
Qwen4-Max vs GPT-6.1 Sol: Token rẻ hơn lại thua trên hóa đơn, và ranh giới nằm ở 272.000
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 90 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 97 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaMỚIOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 88 tok/s
- OrcaMỚIOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 133 tok/s
- OrcaMỚIOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 trên 1 triệu token · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 trên 1 triệu token · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Trí tuệ
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Trí tuệ
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 trên 1 triệu token · 185 tok/s
Nếu lấy hai bảng giá niêm yết đúng như bề mặt của chúng thì Qwen4-Max thắng áp đảo. Mức niêm yết là 1,50 USD mỗi triệu token đầu vào và 4,50 USD mỗi triệu token đầu ra; GPT-6.1 Sol niêm yết ở mức 2,00 USD và 10,00 USD. Ở phần đầu ra, đó là mức chênh 2,2 lần nghiêng về Qwen4-Max, và đây chính là con số mà mọi so sánh giữa hai mô hình này đều dẫn ra đầu tiên. Nhưng hãy cho cả hai chạy qua cùng chín bài đánh giá và nhìn vào chi phí thực tế của các lần chạy. Artificial Analysis đo được 3,27 USD cho mỗi tác vụ Intelligence Index đối với Qwen4-Max, mô hình được phát hành rộng rãi từ ngày 16 tháng 11 năm 2026, so với 1,27 USD của GPT-6.1 Sol, mô hình mà OpenAI đã bán từ ngày 29 tháng 9 năm 2026. Token rẻ hơn lại đắt hơn 2,6 lần tính trên mỗi tác vụ hoàn thành. Có hai cơ chế tạo ra sự đảo ngược đó, và chỉ một trong số chúng được bàn tới — cơ chế còn lại nằm ở mốc 272.000 token, nơi bảng giá của Sol đổi giá ngay giữa một yêu cầu còn Qwen4-Max thì không.
Hai tấm thẻ có hình dạng khác nhau, chứ không chỉ khác số.

• Giá đầu vào — Qwen4-Max 1,50 USD/triệu token, đồng giá; so với GPT-6.1 Sol 2,00 USD cho tới 272.000 token, 4,00 USD cho phần vượt quá
• Giá đầu ra — $4,50 đồng giá so với $10,00 cho tối đa 272.000 token, $15,00 cho phần vượt quá
• Đọc bộ nhớ đệm — $0.075 mỗi triệu với ghi ở mức $1.875 (5 phút) hoặc $3.00 (1 giờ) so với $0.10 mỗi triệu với ghi ở mức $2.50 và $5.00
• Cửa sổ ngữ cảnh — 1,000,000 token với mức trần đầu vào chế độ suy nghĩ là 983,616 token so với 1,050,000 token
• Đầu ra tối đa — 131,072 không suy luận, hoặc 262,144 dùng chung với suy luận so với 128,000
• Kiểm soát suy luận — ba mức (thấp, cao, xhigh), mặc định cao so với năm (từ thấp đến tối đa), mặc định trung bình, luôn bật
• Tham số lấy mẫu — temperature, top_p và top_k được chấp nhận so với bị từ chối; suy luận chỉ phải được định hướng bởi nỗ lực
• Phương thức đầu vào — văn bản, hình ảnh, video so với văn bản, hình ảnh, tệp
Hai hàng đầu tiên là nơi chi phí đáng quan tâm nhất. Qwen4-Max chỉ cung cấp một mức giá từ 0 đến giới hạn ngữ cảnh, một cách có chủ đích: không phụ thu ngữ cảnh dài, cũng không giảm giá theo lô, vì mô hình hoàn toàn không hỗ trợ suy luận theo lô. GPT-6.1 Sol cung cấp một mức giá rẻ và một mức giá đắt, và ranh giới giữa hai mức này là con số có hệ quả lớn nhất trong so sánh này đối với bất kỳ ai có prompt lớn.
Việc vượt mốc 272.000 token tác động thế nào đến phép tính
Dưới ngưỡng, một triệu token đầu vào trên GPT-6.1 Sol có giá $2.00 và một triệu token đầu ra có giá $10.00. Ở mức bằng hoặc vượt ngưỡng đó, bảng giá tính phí yêu cầu ở mức $4.00 đầu vào và $15.00 đầu ra — tăng gấp đôi ở đầu vào và tăng 50% ở đầu ra. Qwen4-Max tính $1.50 và $4.50 ở 200.000 token và ở 900.000 token như nhau.
Chạy một tác vụ nặng về tài liệu qua cả hai mô hình và thứ tự sẽ đảo ngược tùy vào việc yêu cầu rơi vào trường hợp nào. Một prompt 150.000 token với câu trả lời 4.000 token tốn khoảng $0.26 trên Sol và $0.24 trên Qwen4-Max — đủ sát để gần như hòa, đến mức không nên quyết định bất kỳ điều gì khác về các mô hình dựa trên giá. Cùng tác vụ đó với 400.000 token đầu vào tốn $1.65 trên Sol ở bậc cao hơn, so với $0.62 trên Qwen4-Max: mức chênh 2,7×, ngược chiều với chênh lệch giá đầu ra được quảng cáo và lớn hơn mức đó. Công việc ngữ cảnh dài là khối lượng công việc duy nhất mà ở đó bảng giá Qwen4-Max rõ ràng là lựa chọn đáng mua hơn, và đây cũng là khối lượng công việc mà cặp mô hình này có nhiều khả năng được nhắm tới nhất, vì cả hai mô hình đều được chào bán với cửa sổ 1M token.
Điều này khiến ranh giới bậc trở thành một quyết định định tuyến thay vì một chú thích giá. Nếu các yêu cầu của một pipeline tập trung ngay dưới 272.000 token, thì việc tách nhỏ hoặc lưu đệm để giữ dưới ngưỡng đáng giá tiền thật; nếu chúng nằm cao hơn hẳn, việc tách là vô nghĩa và Qwen4-Max rẻ hơn về đầu vào gần ba lần.

Sự đảo ngược chẳng liên quan gì đến giá
Tính dài dòng là cơ chế còn lại, và nó gây bất lợi cho Qwen4-Max mạnh hơn mức bảng giá mang lại lợi thế cho nó. Trên Intelligence Index, Artificial Analysis ghi nhận 63,7 triệu token đầu ra từ GPT-6.1 Sol — được họ đánh giá là súc tích, so với mức trung vị 78,6 triệu — và 127 triệu từ Qwen4-Max, thứ mà họ gọi là rất dài dòng. Gấp đôi số token đầu ra với mức giá chưa bằng một nửa trên mỗi token cuối cùng cho ra hóa đơn lớn hơn 2,6 lần.
Đây không phải là một sự bất thường của việc đánh giá. Tài liệu ra mắt của chính Alibaba cũng đưa ra quan điểm tương tự từ phía ngược lại: tuyên bố nổi bật của Qwen4-Max là nó cắt giảm mức sử dụng token từ 24% đến 35% so với phiên bản tiền nhiệm, Qwen3.8-Max, và từ 48% đến 49% trên Terminal-Bench 4.0. Đó là những cải thiện thực sự và chúng mang tính tương đối. So với GPT-6.1 Sol, mô hình này vẫn tiêu tốn khoảng hai token đầu ra cho mỗi một token mà Sol tiêu tốn, và bài đăng ra mắt không tuyên bố điều gì khác.
Hệ quả thực tế là bất kỳ mô hình chi phí nào được xây dựng bằng cách nhân số token của bạn với giá niêm yết sẽ xác định sai dấu của phép so sánh này. Hãy mô hình hóa số token trước. Nếu bạn đã có lưu lượng trên một mô hình ngắn gọn và đang cân nhắc chuyển đổi, hãy dự kiến khối lượng đầu ra của bạn sẽ tăng gần gấp đôi ngay cả khi mức giá trên mỗi token của bạn giảm hơn một nửa — mà trên cặp này là một khoản lỗ ròng.
Tốc độ, nơi chỉ có một bên đã công bố bất cứ điều gì.
GPT-6.1 Sol chậm và điều này đã được đo: 23,1 phút cho mỗi tác vụ Intelligence Index, 168,56 giây để có token trả lời đầu tiên, tốc độ đầu ra 49 token/giây trong lần chạy của Artificial Analysis nhắm vào endpoint của OpenAI. Lưu lượng playground của chính chúng tôi, được lấy mẫu trong bảy ngày tính đến 16 tháng 11, cho thấy trung vị nhanh hơn — khoảng 98 token đầu ra mỗi giây với p50 đến byte đầu tiên là 1,7 giây — đúng như bạn sẽ kỳ vọng từ một tuyến gateway nằm trước một upstream khác với upstream mà Artificial Analysis đã sử dụng. Cả hai con số đều có thể đúng; không con số nào mô tả đường đi của con số kia.
Qwen4-Max hoàn toàn không có con số tốc độ độc lập nào. Artificial Analysis liệt kê điểm chỉ số của mô hình, giá và tổng số token, còn thời gian mỗi tác vụ, tốc độ đầu ra và thời gian đến token đầu tiên thì để trống. Alibaba công bố các tuyên bố về hiệu quả token, mà đó không phải độ trễ. Vì vậy, với một bên của phép so sánh này, bạn có thể lập kế hoạch dung lượng cho toàn bộ đường đi, còn với bên kia, bạn chỉ có thể lập kế hoạch dung lượng cho hóa đơn mà thôi. Bất kỳ ai triển khai một giao diện tương tác trên Qwen4-Max trong tháng này đều đang tự mình đo độ trễ lần đầu.
Hai chi tiết migration sẽ khiến bạn mất cả buổi chiều gỡ lỗi.
Khả năng suy luận của GPT-6.1 Sol luôn được bật với năm mức effort và mặc định là medium, đồng thời mô hình từ chối thẳng temperature và top_p — việc lấy mẫu chỉ được điều khiển qua effort và không gì khác. Qwen4-Max chấp nhận toàn bộ bộ tham số lấy mẫu, với mặc định temperature 1.0 và top_p 0.95 ở chế độ thinking, 0.7 và 0.8 khi ngoài chế độ đó, cộng với top_k 20 và presence penalty 1.5 khi thinking tắt. Một client được chuyển từ Sol sang Qwen4-Max sẽ âm thầm có được hành vi lấy mẫu mà trước đây nó chưa từng có; chuyển ngược lại sẽ ném lỗi.
Các chuỗi effort thì ngược lại. Sol cung cấp năm bậc; Qwen4-Max cung cấp ba bậc và gộp các mức còn lại, ánh xạ minimal thành low, medium thành high và max thành xhigh. Một pipeline yêu cầu medium từ Qwen4-Max sẽ nhận được suy luận mức nỗ lực cao với ngân sách suy nghĩ mặc định là 131.072 token và không có lỗi nào báo về điều đó. Một pipeline yêu cầu max sẽ nhận được xhigh và trông có vẻ đúng. Hãy ghim mức này theo từ vựng của chính nhà cung cấp cho từng tuyến; đừng truyền một chuỗi effort xuyên qua ranh giới mô hình rồi hy vọng.

Hai thứ đó thuộc về đâu, và cách chạy chúng song song
Sự phân chia rút ra từ các con số: GPT-6.1 Sol cho suy luận với prompt ngắn, khối lượng lớn, nơi tính súc tích của nó phát huy lợi thế cộng dồn, và Qwen4-Max cho các yêu cầu vượt quá 272.000 token đầu vào, cho đầu vào video, hoặc cho những khối lượng công việc cần kiểm soát lấy mẫu thay vì một núm điều chỉnh mức nỗ lực.
Thông thường, việc chạy cách tách đó chính là phần tốn kém, và đây là trường hợp mà OrcaRouter được xây dựng để xử lý ở một phía. GPT-6.1 Solđược định tuyến ở mức 2,00 USD và 10,00 USD mỗi triệu dưới ranh giới bậc, và 4,00 USD và 15,00 USD trên ranh giới đó — chính là mức giá của nhà cung cấp, được chuyển tiếp với 0% phụ phí, vì vậy phép tính theo bậc ở trên chính là số tiền bạn thực sự trả chứ không phải một con số xấp xỉ — thông qua cùng một khóa và cùng một điểm cuối tương thích OpenAI như Claude Opus 5.5, Grok 4.5, Qwen3.8-Max và Tencent HY4 Preview. Qwen4-Max vẫn chưa có trong danh mục, nên phía đó hiện vẫn dùng khóa Alibaba trực tiếp.
Điều đó vẫn đủ để làm cho so sánh trở nên thực tế: xác định ranh giới một lần trong một quy tắc định tuyến, gửi mọi thứ dưới 272.000 token đến tuyến Sol và mọi thứ trên mức đó đến Qwen4-Max, và để cơ chế chuyển đổi dự phòng bao phủ mô hình mới trong khi bạn xác lập độ trễ của nó. DSL định tuyến chính là thứ biến đó thành một quy tắc thay vì một dịch vụ — một điều kiện về kích thước yêu cầu, hai đích đến, một điểm cuối, và một cơ chế dự phòng tự động nếu phía thử nghiệm hoạt động không đúng.
Bản ngắn gọn, kèm ngày hết hạn của nó
Qwen4-Max là mô hình rẻ hơn tính theo token và đắt hơn tính theo tác vụ, và lý do là nó viết nhiều gấp đôi. GPT-6.1 Sol là mô hình rẻ hơn tính theo tác vụ và đắt hơn tính theo mỗi yêu cầu dài, và lý do là một ranh giới bậc ở 272.000 token mà đối thủ của nó không có. Không sự thật nào trong hai sự thật đó liên quan đến trí tuệ, lĩnh vực mà hai mô hình cách nhau mười hai điểm chỉ số — 43 so với 55 ở mức nỗ lực tối đa của Sol — nghiêng về phía Sol.
Bảng so sánh này có ngày hết hạn. Bài đăng ra mắt của Alibaba cho biết các mô hình Qwen4 nhỏ hơn sẽ sớm được mở mã nguồn, và bảng giá theo token cho một mô hình 2,4 nghìn tỷ tham số đúng là kiểu thứ sẽ bị điều chỉnh khi tháng đầu tiên lưu lượng agent đổ về. Cho đến lúc đó, hãy quyết định theo khối lượng token và kích thước yêu cầu, chứ không phải theo tốc độ đầu ra.
So sánh trong bài viết này1
Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày
