
Qwen4-Max vs GPT-6.1 Sol: o token mais barato perde na fatura, e o limite está em 272.000
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaNOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligência
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligência
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 185 tok/s
Tome as duas tabelas de preços ao pé da letra e Qwen4-Max vence com folga. A tabela dele indica US$ 1,50 por milhão de tokens de entrada e US$ 4,50 por milhão de saída; GPT-6.1 Sol indica US$ 2,00 e US$ 10,00. Na saída, isso é uma diferença de 2,2× a favor do Qwen4-Max, e é o número com que toda comparação desses dois modelos começa. Depois, submeta os dois às mesmas nove avaliações e veja quanto custaram as execuções. A Artificial Analysis mede US$ 3,27 por tarefa do Intelligence Index para o Qwen4-Max, com disponibilidade geral desde 16 de novembro de 2026, contra US$ 1,27 para o GPT-6.1 Sol, que a OpenAI vende desde 29 de setembro de 2026. O token mais barato é 2,6× mais caro por tarefa concluída. Dois mecanismos produzem essa inversão, e só um deles é discutido — o outro está em 272.000 tokens, onde a tabela do Sol muda de preço no meio da requisição e a do Qwen4-Max não.
Duas cartas com formas diferentes, não apenas números diferentes

{{1}}Preço de entrada{{/1}} — {{2}}Qwen4-Max{{/2}} US$ 1,50 por milhão fixo vs {{3}}GPT-6.1 Sol{{/3}} US$ 2,00 até 272.000 tokens, US$ 4,00 acima
• Preço de saída — US$ 4,50 fixo vs US$ 10,00 até 272.000 tokens, US$ 15,00 acima
• Leitura de cache — US$ 0,075 por milhão, com gravações a US$ 1,875 (5 minutos) ou US$ 3,00 (1 hora), em comparação com US$ 0,10 por milhão, com gravações a US$ 2,50 e US$ 5,00
• Janela de contexto — 1,000,000 tokens, com um teto de entrada de 983,616 tokens no modo de pensamento, vs 1,050,000 tokens
• Saída máxima — 131,072 sem raciocínio, ou 262,144 compartilhados com raciocínio vs 128,000
• Controle de raciocínio — três níveis (low, high, xhigh), padrão high vs. cinco (de low a max), padrão medium, sempre ativado
• Parâmetros de amostragem — temperature, top_p e top_k aceitos vs rejeitados; o raciocínio deve ser guiado apenas pelo esforço
• Modalidades de entrada — texto, imagem, vídeo vs texto, imagem, arquivo
As duas primeiras linhas são onde está o dinheiro. O Qwen4-Max comercializa um único nível, de zero até o limite de contexto, deliberadamente: sem sobretaxa para contexto longo e tampouco desconto em lote, porque a inferência em lote não é oferecida no modelo de forma alguma. O GPT-6.1 Sol comercializa um nível barato e um caro, e a fronteira entre eles é o número mais decisivo desta comparação para qualquer pessoa cujos prompts sejam grandes.
O que ultrapassar 272.000 tokens faz com a aritmética
Abaixo do limite, um milhão de tokens de entrada no GPT-6.1 Sol custa US$ 2,00 e um milhão de tokens de saída custa US$ 10,00. No limite ou acima dele, o catálogo cobra a solicitação a US$ 4,00 de entrada e US$ 15,00 de saída — o dobro na entrada e um aumento de 50% na saída. O Qwen4-Max cobra US$ 1,50 e US$ 4,50 tanto a 200.000 tokens quanto a 900.000 tokens.
Execute uma tarefa com grande volume de documentos nos dois e a ordenação se inverte dependendo de onde a solicitação chega. Um prompt de 150.000 tokens com uma resposta de 4.000 tokens custa cerca de US$ 0,26 no Sol e US$ 0,24 no Qwen4-Max — quase um empate, de modo que nenhum outro aspecto dos modelos deveria ser decidido com base no preço. A mesma tarefa com 400.000 tokens de entrada custa US$ 1,65 no Sol na faixa superior, contra US$ 0,62 no Qwen4-Max: uma diferença de 2,7×, na direção oposta à diferença de saída em destaque e maior que ela. Trabalho com contexto longo é a única carga de trabalho em que a opção Qwen4-Max é claramente a melhor compra, e é a carga de trabalho para a qual este par provavelmente será direcionado, já que ambos os modelos são vendidos com janelas de 1 milhão de tokens.
O que faz do limite da faixa uma decisão de roteamento, e não uma nota de rodapé de preços. Se as requisições de um pipeline se concentrarem logo abaixo de 272.000 tokens, dividir ou usar cache para permanecer abaixo da linha vale dinheiro real; se estiverem bem acima dela, a divisão é inútil e o Qwen4-Max é mais barato na entrada por um fator de quase três.

A inversão que não tem nada a ver com preço
A verbosidade é o outro mecanismo, e ela prejudica o Qwen4-Max mais do que a tabela de preços o beneficia. No Intelligence Index, a Artificial Analysis registrou 63,7 milhões de tokens de saída do GPT-6.1 Sol — conciso, segundo sua métrica, contra uma mediana de 78,6 milhões — e 127 milhões do Qwen4-Max, que ela chama de muito verboso. O dobro de tokens de saída por menos da metade do preço por token resulta em uma fatura 2,6× maior.
Isto não é uma peculiaridade da avaliação. O próprio material de lançamento da Alibaba apresenta o mesmo ponto sob a outra perspectiva: a principal alegação do Qwen4-Max é que ele reduz o uso de tokens em 24% a 35% em relação ao seu antecessor, o Qwen3.8-Max, e em 48% a 49% no Terminal-Bench 4.0. Essas são melhorias reais e são relativas. Em comparação com o GPT-6.1 Sol, o modelo ainda gasta cerca de dois tokens de saída para cada um que o Sol gasta, e o post de lançamento não afirma o contrário.
A consequência prática é que qualquer modelo de custo construído multiplicando sua contagem de tokens pelo preço de tabela errará o sinal desta comparação. Modele os tokens primeiro. Se você já tem tráfego em um modelo conciso e está considerando uma troca, espere que seu volume de saída aproximadamente dobre, mesmo que sua taxa por token caia mais da metade — o que, neste par, representa uma perda líquida.
Velocidade, em que apenas um lado publicou algo
O GPT-6.1 Sol é lento, e isso é medido: 23,1 minutos por tarefa do Intelligence Index, 168,56 segundos até o primeiro token de resposta, velocidade de saída de 49 tokens por segundo na execução do Artificial Analysis contra o endpoint da OpenAI. O tráfego do nosso próprio playground, amostrado nos sete dias até 16 de novembro, mostra uma mediana mais rápida — cerca de 98 tokens de saída por segundo com um p50 de 1,7 segundo até o primeiro byte —, o que é o que se esperaria de uma rota de gateway posicionada diante de um upstream diferente do que o Artificial Analysis usou. Ambos os números podem ser verdadeiros; nenhum descreve o caminho do outro.
O Qwen4-Max não tem nenhum número de velocidade independente. O Artificial Analysis lista a pontuação de índice do modelo, seu preço e seus totais de tokens, e deixa em branco o tempo por tarefa, a taxa de saída e o tempo até o primeiro token. A Alibaba publica alegações de eficiência de tokens, que não são latência. Portanto, para um lado desta comparação, você pode planejar a capacidade do caminho completo, e, para o outro, pode planejar a fatura e nada mais. Qualquer pessoa que implante uma interface interativa no Qwen4-Max neste mês está medindo a latência por conta própria pela primeira vez.
Dois detalhes de migração que vão custar uma tarde de depuração
O raciocínio do GPT-6.1 Sol está sempre ativado, com cinco níveis de esforço e padrão médio, e o modelo rejeita temperature e top_p de forma categórica — a amostragem é controlada pelo esforço e por nada mais. O Qwen4-Max aceita o conjunto completo de parâmetros de amostragem, com padrões de temperature 1,0 e top_p 0,95 no modo de pensamento, 0,7 e 0,8 fora dele, além de top_k 20 e uma penalidade de presença de 1,5 quando o pensamento está desativado. Um cliente migrado do Sol para o Qwen4-Max passará a adquirir silenciosamente um comportamento de amostragem que nunca teve; a migração inversa lançará erro.
As strings de esforço são a imagem espelhada. O Sol oferece cinco níveis; o Qwen4-Max oferece três e agrupa o restante, mapeando minimal para low, medium para high e max para xhigh. Um pipeline que solicita medium ao Qwen4-Max recebe raciocínio de alto esforço com um orçamento padrão de pensamento de 131.072 tokens e nenhum erro que anuncie isso. Um pipeline que solicita max recebe xhigh e parece correto. Fixe o nível no vocabulário do próprio fornecedor por rota; não passe uma string de esforço por uma fronteira de modelo e conte com a sorte.

Onde os dois se encaixam, e como executá-los lado a lado
A divisão que decorre dos números: GPT-6.1 Sol para raciocínio de prompt curto e alto volume, em que sua concisão se potencializa, e Qwen4-Max para solicitações acima de 272.000 tokens de entrada, para entrada de vídeo ou para cargas de trabalho que precisam de controle de amostragem em vez de um ajuste de esforço.
Fazer essa divisão normalmente é a parte cara, e é exatamente o caso para o qual o OrcaRouter foi criado, de um lado. GPT-6.1 Sol é roteado a US$ 2,00 e US$ 10,00 por milhão abaixo do limite da faixa e US$ 4,00 e US$ 15,00 acima dele — as próprias tarifas do fornecedor, repassadas com 0% de markup, então a aritmética de faixas acima é o que você realmente paga, e não uma aproximação disso — pela mesma chave e pelo mesmo endpoint compatível com OpenAI que Claude Opus 5.5, Grok 4.5, Qwen3.8-Max e Tencent HY4 Preview. O Qwen4-Max ainda não está no catálogo, então esse lado permanece em uma chave direta da Alibaba por enquanto.
O que ainda é suficiente para tornar a comparação real: defina o limite uma única vez numa regra de roteamento, envie tudo o que estiver abaixo de 272.000 tokens para a rota Sol e tudo o que estiver acima para o Qwen4-Max, e deixe o failover cobrir o novo modelo enquanto você estabelece a latência dele. É a DSL de roteamento que faz disso uma regra e não um serviço — uma condição sobre o tamanho da requisição, dois destinos, um endpoint, e um automatic fallback caso o lado experimental se comporte mal.
A versão curta, com a data de validade
O Qwen4-Max é o modelo mais barato por token e o mais caro por tarefa, e o motivo é que ele escreve o dobro. O GPT-6.1 Sol é o modelo mais barato por tarefa e o mais caro por solicitação longa, e o motivo é um limite de nível em 272.000 tokens que seu concorrente não tem. Nenhum desses fatos diz respeito à inteligência, na qual os dois ficam a doze pontos de índice de distância — 43 contra 55 no esforço máximo do Sol — a favor do Sol.
A comparação tem prazo de validade. O post de lançamento da Alibaba diz que modelos Qwen4 menores chegarão ao código aberto, e uma tabela de preços por token para um modelo de 2,4 trilhões de parâmetros é exatamente o tipo de coisa que é revisada assim que chega o primeiro mês de tráfego de agentes. Até lá, decida com base no volume de tokens e no tamanho das requisições, não na taxa de saída.
Comparados neste artigo1
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
