
Qwen4-Max vs GPT-6.1 Sol Pro: Pro är ett faktureringsläge, och det har ett nummer att slå
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 90 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNYOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 88 tok/s
- OrcaNYOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 133 tok/s
- OrcaNYOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M tokens · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligens
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligens
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M tokens · 186 tok/s
GPT-6.1 Sol Pro har inget pris, eftersom det inte har någon identifierare. Det är GPT-6.1 Sol – lanserad den 29 september 2026 till $2 per miljon input-token och $10 per miljon output-token – som anropas med reasoning.mode: "pro" i Responses API, en inställning som OpenAI:s dokumentation beskriver som att den får modellen att utföra mer arbete och att detta arbete debiteras till samma standardtokenpriser. Qwen4-Max, allmänt tillgänglig sedan 16 november 2026 till $1,50 och $4,50, är den billigare modellen per token med en faktor 2,2 på output. Det är också, enligt den enda oberoende mätning som någon av modellerna har, den dyrare per slutförd uppgift: $3,27 mot $1,27 för GPT-6.1 Sol vid dess maximala ansträngningsinställning. Den inversionen – Qwen4-Max billigare per token och dyrare per svar – är hela jämförelsen, och pro-läget är den enda variabeln som skulle kunna flytta den i endera riktningen utan att någon kan mäta vilket.
Proläget är en multiplikator utan publicerad koefficient
Det finns bara två stycken leverantörsdokumentation, och de är värda att läsas noga eftersom varje "Sol Pro"-jämförelse på internet bygger på dem plus slutledningar.
• Vad det är – ett reasoning.mode-värde på pro, inställt tillsammans med reasoning.effort, i Responses API. Det andra värdet är standard, vilket är standardinställningen.
• Vad den gör – enligt OpenAI "sammanställer den det modellarbete som utförs för att ta fram det slutliga svaret". Den är oberoende av effort: läget avgör hur mycket arbete som utförs, effort avgör hur hårt modellen tänker inom det.
• Vad det kostar — de aggregerade tokens, debiteras enligt modellens standardpriser. Ingen tilläggsavgift, ingen separat mätare.
• Vad den inte har – en koefficient. OpenAI publicerar ingen tokenmultiplikator för pro mode, och den neutrala leaderboarden har ingen rad för pro mode: varje GPT-6.1 Sol-mätning på Artificial Analysis är en reasoning.effort-inställning från low till max, alla i standard mode.
Vilket innebär att en sak följer med säkerhet och en inte. Med säkerhet: pro-läget kan bara höja GPT-6.1 Sols kostnad per uppgift, aldrig sänka den, eftersom det lägger till debiterade tokens till samma taxa. Inte med säkerhet: hur mycket. En körning i pro-läget som aggregerar 1,8× arbetet är en annan produkt än en som aggregerar 4×, och ingen utanför OpenAI har publicerat förhållandet.
Tröskelns pro-läge måste rensas
Det okända är inte ett skäl att rycka på axlarna. Det omvandlas till ett enda tal, eftersom Qwen4-Maxs kostnad per uppgift redan är uppmätt, och detsamma gäller Sols.
• Vid Sols maximala ansträngning — 1,27 USD per Intelligence Index-uppgift jämfört med Qwen4-Maxs 3,27 USD. Pro-läget skulle behöva multiplicera Sols tokenförbrukning med 2,57× innan de två modellerna kostar lika mycket per uppgift.
• Vid Sols xhigh-ansträngning – 0,76 $ mot 3,27 $. Tröskeln är 4,3×.
• Vid Sols höga insats — $0,59 mot $3,27. Tröskeln är 5,5×.
• När det gäller intelligens, för jämförelse — Sol får 54,6 på indexet vid max, 52,5 vid xhigh, 50,3 vid high. Qwen4-Max får 42,9. Pro-läget ändrar inte en modells intelligenspoäng i den bemärkelse som indexet mäter, men det ändrar svarskvaliteten på svåra uppgifter, vilket är det enda skälet att betala för det.
Så frågan en köpare faktiskt står inför är inte ”vilket är billigare”. Den är: överträffar en Sol-körning i pro-läge Qwen4-Max med en kvalitetsmarginal på mer än tio indexpunkter, samtidigt som den håller sig under 2,6× till 5,5× sin tokenförbrukning i standardläge? Alla publicerade signaler säger att multiplikatorn är verklig men måttlig – leverantören beskriver pro-läget som inställningen för ”svåra uppgifter som kräver mer modellarbete”, inte som en annan modell – och en multiplikator under 2,6× skulle göra Sol billigare per uppgift än Qwen4-Max på varje ansträngningsnivå. Det är en slutledning, tydligt markerad som sådan, och det är det mest försvarbara som någon kan säga tills OpenAI eller en oberoende utvärderare publicerar förhållandet.

Varför den billiga modellen är den dyra
Priskortet per token och räkningen per uppgift skiljer sig med en faktor på nästan sex, och orsaken är volym, inte pris. Detta är värt att förtydliga eftersom det är det enskilt vanligaste felet i jämförelser mellan dessa två modeller.
• Utmatningspris — Qwen4-Max 4,50 USD per miljon mot Sols 10,00 USD. Qwen4-Max är 2,2× billigare per utdatatoken.
• Outputvolym på indexkörningen — 127 miljoner tokens för Qwen4-Max, 63,7 miljoner för Sol vid maximal ansträngning. Qwen4-Max skriver 2.0× så mycket.
• Utförlighetsrang — Qwen4-Max ligger på 65:e plats av 80 på trackerns skala, mitt i kategorin "mycket utförlig"; Sol på max ligger på 35:e plats, nära mitten.
• Faktisk kostnad per uppgift – 3,27 $ mot 1,27 $. Qwen4-Max är 2,6× dyrare, inte 2,2× billigare.
De tre kvoterna stämmer inte överens med den fjärde, och den saknade termen är indatavolym, som den offentliga sidan inte redovisar separat per modell. Det är precis därför siffran per uppgift bör behandlas som mätningen och kvoterna som förklaringen: ett prisblad beskriver vad en token kostar, och indexet beskriver vad en modell gör av med, och bara den andra dyker upp på en faktura i slutet av månaden. Alibabas egna lanseringssiffror understryker samma poäng åt andra hållet — att genomsnittskostnaden per uppgift i deras Work360-benchmark sjunker från $4,43 till $1,67 är ett påstående om den benchmarkens tokenmix, och det är en leverantörssiffra på en leverantörsbenchmark.
Ännu en axel, eftersom det är den som avgör agentens genomförbarhet snarare än kostnaden. Sol vid maximal ansträngning tog 1 383 sekunder uppmätt tid per indexuppgift – tjugotre minuter – med 168 sekunder till första token. Qwen4-Max har ingen siffra för tid per uppgift alls; trackerns hastighetsfält är tomma för den. Vår egen playgrounds sjudagarsrekord för OpenAI-rutten visar en median på 1,7 sekunder till första token och 98 utdatatoken per sekund, vilket är trafik i standardläge med medelhög ansträngning, inte pro. Ingen har publicerat hur lång tid ett anrop i pro-läge tar, och den ärliga planeringsförutsättningen är siffran för maximal ansträngning med felstaplar som pekar uppåt.

Var läget hör hemma: routningslagret, inte koden
Eftersom pro är en förfrågningsparameter och inte en modell är beslutet att använda den ett beslut per anrop, och beslut per anrop som fattas i applikationskoden åldras dåligt. Den version som inte åldras är att lägga den i rutten: en pro-lägeskonfiguration fäst vid deep-review-sökvägen – den som körs en gång per pull request, per kontrakt, per incident – och en standardlägeskonfiguration för allt interaktivt, båda nåbara från samma nyckel.
OrcaRouter routar openai/gpt-6.1-sol till OpenAIs egna priser $2,00 och $10,00 med 0 % påslag, inklusive nivån på 272 000 token där priserna fördubblas till $4,00 och $15,00, så ett pro-lägesexperiment som körs via oss kostar vad det kostar hos leverantören och inget mer. Qwen4-Max finns inte i katalogen; en begäran med en qwen4-identifierare returnerar not-found, och den nyaste Qwen-flaggskeppsmodellen vi erbjuder är qwen/qwen3.8-max till $2,00 och $6,00. Routnings-DSL:en är där de två halvorna möts: en regel som skickar agentarbete med lång horisont till en modell och interaktiva turer till den andra, med automatisk failover under så att en pro-lägeskörning som fastnar inte tar ner förfrågan med sig. Det är en konfigurationsändring, och den är reversibel på ett sätt som en hårdkodad modellsträng inte är.

Vad skulle ändra på svaret
Tre saker, i ordning efter hur troligt det är att de inträffar först.
Den första är en rad för pro-läge på en oberoende resultattavla. Om en pro-konfiguration visas bredvid de fem insatsnivåerna med sin egen kostnad per uppgift, upphör 2,6×-tröskeln att vara aritmetik på en gissning och blir en mätning, och den här sidan skrivs om utifrån den. Till dess citerar varje artikel som anger en "GPT-6.1 Sol Pro-poäng" basmodellens rad för standardläge med ett lägesnamn påklistrat.
Den andra är en ansträngningskurva för Qwen4-Max. Modellen är två dagar gammal och har exakt en uppmätt arbetspunkt, vilket innebär att dess 42,9 kan vara ett golv eller ett tak. Alibabas lanseringsmaterial hänvisar till inställningarna High och Xhigh i sina egna benchmarktester, så kurvan finns; den har bara inte testats oberoende ännu.
Det tredje är Qwen4-Max som får en hastighetsrad. En modell utan genomströmningssiffra är en modell som man inte kan bemanna en agent kring, och frånvaron är för närvarande det starkaste argumentet för den sittande leverantören i varje arbetsbelastning där en människa väntar.
Tills ett av dem blir verklighet är beslutet begripligt. Om din arbetsbelastning är interaktiv och kostnadskänslig slår GPT-6.1 Sol på medium – $0.36 per uppgift, index 46.4, första token på fem sekunder – Qwen4-Max på varje mätt axel, inklusive pris, vilket inte är slutsatsen som token-kortet gör reklam för. Om din arbetsbelastning är en agent med lång horisont, där ett 1M-tokensfönster, inbyggd vision och 95 % cacherabatt betyder mer än indexet, är Qwen4-Max det billigare sättet att köpa kontext, och dess räkning avgörs av cacheträffrekvensen snarare än av ansträngningsnivån. Och om du överväger pro-läge överväger du en 2,6× budget för en förmåga som ingen har mätt – vilket är en bra sak att testa på en rutt och en dålig sak att anta på en produktionsväg.
Jämförda i den här artikeln1
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
