Een gegenereerde hero-kaart voor een vergelijkingsartikel, met als kop 'Qwen4-Max vs GPT-6.1 Sol Pro' en als ondertitel 'Pro is een factureringsmodus, en er is een getal om te verslaan'. Een uitgelicht cijfer luidt 'Break-even voor pro-modus: 2,6X', met chips die luiden 'Qwen4-Max: $3,27 per taak' en 'GPT-6.1 Sol op max: $1,27 per taak'. Een voettekst luidt 'Documentatie van Artificial Analysis en OpenAI gelezen op 17 november 2026'. Het OrcaRouter-merkteken is rechtsonder samengesteld.
Engineering & Research

Qwen4-Max vs GPT-6.1 Sol Pro: Pro is een factureringsmodus, en het heeft een getal te verslaan

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

GPT-6.1 Sol Pro heeft geen prijs, omdat het geen identifier heeft. Het is GPT-6.1 Sol — uitgebracht op 29 september 2026 voor $2 per miljoen input- en $10 per miljoen outputtokens — aangeroepen met reasoning.mode: "pro" in de Responses API, een instelling waarvan OpenAI documenteert dat ze het model meer werk laat doen en dat werk factureert tegen dezelfde standaardtokenprijzen. Qwen4-Max, algemeen beschikbaar sinds 16 november 2026 voor $1,50 en $4,50, is het goedkopere model per token met een factor 2,2 op output. Het is ook, op de enige onafhankelijke meting die een van beide modellen heeft, het duurdere per voltooide taak: $3,27 tegen $1,27 voor GPT-6.1 Sol op zijn maximale inspanningsinstelling. Die omkering — Qwen4-Max goedkoper per token en duurder per antwoord — is de hele vergelijking, en pro-modus is de enige variabele die het in beide richtingen zou kunnen verschuiven zonder dat iemand kan meten welke kant op.

Pro-modus is een vermenigvuldiger zonder gepubliceerde coëfficiënt.

Twee alinea's leveranciersdocumentatie zijn alles wat er bestaat, en ze zijn het waard aandachtig te lezen, want elke "Sol Pro"-vergelijking op internet is daarop plus op gevolgtrekkingen gebaseerd.

• Wat het is — een waarde pro voor reasoning.mode, ingesteld naast reasoning.effort, in de Responses API. De andere waarde is standard, de standaardwaarde.

• Wat het doet — volgens OpenAI "aggregeert het het modelwerk dat is uitgevoerd om het definitieve antwoord te produceren". Het staat los van effort: de modus bepaalt hoeveel werk er gebeurt, effort bepaalt hoe hard het model daarbinnen nadenkt.

• Wat het kost — de samengevoegde tokens, gefactureerd tegen de standaardtarieven van het model. Geen toeslag, geen aparte meter.

• Wat het niet heeft — een coëfficiënt. OpenAI publiceert geen tokenmultiplier voor de pro-modus, en het neutrale leaderboard bevat geen rij voor de pro-modus: elke GPT-6.1 Sol-meting op Artificial Analysis is een reasoning.effort-instelling van low tot max, allemaal in de standaardmodus.

Wat betekent dat één ding met zekerheid volgt en één niet. Zeker is: de pro-modus kan de kosten per taak van GPT-6.1 Sol alleen maar verhogen, nooit verlagen, omdat er factureerbare tokens tegen hetzelfde tarief worden toegevoegd. Niet zeker is: met hoeveel. Een run in pro-modus die 1,8× zoveel werk aggregeert, is een ander product dan een die 4× zoveel werk aggregeert, en niemand buiten OpenAI heeft die verhouding gepubliceerd.

De drempelwaarde-pro-modus moet worden gewist.

Dat onbekende is geen reden om je schouders op te halen. Het laat zich herleiden tot één getal, want de kosten per taak van Qwen4-Max zijn al gemeten, en die van Sol ook.

• Bij Sols maximale inspanning — $1,27 per Intelligence Index-taak tegenover $3,27 voor Qwen4-Max. De Pro-modus zou Sols tokenverbruik met 2,57× moeten vermenigvuldigen voordat de twee modellen per taak evenveel kosten.

• Bij Sols xhigh-inspanning — $0,76 tegen $3,27. De drempel is 4,3×.

• Bij Sol's hoge inspanning — $0.59 tegenover $3.27. De drempel is 5,5×.

• Wat intelligentie betreft, ter vergelijking — Sol scoort 54.6 op de index bij max, 52.5 bij xhigh, 50.3 bij high. Qwen4-Max scoort 42.9. Pro-modus verandert de intelligentiescore van een model niet in de zin zoals de index die meet, maar het verandert de antwoordkwaliteit bij moeilijke taken, wat de enige reden is om ervoor te betalen.

De vraag waar een koper feitelijk voor staat, is dus niet ‘wat is goedkoper’. Het is: verslaat een pro-mode-run van Sol Qwen4-Max met meer dan tien indexpunten aan kwaliteit, terwijl het onder 2,6× tot 5,5× het tokenverbruik in standard-mode blijft? Elk gepubliceerd signaal zegt dat de vermenigvuldiger reëel maar bescheiden is — de leverancier positioneert pro mode als de instelling voor ‘moeilijke taken die meer modelwerk vereisen’, niet als een ander model — en een vermenigvuldiger onder 2,6× zou Sol per taak goedkoper maken dan Qwen4-Max op elk inspanningsniveau. Dat is een gevolgtrekking, duidelijk als zodanig gelabeld, en het is het meest verdedigbare dat iemand kan zeggen totdat OpenAI of een onafhankelijke beoordelaar de ratio publiceert.

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.'

Waarom het goedkope model het dure is

De prijskaart per token en de factuur per taak verschillen met een factor van bijna zes, en de reden is volume, niet prijs. Dit is de moeite waard om expliciet te zeggen, omdat het de meest voorkomende fout is bij vergelijkingen van deze twee modellen.

Uitvoertarief — Qwen4-Max $4,50 per miljoen tegenover $10,00 voor Sol. Qwen4-Max is 2,2× goedkoper per outputtoken.

• Uitvoervolume tijdens de indexrun — 127 miljoen tokens voor Qwen4-Max, 63,7 miljoen voor Sol bij maximale inspanning. Qwen4-Max schrijft 2,0× zoveel.

• Rang qua uitgebreidheid — Qwen4-Max staat op de 65e plaats van 80 op de schaal van de tracker, midden in de band "zeer uitgebreid"; Sol op maximaal staat op de 35e plaats, bijna in het midden.

• Gerealiseerde kosten per taak — $3,27 tegenover $1,27. Qwen4-Max is 2,6× duurder, niet 2,2× goedkoper.

Die drie ratio's sluiten niet aan op de vierde, en de ontbrekende term is invoervolume, dat de openbare pagina niet per model uitsplitst. Dat is precies waarom het cijfer per taak als de meting moet worden behandeld en de ratio's als de verklaring: een tariefkaart beschrijft wat een token kost, en de index beschrijft wat een model verbruikt, en alleen het tweede komt aan het einde van de maand op een factuur terecht. A​libaba's eigen lanceercijfers maken hetzelfde punt in de andere richting — de gemiddelde kosten per taak op zijn Work360-benchmark dalen van $4.43 naar $1.67 is een bewering over de tokenmix van die benchmark, en het is een leverancierscijfer op een leveranciersbenchmark.

Nog één dimensie, omdat die de haalbaarheid van agents bepaalt, niet de kosten. Sol had bij maximale inspanning 1.383 seconden gemeten tijd per indextaak nodig — drieëntwintig minuten — met een tijd tot het eerste token van 168 seconden. Voor Qwen4-Max bestaat helemaal geen cijfer voor tijd per taak; de snelheidsvelden van de tracker zijn ervoor leeg. Het zevendagenrecord van onze eigen playground voor de OpenAI-route toont een mediane tijd tot het eerste token van 1,7 seconden en 98 outputtokens per seconde; dat is verkeer in standaardmodus met gemiddelde inspanning, niet pro. Niemand heeft gepubliceerd hoe lang een aanroep in pro-modus duurt, en de eerlijke planningsaanname is het cijfer voor maximale inspanning, met foutmarges die naar boven wijzen.

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.

Waar de modus thuishoort: de routeringslaag, niet de code

Omdat pro een requestparameter is en geen model, is de beslissing om het te gebruiken een beslissing per aanroep, en beslissingen per aanroep die in applicatiecode worden genomen, verouderen snel. De versie die niet veroudert, is om het in de route onder te brengen: een pro-modusconfiguratie vastgezet op het deep-review-pad — degene die één keer per pull request, per contract, per incident draait — en een standaardmodusconfiguratie op alles wat interactief is, beide bereikbaar vanaf dezelfde sleutel.

OrcaRouter routeert openai/gpt-6.1-sol tegen OpenAI's eigen tarieven van $2.00 en $10.00 met 0% opslag, inclusief de laag van 272,000 tokens waar de tarieven verdubbelen naar $4.00 en $15.00, dus een pro-mode-experiment dat via ons loopt kost wat het bij de leverancier kost en niets meer. Qwen4-Max staat niet in de catalogus; een verzoek voor een qwen4-identifier geeft not-found terug, en het nieuwste Qwen-flagship dat we aanbieden is qwen/qwen3.8-max tegen $2.00 en $6.00. De routing-DSL is waar de twee helften samenkomen: een regel die agentwerk met een lange horizon naar het ene model stuurt en interactieve beurten naar het andere, met automatische failover daaronder zodat een pro-mode-run die vastloopt de aanvraag niet mee naar beneden sleurt. Dat is een configuratiewijziging, en die is omkeerbaar op een manier waarop een hardgecodeerde modelstring dat niet is.

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.

Wat zou het antwoord veranderen

Drie dingen, in volgorde van hoe groot de kans is dat ze als eerste aankomen.

De eerste is een pro-modusrij op een onafhankelijk board. Als er naast de vijf inspanningsniveaus een pro-configuratie verschijnt met eigen kosten per taak, is de drempel van 2,6× niet langer rekenwerk op basis van een gok en wordt het een meting, en wordt deze pagina daaromheen herschreven. Tot dan citeert elk artikel dat een "GPT-6.1 Sol Pro-score" aanhaalt, de standaardmodusrij van het basismodel met een modusnaam eraan vast.

De tweede is een Qwen4-Max-effortcurve. Het model is twee dagen oud en heeft precies één gemeten werkpunt, wat betekent dat de 42,9 ervan een ondergrens of een bovengrens zou kunnen zijn. Het lanceringsmateriaal van Alibaba verwijst naar de instellingen High en Xhigh in zijn eigen benchmarks, dus de curve bestaat; ze is alleen nog niet onafhankelijk doorlopen.

Het derde is dat Qwen4-Max een snelheidsrij krijgt. Een model zonder doorvoercijfer is een model waarop je geen agent kunt inzetten, en dat gemis is momenteel het sterkste argument voor de gevestigde partij bij elke workload waarbij een mens wacht.

Totdat een van die dingen beschikbaar komt, is de beslissing duidelijk. Als je werklast interactief en kostengevoelig is, verslaat GPT-6.1 Sol op medium — $0,36 per taak, index 46,4, eerste token na vijf seconden — Qwen4-Max op elke gemeten as, inclusief prijs, wat niet de conclusie is die de tokenkaart aanprijst. Als je werklast een agent met een lange horizon is, waarbij een 1M-tokenvenster, native vision en 95% cachekorting belangrijker zijn dan de index, is Qwen4-Max de goedkopere manier om context te kopen, en de rekening wordt bepaald door de cache-hitratio in plaats van door inspanning. En als je de pro-modus afweegt, weeg je een 2,6× budget af tegen een capaciteit die niemand heeft gemeten — iets wat je prima op één route kunt testen en wat je beter niet kunt aannemen op een productiepad.

Vergeleken in dit artikel1

Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt