Wygenerowana karta hero do artykułu porównawczego z nagłówkiem „Qwen4-Max vs GPT-6.1 Sol Pro” i podtytułem „Pro to tryb rozliczeniowy i ma liczbę do pobicia”. Wyróżniona liczba brzmi „Próg rentowności dla trybu pro: 2,6X”, a oznaczenia: „Qwen4-Max: 3,27 USD za zadanie” i „GPT-6.1 Sol przy maksymalnych ustawieniach: 1,27 USD za zadanie”. Stopka brzmi „Dokumentacja Artificial Analysis i OpenAI odczytana 17 listopada 2026”. Znak OrcaRouter jest złożony w prawym dolnym rogu.
Engineering & Research

Qwen4-Max kontra GPT-6.1 Sol Pro: Pro to tryb rozliczeń i ma wynik do pobicia

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

GPT-6.1 Sol Pro nie ma ceny, ponieważ nie ma identyfikatora. To GPT-6.1 Sol — wydany 29 września 2026 r. w cenie 2 USD za milion tokenów wejściowych i 10 USD za milion tokenów wyjściowych — wywoływany z reasoning.mode: "pro" w Responses API, ustawieniem, które — jak dokumentuje OpenAI — powoduje, że model wykonuje więcej pracy, a praca ta jest rozliczana według tych samych standardowych stawek za tokeny. Qwen4-Max, ogólnie dostępny od 16 listopada 2026 r. w cenie 1,50 USD i 4,50 USD, jest tańszym modelem w przeliczeniu na token — 2,2 razy tańszym na wyjściu. Jest też — według jedynego niezależnego pomiaru, jaki ma którykolwiek z tych modeli — droższy w przeliczeniu na ukończone zadanie: 3,27 USD wobec 1,27 USD dla GPT-6.1 Sol przy jego maksymalnym ustawieniu wysiłku. Ta inwersja — Qwen4-Max tańszy w przeliczeniu na token i droższy w przeliczeniu na odpowiedź — to całe porównanie, a tryb pro jest jedyną zmienną, która mogłaby przesunąć je w którąkolwiek stronę, choć nikt nie byłby w stanie zmierzyć, w którą.

Tryb Pro to mnożnik bez opublikowanego współczynnika

Istnieją tylko dwa akapity dokumentacji dostawcy i warto je uważnie przeczytać, ponieważ wszelkie porównania „Sol Pro” w internecie opierają się na nich oraz na domysłach.

• Co to jest — wartość pro parametru reasoning.mode, ustawiana wraz z reasoning.effort w Responses API. Druga wartość to standard, czyli wartość domyślna.

• Co robi — według OpenAI „agreguje pracę modelu wykonaną w celu uzyskania ostatecznej odpowiedzi”. Jest to niezależne od wysiłku: tryb wybiera, ile pracy zostanie wykonane, a wysiłek — jak intensywnie model myśli w jego ramach.

• Ile to kosztuje — zagregowane tokeny rozliczane według standardowych stawek modelu. Bez dopłaty, bez osobnego licznika.

• Czego nie ma — współczynnika. OpenAI nie publikuje żadnego mnożnika tokenów dla trybu pro, a neutralny ranking nie zawiera wiersza dla trybu pro: każdy pomiar GPT-6.1 Sol w Artificial Analysis to ustawienie reasoning.effort od low do max, zawsze w trybie standardowym.

Co oznacza, że jedna rzecz wynika stąd z pewnością, a druga nie. Pewne jest: tryb pro może jedynie zwiększyć koszt zadania w GPT-6.1 Sol, nigdy go nie obniżyć, ponieważ dodaje rozliczane tokeny według tej samej stawki. Niepewne jest: o ile. Uruchomienie w trybie pro, które agreguje 1,8× pracy, to inny produkt niż takie, które agreguje 4×, a nikt spoza O​penAI nie opublikował tego współczynnika.

Tryb Pro progu musi zostać wyczyszczony.

Ta niewiadoma nie jest powodem, by wzruszać ramionami. Przekłada się na jedną liczbę, ponieważ koszt na zadanie Qwen4-Max jest już zmierzony, podobnie jak koszt Sol.

• Przy maksymalnym wysiłku Sola — 1,27 USD za zadanie Intelligence Index wobec 3,27 USD w przypadku Qwen4-Max. W trybie Pro wydatki Sola na tokeny musiałyby wzrosnąć 2,57×, zanim oba modele kosztowałyby tyle samo za zadanie.

• Przy ustawieniu xhigh wysiłku Sola — 0,76 USD wobec 3,27 USD. Próg wynosi 4,3×.

• Przy wysokim wysiłku Sol — 0,59 USD wobec 3,27 USD. Próg wynosi 5,5×.

• Jeśli chodzi o inteligencję, dla odniesienia — Sol uzyskuje 54,6 punktu w indeksie przy max, 52,5 przy xhigh i 50,3 przy high. Qwen4-Max uzyskuje 42,9. Tryb Pro nie zmienia wyniku inteligencji modelu w takim sensie, w jakim mierzy go indeks, ale zmienia jakość odpowiedzi w trudnych zadaniach, co jest jedynym powodem, by za niego płacić.

Zatem pytanie, przed którym faktycznie stoi kupujący, nie brzmi „co jest tańsze”. Brzmi ono: czy uruchomienie Sol w trybie pro bije Qwen4-Max o więcej niż dziesięć punktów indeksu jakości, pozostając poniżej 2,6× do 5,5× wydatku na tokeny w trybie standardowym? Wszystkie publikowane sygnały mówią, że mnożnik jest realny, ale umiarkowany — dostawca przedstawia tryb pro jako ustawienie do „trudnych zadań wymagających większej pracy modelu”, a nie jako inny model — a mnożnik poniżej 2,6× pozostawiłby Sol tańszy na zadanie niż Qwen4-Max na każdym poziomie wysiłku. To jest wnioskowanie, wyraźnie oznaczone jako takie, i jest to najbardziej obronna rzecz, jaką ktokolwiek może powiedzieć, dopóki O​penAI lub niezależny ewaluator nie opublikuje tego stosunku.

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.'

Dlaczego tani model jest tym drogim

Cennik oparty na tokenach i rachunek za zadanie różnią się niemal sześciokrotnie, a przyczyną jest wolumen, nie cena. Warto to jasno wyłożyć, ponieważ jest to najczęstszy błąd w porównaniach tych dwóch modeli.

Stawka za tokeny wyjściowe — Qwen4-Max: 4,50 USD za milion wobec 10,00 USD w Sol. Qwen4-Max jest 2,2× tańszy w przeliczeniu na token wyjściowy.

• Wielkość danych wyjściowych w przebiegu indeksowania — 127 milionów tokenów dla Qwen4-Max, 63,7 miliona dla Sol przy maksymalnym nakładzie. Qwen4-Max generuje 2,0× więcej.

• Pozycja pod względem rozwlekłości — Qwen4-Max zajmuje 65. miejsce na 80 w skali trackera, dokładnie w paśmie „bardzo rozwlekłe”; Sol przy maksimum zajmuje 35. miejsce, blisko środka.

• Rzeczywisty koszt na zadanie — 3,27 USD wobec 1,27 USD. Qwen4-Max jest 2,6× droższy, a nie 2,2× tańszy.

Te trzy proporcje nie uzgadniają się z czwartą, a brakującym składnikiem jest wolumen wejściowy, którego publiczna strona nie podaje w rozbiciu na poszczególne modele. Właśnie dlatego wartość przypadającą na zadanie należy traktować jako pomiar, a proporcje jako wyjaśnienie: cennik opisuje, ile kosztuje token, natomiast indeks opisuje, ile wydaje model, i tylko ten drugi trafia na fakturę pod koniec miesiąca. Własne liczby startowe Alibaby potwierdzają to w drugą stronę — spadek średniego kosztu na zadanie w jej benchmarku Work360 z 4,43 USD do 1,67 USD to twierdzenie o strukturze tokenów w tym benchmarku, a zarazem liczba dostawcy na benchmarku dostawcy.

Jeszcze jedna oś, ponieważ to ona decyduje o wykonalności agenta, a nie o koszcie. Sol przy maksymalnym wysiłku zajął 1,383 sekundy zmierzonego czasu na zadanie indeksowe — dwadzieścia trzy minuty — przy czasie do pierwszego tokenu wynoszącym 168 sekund. Qwen4-Max nie ma w ogóle wartości czasu na zadanie; pola szybkości w trackerze są dla niego puste. Siedmiodniowy zapis z naszego własnego playgroundu dla trasy O​penAI pokazuje medianę pierwszego tokenu wynoszącą 1,7 sekundy i 98 tokenów wyjściowych na sekundę, co odpowiada ruchowi w trybie standardowym o średnim wysiłku, a nie pro. Nikt nie opublikował, ile trwa wywołanie w trybie pro, a uczciwym założeniem planistycznym jest wartość dla maksymalnego wysiłku z paskami błędu skierowanymi w górę.

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.

Gdzie powinien znajdować się tryb: w warstwie routingu, a nie w kodzie

Ponieważ pro jest parametrem żądania, a nie modelem, decyzja o jego użyciu jest decyzją podejmowaną przy każdym wywołaniu, a decyzje podejmowane przy każdym wywołaniu w kodzie aplikacji źle się starzeją. Wersja, która się nie starzeje, polega na umieszczeniu tego w routingu: konfiguracja trybu pro przypięta do ścieżki szczegółowego przeglądu — tej, która uruchamia się raz na pull request, raz na kontrakt, raz na incydent — oraz konfiguracja trybu standardowego dla wszystkiego interaktywnego, obie dostępne pod tym samym kluczem.

OrcaRouter kieruje openai/gpt-6.1-sol po stawkach samego OpenAI: 2,00 USD i 10,00 USD z marżą 0%, w tym w progu 272 000 tokenów, gdzie stawki podwajają się do 4,00 USD i 15,00 USD, więc eksperyment w trybie pro uruchomiony przez nas kosztuje tyle, ile kosztuje u dostawcy, i nic więcej. Qwen4-Max nie znajduje się w katalogu; żądanie dla identyfikatora qwen4 zwraca not-found, a najnowszym flagowym modelem Qwen, który obsługujemy, jest qwen/qwen3.8-max w cenie 2,00 USD i 6,00 USD. DSL routingu to miejsce, w którym spotykają się obie połowy: reguła, która kieruje pracę agenta o długim horyzoncie do jednego modelu, a tury interaktywne do drugiego, z automatycznym przełączeniem awaryjnym pod spodem, tak aby uruchomienie w trybie pro, które utknie, nie pociągnęło za sobą żądania. To zmiana konfiguracji i można ją odwrócić, czego nie da się zrobić z zakodowanym na stałe ciągiem modelu.

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.

Co zmieniłoby odpowiedź

Trzy rzeczy, uporządkowane według prawdopodobieństwa, że dotrą jako pierwsze.

Pierwszy to wiersz trybu pro na niezależnej tablicy wyników. Jeśli obok pięciu poziomów wysiłku pojawi się konfiguracja pro z własnym kosztem na zadanie, próg 2,6× przestaje być arytmetyką opartą na domysłach i staje się pomiarem, a ta strona zostanie przepisana wokół niego. Do tego czasu każdy artykuł cytujący „wynik GPT-6.1 Sol Pro” cytuje wiersz trybu standardowego modelu bazowego z doklejoną nazwą trybu.

Drugi to krzywa wysiłku Qwen4-Max. Model ma dwa dni i dokładnie jeden zmierzony punkt pracy, co oznacza, że jego 42,9 może być dolną albo górną granicą. Materiały premierowe Alibaby odwołują się do ustawień High i Xhigh w jej własnych benchmarkach, więc krzywa istnieje; po prostu nie została jeszcze niezależnie przetestowana.

Trzecim jest Qwen4-Max, który dostaje wiersz z szybkością. Model bez podanej przepustowości to model, wokół którego nie da się obsadzić agenta, a ten brak jest obecnie najsilniejszym argumentem za obecnym dostawcą w każdym obciążeniu, w którym człowiek czeka.

Dopóki któraś z tych opcji nie wejdzie do gry, decyzja jest czytelna. Jeśli Twoje obciążenie jest interaktywne i wrażliwe na koszty, GPT-6.1 Sol w trybie medium — 0,36 USD za zadanie, indeks 46,4, pierwszy token w pięć sekund — przewyższa Qwen4-Max w każdym mierzonym wymiarze, w tym w cenie, co nie jest wnioskiem, który reklamuje karta tokenów. Jeśli Twoje obciążenie to agent o długim horyzoncie działania, w którym okno 1M tokenów, natywne możliwości wizyjne i 95-procentowa zniżka na cache liczą się bardziej niż indeks, Qwen4-Max jest tańszym sposobem na kupowanie kontekstu, a o jego rachunku zdecyduje współczynnik trafień cache, a nie poziom wysiłku. A jeśli rozważasz tryb pro, rozważasz 2,6-krotny budżet na możliwość, której nikt nie zmierzył — co jest w porządku do przetestowania na jednej trasie, ale złym pomysłem do założenia na ścieżce produkcyjnej.