一张生成的标题卡,写着“Qwen4-Max vs GPT-6 Sol”,副标题是“更便宜的 token,却让每次回答更贵”,还有三张数据卡,分别写着“指数上 43 对 44”“每任务 $3.27 对 $2.47”和“输出 $4.50 对 $10.00”。页脚写着“分数和每任务成本依据 Artificial Analysis Intelligence Index v5.0.1;价格依据各供应商的费率卡。”白色背景上的扁平矢量风格,配蓝青渐变点缀,OrcaRouter 标志合成在右下角。
Guides & Insights

Qwen4-Max 对比 GPT-6 Sol:更便宜的 token,每次回答的成本却更高

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

Qwen4-Max 的输出定价不到 GPT-6 Sol 的一半——每百万 token 4.50 美元对 10.00 美元——但完成一项任务的花费仍然更高。Artificial Analysis 测算,Qwen4-Max 每完成一项 Intelligence Index 任务花费 3.27 美元(该模型自 2026 年 11 月 16 日起全面可用),而 GPT-6 Sol 为 2.47 美元(OpenAI 自 2026 年 9 月 22 日起销售该模型)。两者得分仅相差一分,43 对 44。这种倒挂就是整个对比的核心,而且并非四舍五入造成的假象:它源于一个模型为完成同一项评估写出了 1.27 亿个输出 token,而另一个模型只用 6510 万个就完成了。Qwen4-Max 按单位价格是更便宜的模型,按任务成本却是更贵的模型,而这两个事实中只有一个能在预算面前站得住脚。

反演,并展示计算过程

两个模型默认都会进行推理,两家厂商也都将思考按输出计费。区别在于思考内容有多少。

• 索引运行中的输出量——Qwen4-Max 生成了 1.27 亿个输出 token,追踪器将其在冗长程度上排在 80 个中的第 65 位,并称相对于 7860 万的中位数而言,它非常冗长。GPT-6 Sol 生成了 6510 万个,相对于同一中位数被描述为相当简洁。

• 输入量——Qwen4-Max 为 99 亿个 token,而 GPT-6 Sol 为 47.5 亿个。Qwen 的输出与输入之比为 1.284%;Sol 为 1.371%,因此流量形态相似,但规模不同。

• 每完成一项任务的成本——3.27 美元对 2.47 美元。名义上更便宜的模型,每项任务的实际成本反而高出 32%。

• 指数得分——43 对 44,在 81 个模型中分别排名第 38 和第 34,基于 2026 年 11 月 16 日读取的同一修订版。

这衡量的并不是通常意义上的浪费。一个会进行长篇推理并复述其推演过程的模型,所做的正是厂商眼中的一项特性,而 Alibaba 自己的发布数据也正是建立在这样一种行为值得付费的基础上:它声称,在 Work360 基准测试中,其 token 用量比 Qwen3.8-Max 少 24% 到 35%,而这只是关于它相对前代模型冗长程度的说法,并不能说明它与另一家实验室的模型相比如何。真正落到账单上的是绝对数字,而绝对数字很高。

这种反转在固定输出时消失。用 schema、最大 token 上限或严格格式来约束答案,冗长优势就会消失,因为节省下来的 token 正是模型选择输出的那些。在硬性输出上限下,Qwen4-Max 低 2.2 倍的输出费率适用于大致相同的 token 数量,节省是实实在在的。若任由它自由发挥,它就会把这部分折扣花掉。

A generated two-column scoreboard titled 'Qwen4-Max vs GPT-6 Sol — the scoreboard'. The Qwen4-Max column reads Output price $4.50 per million, AA Index 43 rank 38 of 81, Price per index task $3.27, Output tokens on AA run 127M, Above 272K context price unchanged, Speed on AA not yet measured. The GPT-6 Sol column reads Output price $10.00 per million, AA Index 44 rank 34 of 81, Price per index task $2.47, Output tokens on AA run 65.1M, Above 272K context $4.00 / $15.00, Speed on AA 125 tokens per second. A footer reads 'Index and per-task cost per Artificial Analysis v5.0.1; prices per vendor cards.'

超过 272,000 个 token 后,价格关系会彻底反转

GPT-6 Sol 的价目表中存在一个断崖式跳变,而 Qwen4-Max 的价目表没有。这是廉价模型不仅具备竞争力、而且便宜得多的唯一一个维度,并且很容易被忽略,因为两个模型都宣称拥有百万 token 窗口。

• GPT-6 Sol,最高支持 272,000 个输入 token —— 输入 $2.00,缓存输入 $0.20,缓存写入 $2.50,输出 $10.00。

• GPT-6 Sol,超过 272,000 个输入 token 时——输入 $4.00,缓存输入 $0.40,缓存写入 $5.00,输出 $15.00。OpenAI 自己的模型页面明确说明了这条规则:请求中的每个 token 都会重新计价,而不仅仅是超出部分。一个 300,000 token 的提示词会按长上下文费率对全部 300,000 个 token 计费。

• Qwen4-Max — 在整个 1,000,000 token 窗口内,输入为 $1.50、输出为 $4.50,统一费率,在 32K、128K 或其他任何档位都不分档。新加坡费率;其他五个地区分别为 $1.413 和 $4.24。

• 在 300,000 个 token 这一档,输入价格 $4.00 对 $1.50 是 2.7 倍,输出价格 $15.00 对 $4.50 是 3.3 倍。再加上 Qwen 在北京的批处理路径,其中 Batch File 计费为 $0.707 和 $2.12,差距会进一步拉大——不过该路径仅存在于一个区域。

• 实际后果是——一条经常跨越 272K token 的文档分析流水线,并不是在两种相近的价格之间做选择。它是在两种费率之间做选择:一种会在其请求意外越过的边界处翻倍,另一种则完全不变。将超大请求拆分成低于阈值的块,可以找回 Sol 的价格,但这会改变流水线,并且会让你失去单请求上下文——而购买百万 token 模型的原因正在于此。

这是文中对 Qwen4-Max 最有力的案例,但它比发布报道所暗示的范围更窄:这是一个长上下文案例,而非通用案例。

每家供应商实际宣称了什么,以及这些宣称背后有什么依据

阿里巴巴为 Qwen4-Max 发布的材料异常具体,而且完全由厂商自行开展。它首先展示的基准 Work360 是这家厂商自建的:这是一个包含 26 个一级领域、182 个二级子领域和 721 个三级字段的分类体系,Qwen4-Max 在该基准上得分为 52.69,而 Qwen3.8-Max 为 47.74。与此同时,公司报告称:在 Work360 上,xhigh 和 high 努力程度下的 token 用量分别减少约 24% 和 35%;在 Terminal-Bench 4.0 上分别减少 48% 和 49%;每项任务的平均成本从 4.43 美元降至 1.67 美元;Last Secure Code Bench 的函数级通过率从 22.0% 升至 31.8%;同时在函数、文件和仓库粒度上都安全的代码占比从 8% 升至 14.7%。所有这些数据均由厂商报告,且无一在阿里巴巴外部得到复现。

OpenAI 对 GPT-6 Sol 的宣传主张形态不同:它们是针对具名竞争对手的“性能相当、成本更低”的论证,而不是绝对分数。发布材料称,FrontierCode 1.1 在最大努力下取得 49.3% 的结果,每任务成本为 2.14 美元,而 Claude Fable 5.1 为 50.3%、成本为 12.83 美元;DeepSWE v1.1 的结果为 68.8%,与 Claude Fable 5 的 69.9% 相差在 1.1 个百分点以内。请从表述形态来理解这些句子:每一句都将分数上的近乎持平与成本仅为对方一小部分配在一起。这是关于效率的主张,而不是关于能力的主张,并且它比阿里巴巴就 Work360 提出的主张更弱。

独立追踪器正是两者最终得以比较的地方,也是本文中唯一用同一套测试框架测量了两款模型的来源。它让两者相差一分,并逆转了价格排名。它还留下了一列空白:GPT-6 Sol 的实测数据为每秒 125 个输出 token、首个回答 token 耗时 35.11 秒、每个索引任务耗时 7.2 分钟。Qwen4-Max 这三项全无——性能卡上显示为 N/A。一个每项任务贵 32% 却未公布速度的模型,其成本优势目前根本无法定价,因为账单中缺失的那一半是时间。

A headless-browser screenshot of the Artificial Analysis model page for Qwen4 Max, captured 16 November 2026 in English, showing the Alibaba proprietary-model label, Released November 2026, an Intelligence Index of 43 ranked of 81, the cost block reading In $1.50, Out $4.50, Cache 95% and $3.27 per task, a verbosity reading, and the summary line noting text and image input with a 984k-token context window.

token 数字背后的架构主张

Qwen4-Max 是一个 2.4 万亿参数的稀疏混合专家模型,每个 token 激活 710 亿参数,另有 3280 亿个通过查表而非乘法计算的 N-gram 嵌入参数。每个 Qwen Sparse Attention 层都配有 3 个 Gated DeltaNet 层,将历史压缩为固定大小的状态;该注意力层通过轻量级索引器以微块粒度选择相关上下文;4 条带动态读写门的并行残差分支稳定了整个堆栈。阿里巴巴报告称,在 2.4T 参数规模的整个训练过程中未出现损失尖峰,并且相比 Qwen3.8-Max-Base,每字节比特数低 5% 至 13%,同时激活参数少 25%——但厂商也坦率注明:所比较的检查点中有两个是后训练过的,这削弱了基础模型这一定位。

这是一个可信的解释,说明为什么长上下文推理的每 token 成本更低。它并没有解释为什么一个请求需要的输出 token 数是竞争对手的 1.95 倍,而发布材料中没有任何内容涉及这一点。每 token 的效率和每次回答的效率是不同的量,而这个模型提升了前者,却损失了后者。

两者分别位于何处,以及混合工作负载会是什么样

GPT-6 Sol 通过 OrcaRouter 路由 以 openai/gpt-6-sol 的形式 按 OpenAI 的目录价、0% 加价——272K 以下每百万 token 为 $2.00 和 $10.00,超过 272K 为 $4.00 和 $15.00,且 272K 重新定价规则按 OpenAI 采用的方式执行。一个 API 覆盖 200 多款模型意味着上述长上下文问题变成了一个路由决策,而不是第二份合同:流水线可以将低于 272K 的请求发送给 Sol,将超限请求发送到别处,而无需搭建第二个 SDK;供应商价格变更在 OpenAI 价目表上生效的同一天,也会在这里生效。

截至2026年11月16日,Qwen4-Max尚未收录在OrcaRouter目录中。它可以通过阿里巴巴自家的Model Studio API以及若干第三方平台访问。这使得这场诚实的实验在设计上并不对称,而且只在一个方向上成本较低:Sol这一组不需要新的集成,Qwen这一组则需要;而你真正想要的比较——在你自己的流量上、按你自己的输出长度计算的每完成一项任务的成本——恰恰就是能够判定$2.47与$3.27这组反转在基准测试框架之外是否依然成立的测量。把它跑在一个影子切片上,而不是生产路径上,让你自己的token计数来决定这两次索引运行中哪一次才是具有误导性的。

A headless-browser screenshot of the OrcaRouter model page for openai/gpt-6-sol, captured 16 November 2026 in English, showing the GPT-6 Sol heading and identifier, the OpenAI attribution dated 2026-09-22, vision, tools, JSON and reasoning badges, a description placing it below GPT-6 Astra and above GPT-6 Luna, an OpenAI-compatible /v1/chat/completions endpoint, and the price block reading $2.00 input and $10.00 output per million tokens with a 4.54 s p50 time to first token.

怎样才能让它成为一篇不同的文章?

两项测量结果。第一项是 Qwen4-Max 在设有硬性输出上限的工作负载上的输出量;如果 1.27 亿个 token 是评估本身的属性,而不是模型的属性,那么这种倒挂就是假象,4.50 美元的费率就是实打实的节省。第二项是速度。GPT-6 Sol 每个索引任务耗时 7.2 分钟,首 token 耗时 35 秒,这些数字平平无奇;如果 Qwen4-Max 在相同任务上明显更慢,那么一个每个答案的成本已经高出 32% 的模型,同时也是让你等得更久的模型,任何按 token 计算的论点都救不了这一点。

在两者都出现之前,站得住脚的立场是狭窄而具体的。对于超过 272,000 个 token 的请求,Qwen4-Max 要便宜两到三倍,毫无悬念。对于其他所有情况,GPT-6 Sol 在唯一一个将价格与行为表现结合起来的数字上更值得购买;而它的输出标称费率高出 2.2 倍这一事实,恰恰是它最不具信息量的地方。

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