Qwen4-Max Preview 对比 GPT-6.1 Sol：倒计时与价目表的较量

把 Qwen4-Max Preview 和 GPT-6.1 Sol 并排放在规格表上，它们看起来就像一对同胞：两者都宣称约有百万级 token 的上下文，都能接收图像，都会在回答前进行推理，也都采用 OpenAI 的通信格式。但再看两者的商业安排，这种相似性就荡然无存。GPT-6.1 Sol 于 2026 年 9 月 29 日发布，输入 token 每百万 $2.00，输出每百万 $10.00，缓存输入每百万 $0.10，并按 token 向任何拥有账户的人出售。Qwen4-Max Preview 于 2026 年 11 月 11 日开放，是仅限 Token Plan 的预览版，运行至 11 月 25 日 24:00，任何地方都没有公布按 token 计价的价格，窗口关闭后即退役。一个是购买，另一个是为期两周的借用。决定你先打开哪一个的，应该是这一差异，而不是基准测试那一栏。

两台机器，用同样的方式描述

GPT-6.1 Sol 是 OpenAI 中端推理模型的一次更新；该模型位于 GPT-6 Astra 之下，属于较低一档的模型。OpenAI 自己的说法是，它在智能体编程、计算机使用和专业工作方面“几乎媲美”Astra，而 token 价格仅为 Astra 的五分之一。OpenAI 公布的模型页面显示，其上下文窗口为 1,050,000 个 token，最大输出为 128,000 个 token，知识截止日期为 2026 年 4 月 30 日。这些都是厂商提供的数据。

Qwen4-Max Preview 是阿里巴巴首个可调用的 Qwen 4 档位。它拥有 1,000,000 token 的上下文，输出上限为 393,216 token，由思考过程和最终答案共享；支持文本、图像和视频输入，以及函数调用、网络搜索和内置工具。这些同样也是厂商数据，取自 Model Studio 文档页面，而非来自对它的报道。

并排对照来看，这两个规格块在上下文上相差 50,000 个 token——对于这么大的数字而言不过是噪声——而在输出余量上的差距则大得多。393,216 对 128,000，大约是单次响应可用空间的三倍；而且两个模型都把思考（thinking）计入这份预算，所以这一差异并非纸上谈兵。如果你的工作是“读一长段语料，产出一份长长的结构化产物”，那么 Qwen 预览版留出的余地更大。如果你的工作是“在一次正常补全的范围内好好作答”，那么这两个上限都不是你的约束。

不是价格比较的那部分

这正是这两个页面完全不再具有可比性的地方，值得直言不讳地说明原因，而不是把它粉饰成平局。

GPT-6.1 Sol 有一张可以拿来算账的价目表。输入每百万 $2.00，输出 $10.00，缓存输入 $0.10——是其自身未缓存输入费率的二十分之一，也是 GPT-6 Astra $1.00 缓存费率的十分之一。会反复重发稳定前缀数千次的智能体循环，几乎完全靠最后这一行运转，这正是 6.1 这次更新对运行智能体而非聊天的人很重要的一个不显眼原因。这张价目表还有会改变算术的阈值：输入 token 超过 272,000 后，整个请求会按输入和缓存费率的 2 倍、输出费率的 1.5 倍重新计价；批量和 flex 比标准价低 50%；fast 模式按标准价的 2 倍计费。

Qwen4-Max Preview 这些都没有。它按订阅以 Credits 计量，而 Alibaba 并未公布每 token 的 Credits 费率。个人版各档价格为 6 美元 20,000 Credits、10 美元 45,000 Credits、18 美元 80,000 Credits 和 43 美元 200,000 Credits，充值包为每 20,000 Credits 15 美元。预览期间，消耗费率为“低至标准费率的 20%”，且在 UTC+8 时间 22:00 至 08:00 之间发起的调用还可享受进一步折扣，最终降至标准费率的 8%。厂商称，Credits 的消耗费率根据模型类型、token 用量、思考模式和工具调用动态设定。

所以，诚实的说法不是“Qwen 更便宜”或“OpenAI 更便宜”。而是：{{1}}一个模型可以在运行前估算成本{{/1}}，而另一个{{2}}只能在运行后估算成本，而且还得从一个你可能尚未有权访问的控制台里查看{{/2}}。对于大规模工作负载，这一区别比本页上任何每 token 数字都更重要。

预览实际胜过费率卡之处

三项能力比一行价格更有价值，至少在两周内如此。

视频输入是首要考量。GPT-6.1 Sol 文档中列出的输入模态为文本、图像和文件。Qwen4-Max Preview 接受文本、图像和视频，而阿里巴巴的页面将截图分析、文档理解和视频分析列为预期用途。如果你的评估涉及理解屏幕录制、产品演示或帧序列，那么在任何评分产生之前，比较就已有了赢家。

第二个是已经提到过的输出上限——对于长文本生成来说是一个实打实的优势，也是唯一一个无需基准测试、数字差距就大到足以产生影响的地方。

第三是出错的代价。Token Plan 订阅会把花费封顶在订阅费之内。按量计费模式则没有任何上限，一个配置不当的智能体循环，在每百万输出 10 美元的费率下，一个下午就能给你开出一张令人难忘的账单。对于你还没把握的实验，为设个上限多付一点是值得的。

GPT-6.1 Sol 无需费力就能胜出的地方

所有需要模型在下个月仍然存在的事项。

有一份契约。公开页面上有公布的价格、上下文和输出限制，有从 low 到 xhigh 以及 max 的努力等级阶梯，有文档化的迁移指南，还有一家其支持路径不会在某个日历日期截止的供应商。还有一个检查点：max_tokens 的行为符合你的预期，并且失败模式有文档记录，而不是靠实际遭遇才发现。

Qwen 预览版则将其中大部分情况反了过来。访问仅限 Token Plan，明确不支持按量付费，基础 URL 是专用地址 token-plan.ap-southeast-1.maas.aliyuncs.com，而且该计划自身的条款将其限制为“在编码和智能体工具中进行交互式使用，而非自动化批处理脚本”。阿里巴巴还声明，在预览期间不会做出任何更改。冻结、临时且不用于批处理——这是对评估载体的精确描述，却是对依赖项的糟糕描述。

还有一个陷阱，任何要迁移请求的人都会遇到；它之所以放在本节，是因为稳定的供应商不会在你运行到一半时对你做这种事。从 Qwen4-Max Preview 开始，max_tokens 等同于 max_completion_tokens，两者都涵盖思考加答案，而此前每个 Qwen 模型都只把上限应用于答案。一个沿用 max_tokens=4096 的请求，现在会用 4,096 个 token 来思考，剩下的才留给答案。失败表现为响应被截断，而不是你能捕获的错误。

实际测量时，两侧都比宣传所说的更薄。

Artificial Analysis 是本博客视为中立参考的第三方榜单；在 2026 年 11 月 11 日查看时，它完全没有 Qwen4 条目——没有指数得分，没有每任务成本，也没有速度行。对于一个当天早上才开放的预览版来说，这在意料之中，而非什么致命问题。

OpenAI 这一边现在也被测量了，而且用的是同一个榜单。Artificial Analysis 有一个 GPT-6.1 Sol (Max) 页面：在指数修订版 v5.0.1 上，Intelligence Index 为 55，在 74 个中排名第 12，每项指数任务 1.27 美元；运行该指数期间生成了 6370 万个输出 token，而榜单中位数为 7280 万个；每项任务耗时 20.2 分钟，而中位数为 12.6 分钟；每秒 56 个 token；首个回答 token 的时间为 153.34 秒。这些是独立数据，不是 OpenAI 自己给出的，并且与厂商的说法并列：OpenAI 将该模型宣传为接近 Astra，token 价格仅为 Astra 的五分之一；在价格表上，算术完全对得上——输入 2 美元对 Astra 的 10 美元，输出 10 美元对 Astra 的 50 美元。

这样剩下的就只是一个数字，而不是一项比较。GPT-6.1 Sol 有一行；Qwen4-Max Preview 没有，而且可能在它退役前也拿不到，所以本周任何发布 Qwen4-Max Preview 对比 GPT-6.1 Sol 基准测试的人，实际上是在两边都发布自己的评测框架。值得问他们的是用了什么提示词，以及当他们尝试复现时 Qwen 那一侧是否还存在。

无需两份合同即可同时运行两者

实际的不对称就在这里：GPT-6.1 Sol 是目录中的模型，而 Qwen4-Max Preview 不是——无论对我们，还是对阿里巴巴 Token Plan 之外的任何人而言都是如此。在 OrcaRouter 上，openai/gpt-6.1-sol 与 其他 216 个模型标识符都通过同一个密钥即可访问，按提供商的标价提供，不额外加价，这意味着 OpenAI 费率表的任何变动都会在发生当天落到你的账单上，而不是等到下一次议价。Qwen 预览版可通过供应商自己的 API 及其聊天产品访问，且没有任何路由层能改变这一点。

接下来十四天里，有用的做法是把预览版放在不会伤到你的位置。一种先尝试预览版、失败后回退到你已经评估过的模型的路由配置让你在一次调用中同时获得实验和安全网：如果预览版因为思考预算吃掉了答案而被截断、在视频输入上报错，或者只是返回了你不会发布的内容，回退模型会给出回答，请求仍然成功。这正是故障转移的用途，而一个带有到期日、尚未经过验证的端点，是你本季度能遇到的最清楚的适用场景。

四行看懂这项决定

如果你需要在本月将模型投入生产，GPT-6.1 Sol 就是答案，而预览版并不是候选对象——不是因为它更差，而是因为到11月26日它就不存在了。

如果你想知道百万级 token 窗口加上视频输入能否解决某个具体问题，预览是成本最低的确认方式，而聊天标签页还能让成本更低。

如果你运行的智能体存在大量前缀复用，那么缓存输入这一项才是需要建模的对象，而这两个模型中只有一个能让你对它建模。

如果你要等分数出来才决定选哪一个，那你等的其实是两件不同的事：一个是可能永远不会出现的 Qwen4-Max Preview 独立条目，因为该模型会先退役；另一个是对 GPT-6.1 Sol 的 55 分给出的第二意见，它确实存在，但只是单一测试框架给出的一个数字，而且该榜单在九月发布之后才修订到 v5.0.1。

人们会不断进行的比较——基准对基准——今天无法进行。能够进行的比较关乎承诺：为期两周地借用更大的上下文和视频解码器，对比一份按量计费、缓存费率可提前规划的合同。选择与你的答案需要保持有效多久相匹配的那一个。