
Qwen4-Max vs GPT-6.1 Sol:更便宜的 Token 反而在账单上落败,临界点在 272,000
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-0711 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 88 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百万 tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百万 tokens · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百万 tokens · 185 tok/s
如果按两张价目表的面值来看,Qwen4-Max明显胜出。其标价为每百万输入 token 1.50 美元、每百万输出 token 4.50 美元;GPT-6.1 Sol标价为 2.00 美元和 10.00 美元。就输出而言,这相当于对 Qwen4-Max 有利的 2.2 倍价差,而这也是所有这两款模型对比都会首先提到的数字。然后让两者跑同一套九项评估,看看这些运行实际花了多少钱。Artificial Analysis 测算,Qwen4-Max 每个 Intelligence Index 任务为 3.27 美元——该模型自 2026 年 11 月 16 日起全面可用——而 GPT-6.1 Sol 为 1.27 美元,后者自 2026 年 9 月 29 日起由 OpenAI 销售。更便宜的 token 每完成一个任务却贵 2.6 倍。有两种机制造成了这一反转,而其中只有一种被讨论——另一种位于 272,000 个 token 处:在那里,Sol 的价目表会在请求中途变价,而 Qwen4-Max 不会。
两张形状不同的卡片,而不只是数字不同

• 输入价格——Qwen4-Max 每百万 token 统一为 $1.50,而 GPT-6.1 Sol 在最高 272,000 token 时为 $2.00,超出后为 $4.00
• 输出价格 — 固定 $4.50,对比最高 272,000 tokens 时为 $10.00,超出后为 $15.00
缓存读取 — 每百万 $0.075,写入为 $1.875(5 分钟)或 $3.00(1 小时),对比每百万 $0.10,写入为 $2.50 和 $5.00
• 上下文窗口 — 1,000,000 个 token,思考模式输入上限为 983,616 个 token,对比 1,050,000 个 token
• 最大输出 — 非思考模式下为 131,072,或与推理共享的 262,144,对比 128,000
• 推理控制 — 三个级别(low、high、xhigh),默认 high;对比五级(low 到 max),默认 medium,始终开启
• 采样参数——temperature、top_p 和 top_k 的接受与拒绝情况;推理必须仅由 effort 引导
• 输入模态——文本、图像、视频 对比 文本、图像、文件
前两行才是真正花钱的地方。Qwen4-Max 只提供一个档位,从零一直到上下文上限,而且是刻意为之:没有长上下文附加费,也没有批量折扣,因为该模型根本不提供批量推理。GPT-6.1 Sol 则提供一个便宜档位和一个昂贵档位,对于提示词规模很大的人来说,两者之间的分界线是这次比较中影响最大的单个数字。
跨过 272,000 个 token 会对算术运算产生什么影响
在边界以下,GPT-6.1 Sol 上的一百万输入 token 费用为 $2.00,一百万输出 token 费用为 $10.00。达到或超过该边界时,价目表对请求按输入 $4.00、输出 $15.00 计费——输入翻倍,输出增加 50%。Qwen4-Max 在 200,000 token 和 900,000 token 时均收取 $1.50 和 $4.50。
把一项文档密集型作业分别跑过两者,排序会翻转,具体取决于请求落在哪里。一个 150,000 token 的提示词配 4,000 token 的回答,在 Sol 上大约花费 $0.26,在 Qwen4-Max 上大约花费 $0.24——接近到几乎打平,因此不应根据价格来决定这两个模型的其他任何事情。同一项作业在 400,000 输入 token 时,在较高档位下 Sol 花费 $1.65,而 Qwen4-Max 为 $0.62:2.7 倍的差距,方向与宣传中的输出价差相反,而且幅度更大。长上下文工作是 Qwen4-Max 价目卡明显更划算的唯一一类工作负载,而这正是这对模型最有可能被用于的工作负载,因为两个模型都以 1M-token 窗口作为卖点。
这使得层级边界成为一种路由决策,而不是定价脚注。如果某个管道的请求恰好聚集在 272,000 个 token 以下,那么通过拆分或缓存来保持在界线以下就值真金白银;如果它们远高于这条线,拆分就毫无意义,而 Qwen4-Max 在输入上的成本要低近三倍。

与价格无关的倒挂
冗长是另一个机制,而它对 Qwen4-Max 的不利程度,比价目表对它的有利程度还要大。在 Intelligence Index 上,Artificial Analysis 记录到 GPT-6.1 Sol 输出了 6370 万个 token——按其标准算是简洁,而中位数为 7860 万个——Qwen4-Max 则输出了 1.27 亿个,它称后者非常冗长。输出 token 数是两倍,而每 token 价格不到一半,最终算下来账单却达到 2.6 倍。
这不是评测本身的怪癖。阿里巴巴自己的发布材料也从另一个角度说明了同一点:Qwen4-Max 的主要宣传点是,相比前代 Qwen3.8-Max,它将 token 使用量削减了 24% 到 35%,在 Terminal-Bench 4.0 上则削减了 48% 到 49%。这些是实打实的改进,但都是相对而言的。面对 GPT-6.1 Sol,该模型每消耗一个 Sol 所用的输出 token,仍然要花费大约两个输出 token,而发布文章也没有声称不是这样。
实际后果是:任何通过将你的 token 数量乘以标价来构建的成本模型,都会把这一比较的正负号弄错。先对 token 建模。如果你已经有流量跑在简洁型模型上,并正在考虑切换,那么预期你的输出量大约会翻倍,即使你的每 token 费率下降超过一半——而在这对组合上,这仍是净亏损。
速度方面,只有一方发布了任何内容
GPT-6.1 Sol 很慢,而且这是有实测数据的:在 Artificial Analysis 针对 OpenAI 端点的一次运行中,每个 Intelligence Index 任务耗时 23.1 分钟,首个回答 token 的延迟为 168.56 秒,输出速度为每秒 49 个 token。我们自己的 playground 流量在截至 11 月 16 日的七天内采样,显示出更快的中位数——约每秒 98 个输出 token,首字节 p50 为 1.7 秒——这正是当网关路由位于一个与 Artificial Analysis 所用不同的上游之前时,你会预料到的情况。两个数字都可以为真;它们描述的不是同一条路径。
Qwen4-Max 完全没有独立的速度数值。Artificial Analysis 列出了该模型的指数得分、价格和 token 总量,却把每任务耗时、输出速率和首 token 时间留空。阿里巴巴发布的是 token 效率方面的说法,这并不是延迟。因此,对于这项对比中的一方,你可以对完整路径做容量规划;而对于另一方,你只能规划账单,别的什么都规划不了。本月任何在 Qwen4-Max 上部署交互界面的团队,都是在自行首次测量延迟。
两个迁移细节,可能让你花一下午来调试
GPT-6.1 Sol 的推理始终开启,提供五档努力级别,默认档位为 medium;该模型直接拒绝 temperature 和 top_p,采样只通过努力级别来调控,除此之外别无其他方式。Qwen4-Max 接受完整的采样参数集:在思考模式下,temperature 和 top_p 的默认值分别为 1.0 和 0.95;在非思考模式下,这两个默认值分别为 0.7 和 0.8。此外,当思考关闭时,top_k 为 20,存在惩罚为 1.5。将客户端从 Sol 迁移到 Qwen4-Max 后,它会悄然获得此前从未有过的采样行为;而反向迁移则会抛出错误。
Effort 字符串则是其镜像。Sol 提供五档;Qwen4-Max 提供三档,并把其余档位折叠合并:minimal 映射为 low,medium 映射为 high,max 映射为 xhigh。一个向 Qwen4-Max 请求 medium 的流水线会得到 high 强度的推理,默认思考预算为 131,072 个 token,而且不会有错误来提示这一点。请求 max 的流水线会得到 xhigh,并且看起来是正确的。请按路由用厂商自己的词汇固定级别;不要把 effort 字符串传过模型边界然后碰运气。

这两者分别应该放在哪里,以及如何让它们并排运行
从这些数字中得出的分工是:GPT-6.1 Sol 适用于短提示词、高吞吐量的推理场景,其简洁性会在这种场景中层层放大;Qwen4-Max 则适用于输入超过 272,000 个 token 的请求、视频输入,或需要采样控制而非调节推理强度的工作负载。
通常,执行这种拆分才是开销大的部分,而这正是 OrcaRouter 一方面要处理的场景。 GPT-6.1 Sol 在层级边界以下按每百万 $2.00 和 $10.00 路由,在边界以上则按 $4.00 和 $15.00 路由——这些都是供应商自己的费率,以 0% 加价透传,因此上面的层级计算就是你实际支付的费用,而不是近似值——使用与 Claude Opus 5.5、Grok 4.5、Qwen3.8-Max 和 Tencent HY4 Preview 相同的密钥和相同的 OpenAI 兼容端点。Qwen4-Max 尚未进入目录,因此那一侧目前仍使用直接的 Alibaba 密钥。
这仍然足以让对比具有实际意义:在一条路由规则中定义一次边界,把任何低于 272,000 个 token 的请求发送到 Sol 路由,把任何高于该值的请求发送到 Qwen4-Max,并在你摸清新模型延迟期间让故障转移为其兜底。路由 DSL 正是让这成为一条规则而不是一项服务的原因——一个基于请求大小的条件、两个目标、一个端点,以及一个自动回退,如果实验侧表现异常。
简短版本,并附上其到期日期
Qwen4-Max 是每 token 更便宜的模型,却是每任务更贵的模型,原因是它的输出量是两倍。GPT-6.1 Sol 是每任务更便宜的模型,却是每个长请求更贵的模型,原因是它有一个竞争对手没有的 272,000 个 token 的层级边界。这两点都与智能无关;在智能上,二者相差十二个指数点——在 Sol 的最高努力设置下为 43 对 55——且对 Sol 有利。
这种对比是有有效期的。Alibaba 的发布文章称,更小的 Qwen4 模型即将开源;而针对一个 2.4 万亿参数模型的按 token 计价表,恰恰是那种在第一个月的智能体流量到来后就会被修订的东西。在那之前,请根据 token 用量和请求大小来做决定,而不是根据输出费率。
本文中的对比1
根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新
