなく、ベンダーの価格変更はOpenAIの料金表に反映されるその同じ日にここにも反映されます。

Qwen4-Maxは2026年11月16日時点でOrcaRouterのカタログには含まれていません。Alibaba自身のModel Studio APIおよび複数のサードパーティプラットフォーム経由なら利用可能です。そのため、誠実な実験は非対称になり、一方向にだけ安上がりになります。Sol側のアームには新たな統合が不要ですが、Qwen側のアームには必要であり、本当に欲しい比較、つまり自社トラフィック上で自社の出力長における完了タスクあたりコストこそが、$2.47対$3.27の逆転がベンチマークハーネスの外でも成り立つかどうかを決着させる測定そのものです。本番経路ではなくシャドウスライスで実行し、どちらのインデックス実行が誤解を招くものなのかを、自社のトークン数に判断させてください。

A headless-browser screenshot of the OrcaRouter model page for openai/gpt-6-sol, captured 16 November 2026 in English, showing the GPT-6 Sol heading and identifier, the OpenAI attribution dated 2026-09-22, vision, tools, JSON and reasoning badges, a description placing it below GPT-6 Astra and above GPT-6 Luna, an OpenAI-compatible /v1/chat/completions endpoint, and the price block reading $2.00 input and $10.00 output per million tokens with a 4.54 s p50 time to first token.

この記事を別の記事にするには何が必要でしょうか

2つの測定。1つ目は、厳格な出力上限があるワークロードにおけるQwen4-Maxの出力量だ。1億2700万トークンがモデルではなく評価の性質によるものなら、その逆転はアーティファクトであり、$4.50の料金は純粋な節約である。2つ目は速度だ。GPT-6 Solはインデックスタスク1件あたり7.2分、最初のトークンまで35秒を要するが、これは特筆すべき数字ではない。同じタスクでQwen4-Maxが実質的により遅いなら、回答あたりですでに32%高いモデルは、待ち時間も長くさせるモデルでもあり、トークン単価の議論でそれを救うことはできない。

両方が揃うまでは、擁護できる立場は限定的かつ具体的なものになる。272,000トークンを超えるリクエストでは、Qwen4-Maxのほうが2〜3倍安く、比較にならない。それ以外では、価格と挙動を組み合わせた唯一の数値においてGPT-6 Solのほうがより良い買い物であり、出力の公表レートが2.2倍高いという事実は、それについて最も情報量の少ない点だ。

この記事で比較したモデル1

この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新