GPT-6 vs Qwen 3.8 Max: de een verwerkt video, de ander schrijft langer

GPT-6 Sol en Qwen3.8 Max rekenen hetzelfde invoertarief — $2,00 per miljoen tokens, beide — en lopen daarna uiteen op twee assen die een prijstabel alleen niet aan het licht brengt. Qwen3.8 Max, algemeen beschikbaar sinds 3 augustus 2026, is van de twee het enige model dat video accepteert: de invoermodaliteiten zijn tekst, afbeelding en video, terwijl GPT-6 Sol tekst, afbeelding en bestand accepteert. GPT-6 Sol, dat de leverancier op 22 september 2026 uitbracht, is van de twee het enige met een gepubliceerd uitvoerplafond, 128.000 tokens, en het enige met een consumentenplatform erachter — de ChatGPT-uitrol van 7 oktober die het model onder de aandacht bracht van meer dan 1,2 miljard wekelijkse gebruikers.

Dus de sorteervraag is niet welke sterker is. Het gaat erom of je invoer video is, en of je uitvoer lang is.

Video is de eerste vork

De meeste modelvergelijkingen komen neer op prijs en benchmark, en deze heeft een hard structureel verschil dat die ondergeschikt maakt. Als je pipeline video inneemt — bewakingsbeelden, opgenomen vergaderingen, sport- of collegemateriaal, productdemoreels — dan kan Qwen3.8 Max de clip in het verzoek opnemen. Op de kaart staat video als invoermodaliteit naast tekst en afbeelding, tot het venster van een miljoen tokens, wat voor video betekent: framesampling plus transcript in één enkele aanroep in plaats van een aparte extractiefase. GPT-6 Sol kan dat niet. De modaliteiten zijn tekst, afbeelding en bestand; er is geen video-invoer op de kaart, en geen enkele hoeveelheid prompt engineering kan dat vervangen.

Die enkele regel bepaalt de shortlist voor een videopijplijn, en is niet zichtbaar op een tariefkaart. Waar de twee modellen echt uitwisselbaar zijn, is dat bij tekst- en beeldwerk, en daar is de onderstaande prijs- en benchmarkvergelijking van toepassing.

Eén eerlijke opmerking over de videobewering: de modaliteit is gedocumenteerd, maar het schema niet. In de catalogusvermelding van geen van beide leveranciers worden resolutie, framesnelheid of limieten voor clipduur vermeld, dus "ondersteunt video" betekent dat het invoertype bestaat, niet dat een bepaalde clip wordt ingelezen in de kwaliteit die je nodig hebt. Test het met je eigen beeldmateriaal voordat je erop voortbouwt.

De uitvoerzijde loopt de andere kant op.

Draai het verzoek om en het voordeel keert zich om. GPT-6 Sol publiceert een maximale uitvoer van 128.000 tokens per antwoord. De kaart van Qwen3.8 Max publiceert wel een contextvenster, maar geen cijfer voor de maximale uitvoer, dus een systeem dat begroot op een harde uitvoerlimiet kan er geen aflezen uit de gegevens van de leverancier — dezelfde lacune die op meerdere kaarten van hostingplatforms voorkomt en die je beter als onbekend dan als onbeperkt kunt behandelen.

Wat gepubliceerd wordt, is de prijsasymmetrie aan de outputzijde, en die is het omgekeerde van het videoverhaal. Qwen3.8 Max rekent $6,00 per miljoen outputtokens tegenover $10,00 voor GPT-6 Sol — een korting van 40% op elke token die het model schrijft. Een outputintensieve workload, zoals het genereren van lange teksten of het serialiseren van een groot gestructureerd artefact, is per werkeenheid wezenlijk goedkoper op Qwen3.8 Max, en dat geldt ongeacht het feit dat de inputprijs identiek is.

Merk ook op dat de kaart van Qwen3.8 Max één enkel invoertarief vermeldt, zonder gedocumenteerde staffel voor lange context, terwijl GPT-6 Sol het hele verzoek boven 272.000 invoertokens herprijst naar $4,00 in en $15,00 uit. De modelpagina van OpenAI vermeldt de regel expliciet: prompts boven die drempel worden voor het volledige verzoek gefactureerd tegen 2x de invoer- en cachetarieven en 1,5x de uitvoer. Bij een prompt van meer dan 272.000 tokens verdubbelt het effectieve invoertarief van GPT-6 Sol naar $4,00, terwijl dat van Qwen3.8 Max op $2,00 blijft — waardoor de ogenschijnlijke gelijkstand op invoer opnieuw wordt omgekeerd.

Wat het onafhankelijke bestuur zegt

Artificial Analysis neemt beide modellen mee, en in de samengestelde index staat GPT-6 Sol voorop, terwijl verschillende individuele tests de andere kant op wijzen. Elk cijfer hieronder is van de evaluator, niet van een leverancier.

• Intelligentie-index: GPT-6 Sol 47,6, Qwen3.8 Max 45,4 — GPT-6 Sol ligt ongeveer twee punten voor
• Coderingsindex: Qwen3.8 Max 76,2 met een ranking in de top tien; het coderingsprofiel van GPT-6 Sol is vergelijkbaar, maar de Qwen-inzending heeft een sterkere ranking
• GPQA Diamond: Qwen3.8 Max 92,8%, de score van GPT-6 Sol is de hoogste van de twee binnen dezelfde testfamilie
• Humanity's Last Exam: Qwen3.8 Max 43,1%, GPT-6 Sol 47,9%
• Long-Context Recall: Qwen3.8 Max 80,3%, GPT-6 Sol 83,7%
• SciCode: Qwen3.8 Max 52,1%, GPT-6 Sol 57,6%
• Agentisch toolgebruik: Qwen3.8 Max 88,8% op terminal-bench v2.1 en 47,8% op tau-banking, beide sterk

Het patroon is dat GPT-6 Sol de samengestelde scores voor algemeen redeneren en de wetenschaps- en recalltests wint, terwijl Qwen3.8 Max het scherpere model voor coderen en toolgebruik is. Er gelden twee kanttekeningen, en ze zijn niet louter decoratief. Ten eerste zijn deze indexwaarden op verschillende data geëvalueerd, dus een verschil van twee punten tussen revisies valt binnen de schommeling die een nieuwe run oplevert, niet binnen een vaststaand verschil. Ten tweede zijn de gepubliceerde cijfers van Qwen3.8 Max de runs van de evaluator op het model zoals aangeboden via het endpoint van Alibaba, en de leverancier heeft ook een gedateerde snapshot uitgebracht, Qwen3.8 Max (0902), op 2 september 2026 tegen hetzelfde tarief van $2,00 / $6,00 — als je een snapshot vastzet, controleer dan welke je aanroept voordat je een score citeert.

Wat de uitrol van OpenAI op 7 oktober toevoegt

De release van ChatGPT is een feit van distributie, niet van capaciteit, maar hij verandert wat een lezer met "GPT-6" bedoelt. Op 7 oktober 2026 begon OpenAI GPT-6 uit te rollen binnen ChatGPT onder de Intelligent UI-functionaliteit, waarbij het tabblad Chat als eerste Plus, Pro, Business en Enterprise bereikte en Free en Go vanaf 8 oktober volgden; de beschikbaarheid voor Enterprise hangt af van de instellingen van de werkplekbeheerder. De modellen achter Work en Codex bleven ongewijzigd.

Twee details zijn belangrijk voor deze vergelijking. De ChatGPT-ervaring wordt voor de betaalde consumentenniveaus aangedreven door GPT-6 Sol — dus de GPT-6 die meer dan een miljard mensen tegenkomen, is hetzelfde model dat je via de API aanroept, niet een apart checkpoint. En GPT-6 is een familie, niet één model: GPT-6 Astra staat boven Sol voor $10,00 / $50,00 en GPT-6 Luna eronder voor $0,10 / $0,50. Wanneer een vergelijking "GPT-6" tegenover Qwen3.8 Max noemt zonder te zeggen welk niveau, wordt meestal standaard met Sol vergeleken, en met Astra wanneer men het sterkste argument wil maken. Het niveau benoemen is het verschil tussen een eerlijke vergelijking en een retorische.

Kosten, gemeten in vormen in plaats van tarieven

Omdat de invoertarieven gelijk zijn en de uitvoertarieven uiteenlopen, hangt de winnaar volledig af van de verhouding tussen tokens in en tokens uit. Berekend op basis van de gepubliceerde tarieven van elke leverancier, exclusief caching:

• Video- en transcriptanalyse (500K invoer, 6K uitvoer): Qwen3.8 Max ≈ $1,04, GPT-6 Sol niet van toepassing — geen video-invoer
• Documentanalyse (250K invoer, 5K uitvoer): Qwen3.8 Max ≈ $0,53, GPT-6 Sol ≈ $0,55 voordat de drempel van 272K van toepassing is, en hoger zodra de prijs voor het hele verzoek opnieuw wordt berekend
• Generatie van lange teksten (40K invoer, 80K uitvoer): Qwen3.8 Max ≈ $0,56, GPT-6 Sol ≈ $0,88
• Gebalanceerde agentische lus (60K invoer, 20K uitvoer): Qwen3.8 Max ≈ $0,24, GPT-6 Sol ≈ $0,32

De vorm van het resultaat is stabiel: Qwen3.8 Max is het goedkopere model voor dezelfde tokenmix, omdat de invoertarieven gelijk zijn en het uitvoertarief lager is. Het tegenargument van GPT-6 Sol is helemaal niet de prijs — het is de samengestelde redeneerscore, de validatie aan de consumentenkant, en een gedocumenteerd uitvoerplafond dat budgettering eenvoudig maakt.

Eén operationele kanttekening die het vermelden waard is, omdat de kaarten dat niet doen. Gemeten op de playground van OrcaRouter in de eerste week van oktober 2026 vertoonde de Qwen3.8 Max-route een mediane latentie voor het eerste token van ongeveer 5.809 ms en ongeveer 50 outputtokens per seconde, met een laag foutenpercentage; de GPT-6 Sol-route mat in hetzelfde venster een hogere doorvoer maar een aanzienlijk hoger foutenpercentage. Dit zijn observaties van gedeelde routes, geen leveranciers-SLA's, en ze veranderen van week tot week — wat het argument is om je eigen verkeer te meten in plaats van de modelkaart van een van beide te vertrouwen.

Beide onder één sleutel laten draaien

Het realistische antwoord voor een team dat aan de ene kant videowerk heeft en aan de andere kant redeneerintensief werk, is dat geen van beide modellen onbetwist wint en dat beide in de stack thuishoren. Dat is precies het geval waarvoor een gateway dient. Op OrcaRouter zijn zowel qwen/qwen3.8-max als GPT-6 Sol live routes in dezelfde catalogus achter één OpenAI-compatibele API, tegen de lijstprijs van de provider met 0% markup — dus een prijswijziging van Alibaba of OpenAI bereikt je dezelfde dag in plaats van bij je volgende factuurafstemming, en er is geen aparte set inloggegevens of SDK-pad per leverancier.

Twee functies doen hier specifiek werk. Automatische failover houdt een pipeline in leven wanneer de route van een provider verslechtert, wat direct van belang is gezien hoe verschillend die twee routes zich in hetzelfde meetvenster gedroegen. En de routing-DSL laat het verzoek beslissen: stuur alles met een video-input naar Qwen3.8 Max, stuur lang-context-redeneerwerk naar GPT-6 Sol, en laat een predicaat op inputmodaliteit en verzoekgrootte de keuze maken in plaats van een hardgecodeerd model-id dat met de hand moet worden gewijzigd wanneer het verkeer verschuift.

De korte versie: als je invoer video bevat, is Qwen3.8 Max de enige van de twee die deze kan verwerken, en het is het goedkopere model bij elke tokenmix zodra je het verzoek hebt. Als je werk bestaat uit tekst- en beeldredenering, met behoefte aan lange, begrensde outputs en een gevalideerde standaard op consumentenniveau, dan is GPT-6 Sol de sterkere kaart op de samengestelde index en degene met een gedocumenteerde outputlimiet. Waar je beide nodig hebt, routeer je — en laat de modaliteit van het verzoek de routeringssleutel zijn in plaats van een releasecyclus.