การ์ดชื่อเรื่องที่พาดหัวว่า ‘Qwen4-Max กับ GPT-6.1 Sol: โทเค็นที่ถูกกว่า แต่บิลที่ใหญ่กว่า’ พร้อมชิปสามอันที่ระบุว่า $1.50 เทียบกับ $2.00 ต่ออินพุตหนึ่งล้านโทเค็น, $3.27 เทียบกับ $1.27 ต่องานดัชนีหนึ่งงาน และขอบเขตชั้น 272,000 โทเค็นที่ใช้กับ Sol เท่านั้น โดยมีคำบรรยายอ้างอิงถึง Artificial Analysis และใบอัตราค่าบริการของผู้ขายสองราย ณ วันที่ 17 พฤศจิกายน 2026
Guides & Insights

Qwen4-Max กับ GPT-6.1 Sol: โทเค็นที่ราคาถูกกว่ากลับแพ้เมื่อดูที่ใบแจ้งหนี้ และจุดแบ่งอยู่ที่ 272,000

ผู้เขียน

Gideon Frost

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

หากมองตารางราคาทั้งสองฉบับตามที่ระบุไว้ Qwen4-Maxก็ชนะแบบทิ้งห่าง โดยระบุราคาไว้ที่ 1.50 ดอลลาร์ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น และ 4.50 ดอลลาร์ต่อเอาต์พุตหนึ่งล้านโทเค็น ขณะที่GPT-6.1 Solระบุไว้ที่ 2.00 และ 10.00 ดอลลาร์ ในด้านเอาต์พุต นั่นคือส่วนต่าง 2.2 เท่าที่เป็นผลดีต่อ Qwen4-Max และเป็นตัวเลขที่การเปรียบเทียบสองโมเดลนี้ทุกครั้งยกขึ้นมาก่อน แต่พอรันทั้งสองผ่านชุดการประเมินทั้งเก้าชุดเดียวกัน แล้วดูว่าการรันเหล่านั้นมีต้นทุนเท่าไร Artificial Analysis วัดได้ 3.27 ดอลลาร์ต่อภารกิจ Intelligence Index สำหรับ Qwen4-Max ซึ่งเปิดให้ใช้ทั่วไปตั้งแต่ 16 พฤศจิกายน 2026 เทียบกับ 1.27 ดอลลาร์สำหรับ GPT-6.1 Sol ซึ่ง OpenAI จำหน่ายมาตั้งแต่ 29 กันยายน 2026 โทเค็นที่ถูกกว่ากลับมีราคาแพงกว่า 2.6 เท่าต่อภารกิจที่ทำเสร็จหนึ่งภารกิจ มีกลไกสองอย่างที่ทำให้เกิดการกลับด้านนี้ และมีเพียงอย่างเดียวที่ถูกพูดถึง ส่วนอีกอย่างอยู่ที่ 272,000 โทเค็น ซึ่งตารางราคาของ Sol เปลี่ยนราคากลางคำขอ แต่ของ Qwen4-Max ไม่เปลี่ยน

การ์ดสองใบที่มีรูปร่างต่างกัน ไม่ใช่แค่ตัวเลขที่ต่างกัน

A two-column scoreboard comparing Qwen4-Max and GPT-6.1 Sol: flat $1.50 input and $4.50 output against $2.00 and $10.00 up to 272,000 tokens and $4.00 and $15.00 above it; no long-prompt tier against one starting at 272,000; 127M output tokens against 63.7M; index 43 against 55 at max effort; 1,000,000 context against 1,050,000. Footer attributes cost per task and token totals to Artificial Analysis and prices to the vendor rate cards.

• ราคาอินพุต — Qwen4-Max $1.50 ต่อล้านโทเค็นแบบอัตราคงที่ เทียบกับ GPT-6.1 Sol $2.00 สำหรับไม่เกิน 272,000 โทเค็น และ $4.00 สำหรับส่วนที่เกิน

• ราคาเอาต์พุต — $4.50 แบบคงที่ เทียบกับ $10.00 สำหรับไม่เกิน 272,000 โทเค็น และ $15.00 สำหรับเกินกว่านั้น

• การอ่านแคช — $0.075 ต่อล้าน โดยการเขียนอยู่ที่ $1.875 (5 นาที) หรือ $3.00 (1 ชั่วโมง) เทียบกับ $0.10 ต่อล้าน โดยการเขียนอยู่ที่ $2.50 และ $5.00

• หน้าต่างบริบท — 1,000,000 โทเค็น โดยมีเพดานอินพุตโหมดคิดที่ 983,616 โทเค็น เทียบกับ 1,050,000 โทเค็น

• เอาต์พุตสูงสุด — 131,072 แบบไม่คิด หรือ 262,144 ที่ใช้ร่วมกับการให้เหตุผล เทียบกับ 128,000

• การควบคุมการให้เหตุผล — สามระดับ (ต่ำ, สูง, xhigh) ค่าเริ่มต้นคือสูง เทียบกับห้าระดับ (ตั้งแต่ต่ำถึงสูงสุด) ค่าเริ่มต้นคือปานกลาง เปิดใช้งานตลอดเวลา

• พารามิเตอร์การสุ่มตัวอย่าง — temperature, top_p และ top_k ที่ยอมรับเทียบกับที่ปฏิเสธ; การให้เหตุผลต้องถูกกำกับด้วย effort เท่านั้น

• รูปแบบอินพุต — ข้อความ, รูปภาพ, วิดีโอ เทียบกับ ข้อความ, รูปภาพ, ไฟล์

สองแถวแรกคือจุดที่เงินอยู่ Qwen4-Max ขายเพียงระดับเดียวตั้งแต่ศูนย์จนถึงขีดจำกัดคอนเท็กซ์ โดยเจตนา: ไม่มีค่าธรรมเนียมเพิ่มสำหรับคอนเท็กซ์ยาว และไม่มีส่วนลดแบบแบตช์เช่นกัน เพราะโมเดลนี้ไม่มีการเสนอการอนุมานแบบแบตช์เลย GPT-6.1 Sol ขายระดับราคาถูกและระดับราคาแพง และเส้นแบ่งระหว่างสองระดับนี้คือตัวเลขที่ส่งผลกระทบมากที่สุดเพียงตัวเดียวในการเปรียบเทียบนี้ สำหรับใครก็ตามที่มีพรอมป์ต์ขนาดใหญ่

การข้ามเส้น 272,000 โทเค็นส่งผลอย่างไรต่อการคำนวณ

ต่ำกว่าเกณฑ์ดังกล่าว การใช้โทเค็นอินพุตหนึ่งล้านโทเค็นบน GPT-6.1 Sol มีค่าใช้จ่าย $2.00 และโทเค็นเอาต์พุตหนึ่งล้านโทเค็นมีค่าใช้จ่าย $10.00 ที่หรือสูงกว่าเกณฑ์ดังกล่าว แค็ตตาล็อกจะเรียกเก็บค่าคำขอที่ $4.00 สำหรับอินพุต และ $15.00 สำหรับเอาต์พุต — ซึ่งเป็นสองเท่าสำหรับอินพุต และเพิ่มขึ้น 50% สำหรับเอาต์พุต Qwen4-Max คิดค่าบริการ $1.50 และ $4.50 ทั้งที่ 200,000 โทเค็นและที่ 900,000 โทเค็นเช่นเดียวกัน

ลองรันงานที่ใช้เอกสารจำนวนมากผ่านทั้งสองโมเดล แล้วลำดับความถูกแพงจะสลับกันไปขึ้นอยู่กับว่าคำขอไปตกอยู่ที่ขนาดไหน พรอมต์ 150,000 โทเค็นพร้อมคำตอบ 4,000 โทเค็นมีค่าใช้จ่ายราว $0.26 บน Sol และ $0.24 บน Qwen4-Max — ใกล้เคียงกันมากพอที่จะถือว่าเสมอกัน จนไม่ควรใช้ราคาไปตัดสินเรื่องอื่น ๆ ของโมเดล งานเดียวกันที่อินพุต 400,000 โทเค็นมีค่าใช้จ่าย $1.65 บน Sol ในระดับราคาสูง เทียบกับ $0.62 บน Qwen4-Max: ช่องว่าง 2.7 เท่า ซึ่งไปคนละทิศกับส่วนต่างต้นทุนเอาต์พุตที่เป็นตัวเลขพาดหัว และมากกว่าส่วนนั้นด้วย งานที่ต้องใช้บริบท длинн คือภาระงานเดียวที่การ์ด Qwen4-Max เป็นตัวเลือกที่คุ้มกว่าอย่างชัดเจน และเป็นภาระงานที่คู่นี้มีแนวโน้มถูกนำไปใช้มากที่สุด เนื่องจากทั้งสองโมเดลขายบนหน้าต่าง 1M โทเค็น

ซึ่งทำให้ขอบเขตระดับชั้นกลายเป็นการตัดสินใจเรื่องการจัดเส้นทาง มากกว่าจะเป็นเพียงหมายเหตุประกอบราคา หากคำขอของไปป์ไลน์กระจุกตัวต่ำกว่า 272,000 โทเค็นเพียงเล็กน้อย การแยกหรือแคชเพื่อให้อยู่ใต้เส้นแบ่งนั้นก็คุ้มค่าด้วยเงินจริง แต่หากคำขออยู่สูงกว่าเส้นนั้นมาก การแยกก็ไม่มีประโยชน์ และ Qwen4-Max มีต้นทุนอินพุตถูกกว่าเกือบสามเท่า

A screenshot of the Artificial Analysis model page for GPT-6.1 Sol, showing the OpenAI proprietary-model header, the September 2026 release date, the intelligence panel and the providers serving it.

การผกผันที่ไม่เกี่ยวข้องกับราคา

ความฟุ่มเฟือยของข้อความเป็นกลไกอีกอย่างหนึ่ง และมันส่งผลเสียต่อ Qwen4-Max หนักกว่าที่เรตค่าบริการจะส่งผลดีให้กับมัน เมื่อดูจาก Intelligence Index นั้น Artificial Analysis บันทึกโทเค็นเอาต์พุต 63.7 ล้านโทเค็นจาก GPT-6.1 Sol — ซึ่งจัดว่ากระชับตามเกณฑ์ของตน เทียบกับค่ามัธยฐานที่ 78.6 ล้าน — และ 127 ล้านโทเค็นจาก Qwen4-Max ซึ่งถูกเรียกว่าฟุ่มเฟือยมาก การมีโทเค็นเอาต์พุตเป็นสองเท่าในราคาต่อโทเค็นที่ต่ำกว่าครึ่งหนึ่ง เมื่อรวมแล้วกลายเป็นบิลที่ใหญ่กว่า 2.6 เท่า

นี่ไม่ใช่ความผิดปกติของการประเมิน เอกสารเปิดตัวของ A​libaba เองก็ชี้ประเด็นเดียวกันจากอีกด้านหนึ่ง: ข้ออ้างหลักของ Qwen4-Max คือการลดการใช้โทเคนลง 24% ถึง 35% เมื่อเทียบกับรุ่นก่อนหน้าอย่าง Qwen3.8-Max และ 48% ถึง 49% บน Terminal-Bench 4.0 สิ่งเหล่านี้เป็นการปรับปรุงจริงและเป็นการเปรียบเทียบแบบสัมพัทธ์ เมื่อเทียบกับ GPT-6.1 Sol โมเดลนี้ยังใช้โทเคนเอาต์พุตประมาณสองโทเคนต่อหนึ่งโทเคนที่ Sol ใช้ และโพสต์เปิดตัวไม่ได้อ้างเป็นอย่างอื่น

ผลที่ตามมาในทางปฏิบัติคือ แบบจำลองต้นทุนใด ๆ ที่สร้างขึ้นโดยการนำจำนวนโทเคนของคุณคูณกับราคาตามรายการจะทำให้เครื่องหมายของการเปรียบเทียบนี้ผิด ให้จำลองจำนวนโทเคนก่อน หากคุณมีปริมาณการใช้งานอยู่แล้วบนโมเดลที่ให้คำตอบกระชับและกำลังพิจารณาที่จะเปลี่ยน ให้คาดว่าปริมาณเอาต์พุตของคุณจะเพิ่มขึ้นประมาณสองเท่า แม้ว่าอัตราต่อโทเคนของคุณจะลดลงมากกว่าครึ่ง — ซึ่งในคู่นี้ถือเป็นการขาดทุนสุทธิ

ความเร็ว ซึ่งมีเพียงฝ่ายเดียวเท่านั้นที่เผยแพร่สิ่งใด ๆ

GPT-6.1 Sol ช้า และมีการวัดผลออกมาแล้ว: 23.1 นาทีต่องาน Intelligence Index, 168.56 วินาทีถึงโทเคนคำตอบแรก, ความเร็วเอาต์พุต 49 โทเคนต่อวินาที ในการรันของ Artificial Analysis ที่ทดสอบกับ endpoint ของ OpenAI ส่วนทราฟฟิก playground ของเราเอง ซึ่งสุ่มตัวอย่างในช่วงเจ็ดวันถึงวันที่ 16 พฤศจิกายน แสดงค่ามัธยฐานที่เร็วกว่า — ประมาณ 98 โทเคนเอาต์พุตต่อวินาที โดยมี p50 ถึงไบต์แรกที่ 1.7 วินาที — ซึ่งเป็นสิ่งที่คาดได้จากเส้นทางเกตเวย์ที่อยู่หน้า upstream ที่แตกต่างจากตัวที่ Artificial Analysis ใช้ ตัวเลขทั้งสองสามารถเป็นจริงได้ ทั้งคู่ไม่ได้อธิบายเส้นทางของอีกฝ่าย

Qwen4-Max ไม่มีตัวเลขความเร็วที่เป็นอิสระเลย Artificial Analysis ระบุคะแนนดัชนีของโมเดล ราคา และจำนวนโทเคนรวม แต่ปล่อยเวลาแต่ละงาน อัตราเอาต์พุต และเวลาถึงโทเคนแรกไว้เป็นค่าว่าง Alibaba เผยแพร่คำกล่าวอ้างเรื่องประสิทธิภาพการใช้โทเคน ซึ่งไม่ใช่ความหน่วง ดังนั้นสำหรับฝั่งหนึ่งของการเปรียบเทียบนี้ คุณสามารถวางแผนขีดความสามารถสำหรับเส้นทางทั้งหมดได้ และสำหรับอีกฝั่งหนึ่ง คุณวางแผนขีดความสามารถได้เพียงค่าใช้จ่ายเท่านั้น ใครก็ตามที่นำอินเทอร์เฟซแบบโต้ตอบขึ้นใช้งานบน Qwen4-Max ในเดือนนี้ กำลังวัดความหน่วงด้วยตนเองเป็นครั้งแรก

รายละเอียดการย้ายระบบสองข้อที่จะทำให้คุณต้องเสียเวลาดีบักไปทั้งบ่าย

การใช้เหตุผลของ GPT-6.1 Sol เปิดอยู่เสมอด้วยระดับความพยายามห้าระดับและค่าเริ่มต้นเป็น medium และโมเดลนี้ปฏิเสธ temperature และ top_p โดยสิ้นเชิง — การสุ่มตัวอย่างถูกควบคุมผ่าน effort เท่านั้น ไม่มีอย่างอื่น Qwen4-Max ยอมรับชุดการสุ่มตัวอย่างทั้งหมด โดยมีค่าเริ่มต้นเป็น temperature 1.0 และ top_p 0.95 ในโหมดคิด และ 0.7 กับ 0.8 เมื่ออยู่นอกโหมดดังกล่าว พร้อมด้วย top_k 20 และ presence penalty 1.5 เมื่อปิดการคิด ไคลเอนต์ที่ย้ายจาก Sol ไปยัง Qwen4-Max จะได้รับพฤติกรรมการสุ่มตัวอย่างที่ไม่เคยมีโดยไม่แจ้งให้ทราบ ส่วนการย้ายกลับจะเกิดข้อผิดพลาด

สตริง effort เป็นภาพสะท้อนกลับกัน Sol มีห้าระดับ ส่วน Qwen4-Max มีสามระดับและยุบรวมระดับที่เหลือ โดยแมป minimal เป็น low, medium เป็น high และ max เป็น xhigh ไปป์ไลน์ที่ขอ medium จาก Qwen4-Max จะได้รับ reasoning แบบ high-effort พร้อมงบคิดเริ่มต้นที่ 131,072 โทเค็น โดยไม่มีข้อผิดพลาดใดแจ้งให้ทราบ ไปป์ไลน์ที่ขอ max จะได้รับ xhigh และดูเหมือนถูกต้อง กำหนดระดับให้ชัดเจนด้วยคำศัพท์ของผู้ให้บริการเองสำหรับแต่ละเส้นทาง อย่าส่งสตริง effort ผ่านขอบเขตของโมเดลแล้วหวังว่าจะถูกต้อง

A screenshot of the OrcaRouter model page for openai/gpt-6.1-sol, showing the 1M-token context line, the 128K maximum output, the model identifier openai/gpt-6.1-sol and the start of the pricing panel.

ทั้งสองควรอยู่ตรงไหน และจะรันทั้งคู่เคียงกันได้อย่างไร

การแบ่งที่ได้จากตัวเลขคือ GPT-6.1 Sol สำหรับการให้เหตุผลแบบพรอมต์สั้นและปริมาณสูง ซึ่งความกระชับของมันสร้างผลทบต้น และ Qwen4-Max สำหรับคำขอที่เกิน 272,000 โทเค็นอินพุต สำหรับอินพุตวิดีโอ หรือสำหรับงานที่ต้องการการควบคุมการสุ่มมากกว่าปุ่มปรับระดับความพยายาม

โดยปกติแล้ว การดำเนินการแยกเส้นทางนั้นเป็นส่วนที่แพง และนี่คือกรณีที่ OrcaRouter ถูกสร้างขึ้นมาเพื่อรองรับในด้านหนึ่ง GPT-6.1 Solถูกกำหนดเส้นทางในราคา $2.00 และ $10.00 ต่อหนึ่งล้านเมื่ออยู่ต่ำกว่าเส้นแบ่งระดับ และ $4.00 และ $15.00 เมื่ออยู่เหนือเส้นแบ่งนั้น — เป็นอัตราของผู้จำหน่ายเอง ส่งต่อโดยบวกเพิ่ม 0% ดังนั้นการคำนวณตามระดับข้างต้นจึงเป็นสิ่งที่คุณจ่ายจริง มิใช่เพียงการประมาณ — ผ่านคีย์เดียวกันและปลายทางที่เข้ากันได้กับ OpenAI เดียวกันกับ Claude Opus 5.5, Grok 4.5, Qwen3.8-Max และ T​encent HY4 Preview. Qwen4-Max ยังไม่อยู่ในแคตตาล็อก ดังนั้นฝั่งนั้นจึงยังคงใช้คีย์ A​libaba โดยตรงไปก่อนในตอนนี้

ซึ่งยังมากพอที่จะทำให้การเปรียบเทียบเป็นของจริง: กำหนดขอบเขตครั้งเดียวในกฎการเลือกเส้นทาง ส่งทุกอย่างที่ต่ำกว่า 272,000 โทเค็นไปยังเส้นทาง Sol และส่งทุกอย่างที่สูงกว่านั้นไปยัง Qwen4-Max แล้วให้ระบบ failover คอยรองรับโมเดลใหม่ไว้ระหว่างที่คุณกำลังเก็บข้อมูล latency ของมัน routing DSL คือสิ่งที่ทำให้เรื่องนี้กลายเป็นกฎมากกว่าจะเป็นบริการ — เงื่อนไขบนขนาดคำขอ ปลายทางสองจุด ปลายทางเดียว และการสลับสำรองอัตโนมัติ หากฝั่งทดลองทำงานผิดปกติ

ฉบับย่อ พร้อมวันหมดอายุ

Qwen4-Max เป็นโมเดลที่ถูกกว่าต่อโทเค็น และเป็นรุ่นที่แพงกว่าต่องาน โดยสาเหตุคือมันเขียนมากเป็นสองเท่า GPT-6.1 Sol เป็นโมเดลที่ถูกกว่าต่องาน และแพงกว่าสำหรับคำขอแบบยาว โดยสาเหตุคือเส้นแบ่งระดับที่ 272,000 โทเค็น ซึ่งคู่แข่งไม่มี ข้อเท็จจริงทั้งสองข้อนี้ไม่เกี่ยวกับความฉลาด ซึ่งทั้งสองอยู่ห่างกันสิบสองคะแนนดัชนี — 43 เทียบกับ 55 ที่ความพยายามสูงสุดของ Sol — ในทางที่เป็นผลดีต่อ Sol

การเปรียบเทียบนี้มีวันหมดอายุ โพสต์เปิดตัวของ A​libaba ระบุว่าโมเดล Qwen4 ขนาดเล็กกว่ากำลังจะมาในโอเพนซอร์ส และการ์ดราคาต่อโทเคนสำหรับโมเดลขนาด 2.4 ล้านล้านพารามิเตอร์ก็เป็นสิ่งที่มักถูกปรับแก้เมื่อปริมาณการใช้งานจากเอเจนต์ในเดือนแรกเริ่มเข้ามา จนกว่าจะถึงตอนนั้น ให้ตัดสินใจจากปริมาณโทเคนและขนาดคำขอ ไม่ใช่อัตราเอาต์พุต

การเปรียบเทียบในบทความนี้1

ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube