Сгенерированная титульная карточка с надписью «Qwen4-Max vs GPT-6 Sol» и подзаголовком «Более дешёвый токен, который обходится дороже за ответ», а также три карточки с показателями: «43 против 44 по индексу», «$3.27 против $2.47 за задачу» и «$4.50 против $10.00 за выходные токены». Внизу написано: «Оценки и стоимость за задачу по Artificial Analysis Intelligence Index v5.0.1; цены по прайс-листу каждого поставщика». Плоский векторный стиль на белом фоне с сине-голубыми градиентными акцентами, логотип OrcaRouter совмещён в правом нижнем углу.
Guides & Insights

Qwen4-Max против GPT-6 Sol: более дешёвый токен, который обходится дороже за ответ

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Qwen4-Max стоит менее половины от GPT-6 Sol по цене выходных токенов — $4.50 за миллион токенов против $10.00 — и при этом завершение задачи всё равно обходится дороже. Artificial Analysis оценивает стоимость одной задачи Intelligence Index для Qwen4-Max, общедоступной с 16 ноября 2026 года, в $3.27 против $2.47 для GPT-6 Sol, которую OpenAI продаёт с 22 сентября 2026 года. Оценки различаются на один балл: 43 против 44. Эта инверсия — суть всего сравнения, и это не артефакт округления: так происходит, когда модель выдаёт 127 миллионов выходных токенов, чтобы завершить оценку, которую другая модель завершает за 65.1 миллиона. Qwen4-Max — более дешёвая модель в расчёте на единицу и более дорогая в расчёте на задачу, и только один из этих двух фактов выдерживает столкновение с бюджетом.

Инверсия, с показанными вычислениями

Обе модели по умолчанию выполняют рассуждения, и оба поставщика тарифицируют мыслительный процесс как вывод. Разница лишь в его объёме.

• Объём вывода в индексном прогоне — Qwen4-Max сгенерировал 127 миллионов выходных токенов; трекер ставит его на 65-е место из 80 по многословности и описывает как очень многословный на фоне медианы в 78,6 миллиона. GPT-6 Sol сгенерировал 65,1 миллиона и описывается как довольно лаконичный на фоне той же медианы.

Объём входных данных — 9,9 млрд токенов у Qwen4-Max против 4,75 млрд у GPT-6 Sol. Соотношение выходных данных к входным у Qwen составляет 1,284%; у Sol — 1,371%, поэтому структура трафика схожа, а масштаб — нет.

• Стоимость выполнения одной задачи — $3,27 против $2,47. Номинально более дешёвая модель обходится на 32% дороже в расчёте на задачу.

• Оценка по индексу — 43 против 44; они занимают 38-е и 34-е места из 81 модели соответственно по одной и той же ревизии, считанной 16 ноября 2026 года.

То, что это измеряет, — не расточительство в обычном смысле. Модель, которая подробно рассуждает и пересказывает ход своих вычислений, делает то, что производитель считает преимуществом, и собственные цифры Alibaba, представленные при запуске, построены именно на том, что за такое поведение стоит платить: она утверждает, что на своём бенчмарке Work360 использует на 24–35% меньше токенов, чем Qwen3.8-Max, а это утверждение об относительной многословности по сравнению с предшественником, и оно ничего не говорит о том, как модель соотносится с моделью из другой лаборатории. Абсолютное число — то, которое попадает в счёт, и абсолютное число высокое.

Инверсия исчезает именно при фиксированном выводе. Ограничьте ответ схемой, потолком максимального числа токенов или строгим форматом — и преимущество в многословности улетучится, потому что сохраняются те токены, которые модель решила сгенерировать. При жёстком лимите на объём вывода более низкая в 2,2 раза ставка Qwen4-Max за вывод применяется примерно к тому же числу токенов, и экономия реальна. Если же позволить ей писать что угодно, она расходует эту скидку.

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.'

После 272 000 токенов соотношение цен полностью меняется.

В тарифной сетке GPT-6 Sol есть резкий скачок, а в тарифной сетке Qwen4-Max — нет. Это единственный аспект, в котором дешёвая модель не просто конкурентоспособна, а радикально дешевле, и это легко упустить, потому что обе модели рекламируют окно в миллион токенов.

• GPT-6 Sol, до 272 000 входных токенов — $2.00 за вход, $0.20 за кэшированный вход, $2.50 за запись в кэш, $10.00 за выход.

• GPT-6 Sol, свыше 272 000 входных токенов — $4.00 за ввод, $0.40 за кэшированный ввод, $5.00 за запись в кэш, $15.00 за вывод. На собственной странице модели OpenAI это правило изложено прямо: каждый токен в запросе пересчитывается по новой цене, а не только превышение. Промпт на 300 000 токенов тарифицирует все 300 000 по ставке для длинного контекста.

• Qwen4-Max — $1.50 за ввод и $4.50 за вывод — единая ставка на всём окне в 1 000 000 токенов, без ступенчатой тарификации на 32K, 128K или где-либо ещё. Тарифы Сингапура; в остальных пяти регионах — $1.413 и $4.24.

• Разрыв на уровне 300 000 токенов — $4,00 против $1,50 на входе составляет 2,7×, а $15,00 против $4,50 на выходе — 3,3×. Добавьте сюда пакетный путь Qwen в Пекине, где Batch File тарифицируется по $0,707 и $2,12, и соотношение увеличивается ещё сильнее — хотя этот путь существует только в одном регионе.

• Практическое следствие — конвейер анализа документов, который регулярно превышает 272K токенов, не выбирает между двумя похожими ценами. Он выбирает между тарифом, который удваивается на границе, которую его запросы случайно пересекают, и тарифом, который вообще не меняется. Разбиение слишком больших запросов на фрагменты ниже порога возвращает цену Sol, но это изменение конвейера, и оно лишает вас контекста одного запроса, который и был причиной покупать модель на миллион токенов.

Это самый сильный аргумент в материале в пользу Qwen4-Max, и он более узкий, чем подразумевает освещение запуска: это случай длинного контекста, а не общий.

Что на самом деле утверждает каждый вендор и что за этим стоит

Презентационные материалы Alibaba к запуску Qwen4-Max необычно конкретны и полностью подготовлены самой компанией. Бенчмарк, с которого она начинает, Work360, создан самим поставщиком: таксономия из 26 доменов уровня 1, 182 поддоменов уровня 2 и 721 поля уровня 3, по которой Qwen4-Max набирает 52,69 против 47,74 у Qwen3.8-Max. Наряду с этим компания сообщает о сокращении числа токенов примерно на 24% и 35% на Work360 при уровнях усилий xhigh и high, на 48% и 49% на Terminal-Bench 4.0, о снижении средней стоимости задачи с $4,43 до $1,67, о росте доли прохождений на уровне функций в Last Secure Code Bench с 22,0% до 31,8% и о росте доли кода, безопасного одновременно на уровне функций, файлов и репозиториев, с 8% до 14,7%. Все эти данные предоставлены поставщиком, и ни одна из этих цифр не была воспроизведена за пределами Alibaba.

Заявления OpenAI относительно GPT-6 Sol устроены иначе: это аргументы о паритете при более низкой стоимости в сравнении с названными конкурентами, а не абсолютные оценки. В материалах запуска сообщался результат FrontierCode 1.1 в 49,3% при максимальном усилии за $2,14 на задачу против 50,3% у Claude Fable 5.1 за $12,83, а также результат DeepSWE v1.1 в 68,8% — в пределах 1,1 балла от 69,9% у Claude Fable 5. Обратите внимание на структуру этих предложений: в каждом почти равный счёт по баллам сочетается с долей стоимости. Это утверждение об эффективности, а не о возможностях, и оно слабее того, которое Alibaba делает относительно Work360.

Независимый трекер — это место, где эти две модели наконец можно сопоставить, и единственный источник в этом материале, который измерил обе модели с помощью одного испытательного стенда. Он разводит их на один пункт и меняет ценовой рейтинг на противоположный. При этом он оставляет один столбец пустым: у GPT-6 Sol измерены 125 выходных токенов в секунду, 35,11 секунды до первого токена ответа и 7,2 минуты на задачу индекса. У Qwen4-Max нет ни одного из этих трёх показателей — в карточке производительности указано N/A. Модель, которая на 32% дороже в расчёте на задачу и при этом не публикует скорость, — это не модель, чьё преимущество в стоимости пока вообще можно оценить, потому что недостающая половина счёта — это время.

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.

Архитектурное утверждение, стоящее за числами токенов

Qwen4-Max — это разреженная смесь экспертов на 2,4 трлн параметров, из которых 71 млрд параметров активны на каждый токен, плюс 328 млрд параметров N-граммовых эмбеддингов, которые выбираются по таблице, а не перемножаются. Три слоя Gated DeltaNet сжимают историю в состояние фиксированного размера для каждого слоя Qwen Sparse Attention, который отбирает релевантный контекст на уровне микроблоков через лёгкий индексатор; четыре параллельные остаточные ветви с динамическими вентилями чтения и записи стабилизируют стек. Alibaba сообщает об отсутствии всплесков лосса на протяжении всего прогона с 2,4 трлн параметров и о снижении показателя бит на байт на 5–13% по сравнению с Qwen3.8-Max-Base при активации на 25% меньшего числа параметров — с честной оговоркой, напечатанной поставщиком, что два из сравниваемых чекпойнтов прошли посттренировку, что ослабляет подачу сравнения как базовой модели.

Это правдоподобное объяснение того, почему вывод с длинным контекстом дешевле в расчёте на токен. Это не объяснение того, почему запросу требуется в 1.95× больше выходных токенов, чем у конкурента, и ничто в материалах о запуске не затрагивает этот вопрос. Эффективность на токен и эффективность на ответ — разные величины, и эта модель улучшает первую, одновременно проигрывая во второй.

Где находятся оба и как выглядит смешанная рабочая нагрузка

GPT-6 Sol маршрутизируется через OrcaRouter как openai/gpt-6-sol по прейскурантной цене OpenAI с наценкой 0% — $2,00 и $10,00 за миллион токенов до 272K, $4,00 и $15,00 выше этого порога, причём правило пересчёта цены на отметке 272K применяется так же, как его применяет OpenAI. Единый API для более чем 200 моделей превращает вопрос о длинном контексте, поднятый выше, в решение о маршрутизации, а не в заключение второго договора: конвейер может отправлять свои запросы объёмом менее 272K в Sol, а превышающие этот порог — в другое место, не поднимая второй SDK, и изменение цены поставщиком появляется здесь в тот же день, когда оно появляется в прайс-листе OpenAI.

Qwen4-Max отсутствует в каталоге OrcaRouter по состоянию на 16 ноября 2026 года. До него можно добраться через собственный Model Studio API Alibaba и несколько сторонних платформ. Из-за этого честный эксперимент оказывается асимметричным и дешёвым только в одном направлении: ветке Sol не нужна новая интеграция, а ветке Qwen — нужна, и сравнение, которое вам действительно нужно — стоимость завершённой задачи на вашем собственном трафике при ваших собственных длинах вывода — это ровно то измерение, которое позволит установить, сохраняется ли инверсия $2.47 против $3.27 за пределами стенда для бенчмарков. Запустите его на теневом срезе, а не на продакшен-пути, и пусть ваши собственные подсчёты токенов решат, какой из двух прогонов индекса вводит в заблуждение.

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.

Что сделало бы эту статью другой?

Два измерения. Первое — объём вывода Qwen4-Max на рабочей нагрузке с жёстким лимитом вывода; если 127 миллионов токенов — это свойство оценки, а не модели, то инверсия является артефактом, и ставка $4.50 — чистая экономия. Второе — скорость. GPT-6 Sol тратит 7,2 минуты на задачу индексирования и 35 секунд до первого токена, и это непримечательные цифры; если Qwen4-Max на тех же задачах существенно медленнее, то модель, которая уже на 32% дороже за ответ, — это ещё и та, что заставляет вас ждать дольше, и никакие рассуждения о цене за токен этого не спасают.

Пока не существует и того, и другого, защищаемая позиция остаётся узкой и конкретной. Для запросов, превышающих 272 000 токенов, Qwen4-Max в два-три раза дешевле, и тут спорить не о чем. Во всех остальных случаях GPT-6 Sol — более выгодная покупка по единственному показателю, который объединяет цену с поведением, а то, что его заявленная ставка на выходе в 2,2 раза выше, — наименее информативная его характеристика.

Сравнение в этой статье1

Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно

© 2026 OrcaRouter