
Qwen4-Max vs GPT-6.2 Sol: Halva tokenpriset, tre gånger uppgiften
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 180 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 223 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 89 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 98 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 94 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 · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
GPT-6.2 Sol kostar 2,00 dollar per miljon inputtokens och 10,00 dollar per miljon outputtokens. Qwen4-Max kostar 1,50 dollar och 4,50 dollar. Enligt prislistan är Qwen4-Max den billigare modellen med god marginal – 25 % på input och 55 % på output. I det enda mått som liknar en faktura anger Artificial Analysis att en slutförd Intelligence Index-uppgift kostar 1,01 dollar med GPT-6.2 Sol och 3,27 dollar med Qwen4-Max. Modellen som tar mer än dubbelt så mycket betalt per token slutför jobbet för mindre än en tredjedel av pengarna.
That inversion has one cause, and it is not a pricing trick: GPT-6.2 Sol, which OpenAI shipped on 17 November 2026 at exactly the price of the model it replaces, generates 60.9 million output tokens to complete the nine-evaluation suite. Qwen4-Max, generally available since 16 November, generates 127 million — more than double, against a field median of 65.1 million. Everything else in this comparison follows from those two numbers.

Två kort med olika former, inte bara olika siffror
Före siffrorna per uppgift, prissättningsstrukturen, eftersom de två korten brister på olika sätt. Sol säljer en billig nivå och en dyr; Qwen4-Max säljer en nivå från noll till kontextgränsen.
• Indata — GPT-6.2 Sol $2,00 per miljon upp till 272 000 token, $4,00 därutöver. Qwen4-Max $1,50 fast pris i Singapore, $1,413 i regionerna med global räckvidd, både vid 200 000 token och 900 000.
• Utdata — Sol $10.00 upp till 272 000, $15.00 däröver. Qwen4-Max $4.50, fast.
• Cachad indata — Sol $0.10 per miljon; Qwen4-Max $0.071 på andra håll och $0.075 i Singapore. Sols cache-skrivning är $2.50 för ett 30-minutersfönster och $5.00 för 12 timmar på Standardförfrågningar med kort kontext; Qwen4-Max anger $1.875 för en 5-minuters skrivning och $3.00 för en timme.
• Kontext — Sol 1 050 000 tokens med en maximal indata på 922 000 tokens; Qwen4-Max 1 000 000 med ett indatatak på 983 616 tokens i tänkläge och 991 808 med tänkande avstängt.
• Tak för utdata — Sol 128 000 fast; Qwen4-Max 131 072 icke-tänkande, eller 262 144 delat mellan resonemang och svaret.
• Modalitet — Sol tar emot text, bild och fil. Qwen4-Max tar emot text, bild och video. Ingen av dem ger något annat än text.
• Resonemangsstyrning — Sol exponerar fem ansträngningsnivåer, låg till max, med standardvärdet medium, alltid på. Qwen4-Max exponerar tre, låg, hög och xhigh, med standardvärdet hög, och accepterar temperature, top_p och top_k medan Sol avvisar dem.
• Knowledge cutoff — 1 June 2026 on GPT-6.2 Sol. Alibaba has not published one for Qwen4-Max, which is itself a row worth noticing: a model sold on document and video understanding with no stated cutoff is a model you test rather than assume.
Gränsen på 272 000 token är den enskilt mest betydelsefulla siffran i den listan för alla vars promptar är stora. Under den kostar en miljon indatatoken på Sol $2.00 och en miljon utdatatoken $10.00. Vid eller över den faktureras hela begäran med $4.00 in och $15.00 ut — indata fördubblas, utdata ökar med 50 % — och cache-priserna fördubblas med den. En granskning av ett dokument på 400 000 token kostar $1.60 i indata på Sol och $0.60 på Qwen4-Max innan någon har skrivit ett ord.

Ansträngningsreglaget avgör mer av kostnaden än vad priset gör.
Sol levereras med resonemang alltid aktiverat och ansträngningsnivån som standard på medium. Qwen4-Max levereras med resonemang aktiverat och ansträngningsnivån som standard på hög, med en tankebudget som i sig har standardvärdet 131 072 token. Båda standardinställningarna är dyra, och ingen av dem är den konfiguration som Artificial Analysis poängsatte.
Spåraren mäter vid maximal ansträngning för Sol och i högsta läget på Qwen4-Maxs skala, och rapporterar 60,9 miljoner utdatatokens för den ena och 127 miljoner för den andra. Kör den naiva multiplikationen – 127 miljoner utdatatokens till $4,50 mot 60,9 miljoner till $10,00 – och Qwen4-Max landar på $572 i utdata mot Sols $609. Två dollar hit eller dit. De publicerade siffrorna per uppgift är $3,27 och $1,01, en skillnad på 3,2× i andra riktningen, vilket innebär att siffran per uppgift är en viktad blandning av indatatokens, cachade indatatokens, resonemangstokens och svarstokens över nio utvärderingar snarare än en multipel av antalet utdatatokens. Båda siffrorna är mätningar; den aritmetik du kan göra utifrån prislistorna är inte den aritmetik som tog fram dem, och varje granskning som hävdar att den härleder en av dessa siffror från den andra gissar.
What the effort detail does tell you is where a team can move its own bill. Dropping Qwen4-Max from high to low effort, or capping its thinking budget below the 131,072 default, cuts the reasoning-token count that drives most of its verbosity. Dropping Sol from max to medium does the same on OpenAI's side. A comparison run entirely at each vendor's default is a different comparison from the one on the leaderboard, and it is the one your application will actually produce.
Hastighetsraden, som inte är nära
Mångordighet har en andra konsekvens utöver kostnaden, och den har ingen lösning.
• Tid per indexeringsuppgift — GPT-6.2 Sol 7,9 minuter mot Qwen4-Max 32,1, på ett medianvärde av 11,5. Sol beskrivs av trackern som snabbare än genomsnittet; Qwen4-Max som anmärkningsvärt långsam.
• Utmatningshastighet — 85,1 token per sekund jämfört med 54,5.
• Tid till första svarstoken — 68,2 sekunder mot 155,4. Båda siffrorna inkluderar resonemang, vilket är varför ingen av dem är jämförbar med de första-token-siffror under en sekund som en chattprodukt gör reklam för.
En skillnad på fyra gånger i tid för att slutföra uppgifter är ett produktbeslut, inte en justeringsparameter. För en agent som gör tjugo verktygsanrop per begäran är 32 minuter mot 8 skillnaden mellan ett bakgrundsjobb och ett interaktivt sådant. Om din arbetsbelastning är batch kostar den skillnaden dig bara genomströmning och inget annat. Om den är framför en användare är Qwen4-Max enda ärliga försvar att du dirigerar den till jobb där latens inte spelar någon roll, vilket är ett dirigeringsbeslut snarare än ett modellval.
Där modellen med lägre kostnad per token faktiskt vinner
Tre rader talar till Qwen4-Max fördel, och ingen av dem handlar om intelligens, där Sol leder med 57 mot 43 i samma v5.0.1-revision – fjorton poäng, ungefär en och en halv nivå.
Den första är lång kontext. Varje förfrågan över 272 000 indata-tokens försätter Sol i dess övre nivå och lämnar Qwen4-Max oförändrad. Vid 400 000 indata-tokens och 8 000 utdata debiterar Sol $1,60 plus $0,12, eller $1,72; Qwen4-Max debiterar $0,60 plus $0,036, eller $0,64. Det är en 2,7× skillnad till Qwen4-Max fördel, och det är exakt motsatsen till den rubrikomskrivna jämförelsen av utdatapriser. Långkontextarbete är den arbetsbelastning där Qwen4-Max-kortet är rakt igenom det bättre köpet, och det är den arbetsbelastning som båda modellerna marknadsförs för – 1M-fönster på båda sidor.
Den andra är video. Sol accepterar inte det. Qwen4-Max gör det, till samma pris som text, vilket gör triagering av skärminspelningar, granskning av dashcam-material och analys av produktdemonstrationer till Qwen-exklusiva arbetsbelastningar oavsett pris.
Det tredje är utdatautrymme i tänkandeläge. Sols tak för utdata på 128 000 token är fast; Qwen4-Max låter ett enda svar bära 262 144 token fördelade mellan resonemang och svar, vilket spelar roll för långa avkodningsjobb där Sols tak trunkerar. Siffran 131 072 för icke-tänkandeläge är den siffra man ska jämföra med Sols 128 000, och på den raden ligger de på samma nivå inom 3 %.
Vad migration kostar, på den sida du faktiskt kan migrera
Neither model is a drop-in for the other, and the asymmetry is worth stating plainly. Qwen4-Max documents four protocol surfaces — OpenAI Chat Completions, OpenAI Responses, Anthropic Messages and DashScope — with structured output, parallel tool calling, prefix completion and implicit caching. Sol documents Chat Completions, Responses and Batch, with tool calling requiring the Responses API, and it rejects sampling parameters outright: omit temperature, top_p and logprobs from Chat Completions requests.
OpenAI's own GPT-6.2 migration guide adds a quieter hazard: starting with 6.2, the API drops reasoning items when it detects a mid-conversation change to the history — a prefix edit, a model downgrade, an end-user change. Lose those items and answer quality can decline while the token count rises, with no error to catch. A team that replays a conversation under a different end-user ID for evaluation will see slightly worse answers and a larger bill, which is the hardest class of regression to attribute.
Det är ett skäl att testa en migrering på verklig trafik i stället för ett smoke-test, och det är samma skäl som gör att en reservväg är viktig. Om utrullningen visar sig vara fel beslut är det bara billigt att rulla tillbaka om den gamla modellen fortfarande är nåbar från samma nyckel och slutpunkt.
En nyckel, och vilken av dessa två sitter på den
OrcaRouter routes GPT-6.1 Sol, not GPT-6.2 Sol: the catalogue carries openai/gpt-6.1-sol at OpenAI's list price with 0% markup passed through, alongside the GPT-6 Astra and Luna entries, and it does not yet carry the 6.2 Sol identifier. Qwen4-Max is not hosted here either — it is available through Alibaba's own Model Studio API and several third-party platforms.

Den praktiska formen av den här jämförelsen för ett team som vill agera utifrån den är därför ett tvåstegstest snarare än ett rakt utbyte. Steg ett: kör dina egna prompter mot GPT-6.1 Sol, som här finns på en nyckel och är modellen som 6.2 ersätter till samma listpriser, och mot en modell i Qwen-klassen för fallen med lång kontext och video. Steg två: när identifieraren 6.2 landar, växla över Sol-sidan av routnings-DSL:en och låt automatisk redundansväxling hålla den gamla vägen öppen medan du bevakar kostnaden per uppgift snarare än per token.
Det är den disciplin som siffrorna i den här artikeln argumenterar för i allmänhet. Ett team som jämför dessa två på $1,50 mot $2,00 och $4,50 mot $10,00 kommer att dra slutsatsen att Qwen4-Max är det ekonomiska valet och ha fel med en faktor tre på fakturan. Ett team som jämför dem på $3,27 mot $1,01 får kostnaden rätt och kan ändå välja fel, eftersom fjorton indexpoäng och en latensskillnad på 4× är de rader som avgör om arbetsbelastningen överhuvudtaget är genomförbar. Den enda jämförelse som är värd att göra är kostnad per uppgift mot ditt eget latenskrav, och ingen av leverantörernas prislistor ger dig någon av siffrorna.
Jämförda i den här artikeln1
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
