一张为对比文章生成的主视觉卡片,标题为“Qwen4-Max vs GPT-6.1 Sol Pro”,副标题为“Pro 是一种计费模式,而且它有一个必须超越的数字”。一个高亮数字显示“Pro 模式的盈亏平衡点:2.6X”,标签显示“Qwen4-Max:每任务 $3.27”和“GPT-6.1 Sol 最高档:每任务 $1.27”。页脚显示“Artificial Analysis 与 OpenAI 文档,读取于 2026 年 11 月 17 日”。OrcaRouter 标识合成在右下角。
Engineering & Research

Qwen4-Max 对比 GPT-6.1 Sol Pro:Pro 是一种计费模式,而且它有一个必须超越的数字

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

GPT-6.1 Sol Pro 没有价格,因为它没有标识符。它就是 GPT-6.1 Sol——于 2026 年 9 月 29 日发布,价格为每百万输入 token 2 美元、每百万输出 token 10 美元——在 Responses API 中以 reasoning.mode: "pro" 调用;O​penAI 的文档说明,这一设置会让模型完成更多工作,并按相同的标准 token 费率对此计费。Qwen4-Max 自 2026 年 11 月 16 日起全面可用,输入和输出价格分别为每百万 token 1.50 美元和 4.50 美元;按 token 计算,它是更便宜的模型,在输出上便宜 2.2 倍。在任一模型所拥有的唯一独立测量中,它也是每完成一项任务更贵的那个:3.27 美元,而 GPT-6.1 Sol在其最大努力设置下为 1.27 美元。这种倒置——Qwen4-Max每 token 更便宜、每答案却更贵——就是整个比较,而 pro 模式是唯一可能把它朝任一方向推动、却无人能测量出究竟朝哪边推动的变量。

Pro 模式是一种未公开系数的乘数

现存的所有资料就只有两段供应商文档,而它们值得仔细阅读,因为互联网上所有关于“Sol Pro”的对比都是基于这两段文档再加上推断而成的。

• 它是什么——Responses API 中 reasoning.mode 的一个值 pro,与 reasoning.effort 一同设置。另一个值是 standard,即默认值。

• 它的作用——根据 OpenAI 的说法,它会“汇总为生成最终答案所执行的模型工作”。它与投入程度无关:模式决定执行多少工作,投入程度决定模型在其中思考得有多深入。

• 费用如何——汇总的 token,按模型的标准费率计费。无附加费,也无单独计量。

• 它没有的东西——一个系数。OpenAI 没有为 pro 模式发布任何 token 乘数,而中立排行榜也没有 pro 模式这一行:Artificial Analysis 上每一个 GPT-6.1 Sol 的测量值都是 reasoning.effort 从 low 到 max 的设置,且全部处于标准模式。

这意味着有一件事会确定地随之而来,而另一件事则不会。确定的是:专业模式只会提高 GPT-6.1 Sol 每项任务的成本,绝不会降低,因为它以相同费率增加计费 token。不确定的是:会提高多少。一次聚合 1.8 倍工作量的专业模式运行,与一次聚合 4 倍工作量的运行是不同的产品,而 O​penAI 之外没有人公布过这一比例。

Threshold Pro 模式必须通关。

那个未知数并不是耸肩的理由。它可以转化为一个单一的数字,因为 Qwen4-Max 的每任务成本已经被测量,Sol 的也是如此。

• 在 Sol 的最大投入下——每项 Intelligence Index 任务为 $1.27,而 Qwen4-Max 为 $3.27。Pro 模式必须将 Sol 的 token 支出乘以 2.57×,两个模型每项任务的成本才会相同。

• 在 Sol 的 xhigh 努力级别下——0.76 美元对 3.27 美元。阈值为 4.3×。

• 在 Sol 的高努力档位下——0.59 美元对 3.27 美元。阈值为 5.5 倍。

• 在智能方面,作为参照——Sol 在 max 设置下于该指数上得分 54.6,在 xhigh 下为 52.5,在 high 下为 50.3。Qwen4-Max 得分 42.9。Pro 模式不会改变模型在指数所衡量的意义上的智能得分,但它会改变模型在困难任务上的回答质量,而这正是值得为其付费的唯一原因。

所以,买家真正面对的问题并不是“哪个更便宜”。而是:一次 pro 模式的 Sol 运行,在质量上超过 Qwen4-Max 的幅度是否超过十个指数点,同时其 token 消耗仍控制在标准模式的 2.6× 到 5.5× 以下?所有已公布的信号都表明,这个倍数确实存在,但不算高——厂商将 pro 模式描述为面向“需要更多模型工作的困难任务”的设置,而不是另一种模型——而低于 2.6× 的倍数将使 Sol 在每一个投入档位上都按任务计算比 Qwen4-Max 更便宜。这是一个推断,并且已明确标注为推断;在 OpenAI 或独立评估方公布该比率之前,这是任何人能说的最有依据的话。

A generated two-column scoreboard titled 'Qwen4-Max vs GPT-6.1 Sol — the scoreboard'. The Qwen4-Max column reads Intelligence Index 43, Cost per task $3.27, Output tokens 127M, Price $1.50 / $4.50, Effort curve one point, Speed not measured. The GPT-6.1 Sol column reads Intelligence Index 55, Cost per task $1.27, Output tokens 63.7M, Price $2.00 / $10.00, Effort curve five points, Speed 49 tok/s. A footer reads 'Both columns per Artificial Analysis, 17 November 2026. Pro mode has no published multiplier.'

为什么便宜的型号反而是昂贵的那个

按 token 计费的价目表与按任务计费的账单相差近六倍,原因在于用量,而不在价格。这一点值得详细说明,因为它是比较这两个模型时最常见的错误。

• 输出费率——Qwen4-Max 每百万 $4.50,而 Sol 为 $10.00。Qwen4-Max 每输出 token 便宜 2.2 倍。

• 索引运行中的输出量——Qwen4-Max 为 1.27 亿个 token,Sol 在最高强度下为 6370 万个 token。Qwen4-Max 的输出量是 Sol 的 2.0 倍。

• 冗长程度排名 — 在追踪器的量表上,Qwen4-Max 在 80 个中位列第 65,完全落在“非常冗长”区间;Sol 在最高档位下位列第 35,接近中间位置。

每项任务的实际成本——3.27 美元对 1.27 美元。Qwen4-Max 贵 2.6 倍,而不是便宜 2.2 倍。

那三个比率无法与第四个相吻合,而缺失的那一项是输入量——公开页面并未按模型拆分该数据。正因如此,应当把单任务数字视为测量值、把各项比率视为解释:费率卡描述的是每个 token 的成本,指数描述的是模型的花费,而只有后者会在月底出现在发票上。Alibaba 自己的发布数据从另一个方向说明了同一点——其 Work360 基准上的单任务平均成本从 4.43 美元降至 1.67 美元,这一说法针对的是该基准的 token 构成,而且它是厂商在其自家基准上给出的厂商数字。

还有一个维度,因为它决定的是智能体可行性,而不是成本。Sol 在最大努力模式下,每个索引任务的实测耗时为 1,383 秒——二十三分钟——首 token 时间为 168 秒。Qwen4-Max 完全没有每任务耗时数据;追踪器中它的速度字段为空。我们自己的 playground 对 O​penAI 路由的七天记录显示,首 token 中位数为 1.7 秒,输出速度为每秒 98 个 token,这属于标准模式、中等强度的流量,不是 pro。没有人公布过 pro 模式调用需要多长时间,而诚实的规划假设是采用最大努力模式的数字,且误差范围向上。

A headless-browser screenshot of the Artificial Analysis model page for GPT-6.1 Sol, captured 17 November 2026 in English, showing the OpenAI vendor label, a Proprietary model tag, 'Released September 2026', the heading 'GPT-6.1 Sol (Max)', an Intelligence Index of 55 ranked 12 of 81, a time to first token of 168.565 s, 49 output tokens per second, 63.7M generated tokens against a 78.6M median with a verbosity rank of 35 of 80, a 1M-token context window, and the cost block reading In $2.00, Out $10.00 and $1.27 per task.

模式应该放在哪里:路由层,而不是代码里

因为 pro 是一个请求参数而不是一个模型,所以是否使用它就成了每次调用时做出的决定,而在应用代码里做出的这种逐调用决定很快就会过时。不会过时的做法是把它放进路由里:将一份 pro 模式配置固定到深度审查路径上——也就是每个拉取请求、每份合约、每次事故只运行一次的那条路径——而所有交互式场景都用标准模式配置,两者都能通过同一个 key 访问到。

OrcaRouter 按 OpenAI 自身的 $2.00 和 $10.00 价格路由 openai/gpt-6.1-sol,加价 0%,其中包括 272,000 token 档位;该档位费率翻倍至 $4.00 和 $15.00,因此通过我们运行的专业模式实验,成本与在供应商处相同,绝不会多花一分钱。Qwen4-Max 不在目录中;请求 qwen4 标识符会返回 not-found,而我们提供的最新 Qwen 旗舰模型是 qwen/qwen3.8-max,价格为 $2.00 和 $6.00。路由 DSL 正是这两部分交汇之处:一条规则将长周期智能体工作发送给一个模型,将交互轮次发送给另一个模型,并配有底层自动故障转移,这样卡住的专业模式运行不会把请求一起拖垮。这是一项配置变更,并且其可回退性是硬编码模型字符串所不具备的。

A headless-browser screenshot of the OrcaRouter model page for openai/gpt-6.1-sol, captured 17 November 2026 in English, showing the GPT-6.1 Sol heading, the model id openai/gpt-6.1-sol, attribution to OpenAI dated 2026-09-29, vision, tools, JSON and reasoning badges, a 1M-token context window with a 128K maximum output, a p50 time to first token of 170 s, a Zero Data Retention note, and the rate block reading $2.00 input and $10.00 output.

什么会改变答案

三件事,按它们最有可能先到来的顺序排列。

第一项是独立榜单上的 pro 模式行。如果某个 pro 配置能与五个努力等级并列出现,并带有自己的每任务成本,那么 2.6× 阈值就不再是对猜测做算术,而会变成一项实测结果,本页也会围绕它重写。在此之前,任何引用“GPT-6.1 Sol Pro 分数”的文章,引用的都是基础模型标准模式行,只是附加了一个模式名称。

第二个是 Qwen4-Max 的投入程度曲线。该模型才发布两天,且只有一个实测工作点,这意味着它的 42.9 可能是下限,也可能是上限。A​libaba 的发布材料在其自家基准中提到了 High 和 Xhigh 设置,因此这条曲线是存在的;只是尚未被独立地逐点测过。

第三项是 Qwen4-Max 拿到了一行速度数据。一个没有吞吐量数字的模型,就是你无法围绕它来配置 agent 的模型;而在任何有人等待的工作负载中,这一缺失目前是为现有领先方案辩护的最强论据。

在其中任何一个落地之前,这个决策都是清晰可辨的。如果你的工作负载是交互式且对成本敏感的,那么 medium 档的 GPT-6.1 Sol——每任务 $0.36、指数 46.4、首 token 耗时五秒——在包括价格在内的每一项可测量维度上都胜过 Qwen4-Max,而这并不是 token 卡所宣传的结论。如果你的工作负载是长周期智能体,其中 1M token 窗口、原生视觉和 95% 缓存折扣比指数更重要,那么 Qwen4-Max 是更便宜地购买上下文的方式,而其账单将由缓存命中率而非投入程度决定。如果你在权衡 pro 模式,你就是在为一个无人测量过的能力权衡 2.6 倍预算——在一条路线上测试这是好事,但在生产路径上假定它则不然。