
Qwen 4 对比 GPT-6.1 Sol:每分成本仅三分之一的模型
- 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 1.02026-11-0717 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 87 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 · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 65 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 · 147 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 · 123 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 · 219 tok/s
本系列中其他每一篇 Qwen4-Max 对比文章都有相同的模式:对手得分更高、成本也更高,争论点在于这种差距是否值得支付溢价。这一篇则不是。GPT-6.1 Sol在 Artificial Analysis Intelligence Index 上得分 54.6,而 Qwen4-Max为 42.9——领先十二分——并且完成一项指数任务花费 $1.27,而 Qwen4-Max 为 $3.27。Sol 能力更强,同时每个完成答案的成本还便宜 2.6 倍。在决定其他四场对比的效率指标上,Sol 以 3.3 倍的优势胜出:每指数点 2.3 美分,而对手为 7.6 美分。
对此附带一个条件,那就是 272,000 token 这条线。这是一道真正的断崖,它适用于请求中的每一个 token,而且在这场对决中,它是唯一一条无需付出更多却得到更少就能回到 Qwen4-Max 的路径。
这两张卡片
GPT-6.1 Sol 于 2026 年 9 月 29 日上线,价格为每百万 token 输入 2.00 美元、输出 10.00 美元。Qwen4-Max 于 2026 年 11 月 16 日在新加坡开始按量计费,输入 1.50 美元、输出 4.50 美元。按表面费率看,Qwen4-Max 的输出价格似乎便宜 2.2 倍;但按每完成一项任务计算,它反而贵 2.6 倍。这种倒挂正是本文的主题。
• 输入,每百万 token — Sol 在 272K 个 token 以内为 $2.00,超出后为 $4.00。Qwen4-Max 在新加坡为 $1.50,在其他五个地区为 $1.413,整个窗口内价格保持不变。
• 输出,每百万 — Sol 短上下文 $10.00,长上下文 $15.00。Qwen4-Max $4.50 和 $4.24,统一价。
• 缓存输入 — Sol 短上下文每百万 $0.10,长上下文 $0.20;Qwen4-Max 读取每百万 $0.075,五分钟和一小时条目的写入费率分别为 $1.875 和 $3.00。
• The cliff — OpenAI reprices every token in a request once input crosses 272,000, not just the excess. Below it you are on the cheap card; above it you are not, and there is no partial application.
• 上下文 — Sol 在追踪器上公布了 1,000,000 token 的窗口;Qwen4-Max 相同,但思考输入上限为 983,616。
• 每项索引任务成本 — 1.27 美元,对比 3.27 美元。
• 指数得分 — 54.6 对 42.9,两者均在其公布的最高努力设置下测得。

为什么看起来廉价的卡片反而是昂贵的那一张
只有结合每个模型为达到这一结果所付出的成本,各任务的数值才有意义。Sol 在整个 index 套件中输出了 6370 万个输出 token;Qwen4-Max 输出了 1.271 亿个。Qwen4-Max 写出的输出几乎正好是 Sol 的两倍,得分却低了十二分,而输出在两张卡上都是昂贵的那一列。
按任务计算,拆分结果是 Sol 为 67,824 个输出 token,而 Qwen4-Max 为 104,940 个——其中分别有 49,213 个和 68,914 个是推理。所以 Qwen4-Max 并不是回答更啰嗦,而是思考更啰嗦。它多推理 40% 才得出更差的结论,然后还要为此按每百万 4.50 美元向你收费。
Cache behaviour makes it worse rather than better. Qwen4-Max's $3.27 is 86% input, and $1.67 of that input is cache writes at $1.875 per million — a rate that exists because Alibaba charges for populating the cache, not just for reading it. Sol's $1.27 is 47% input, with $0.33 of cache writes and $0.25 of cache reads. On a workload with heavy prefix reuse, Qwen4-Max's cache-write line is the one that grows fastest, and it is the line most people do not model.
Qwen4-Max 未被击败之处
十二分并非在每个套件上都是惨败,而且在把这个模型看衰之前,有三行值得一读。
• Terminal-Bench 4.0 — Sol 56.1%,Qwen4-Max 48.5%。七点五个百分点。差距确实存在,但比标题所暗示的要小。
• AutomationBench — Qwen4-Max 达到 72.6%,而 Sol 为 64.9%。Qwen4-Max 在这一项上以近八个百分点的优势胜出,这也是本次对比中最大的单项反转。
• GDPval — Qwen4-Max 为 1,808.69,Sol 为 1,607.47。在经济上具有现实意义的专业任务上领先 12.5%,而对手是一个指数高出十二个点的模型。这是第二次反转,也是两者中更令人意外的一次,因为 GDPval 是榜单上最接近“专业人士会不会接受这项工作”的评估。
• FrontierCode 2.0 — 26.5% 对 40.6%。相差十三个百分点,方向却相反;这是榜单上最大的差距,也是商业分量最重的一项。
• CritPt Agentic Hard——43.0% 对 69.5%。相差二十六个百分点,是 Qwen4-Max 表现最差的一项。
• 全知性——27.7 对 42.0,幻觉率分别为 28.4% 和 51.9%。Sol 更准确,而且在出错时更有可能编造内容。
• 能力子项得分——Sol 在全部六项中领先,在战略和运营方面以 57.6 对 56.9 微弱领先,在工程方面以 59.4 对 50.1 明显领先。
这一模式与本系列中的其他对比一致:Qwen4-Max 在需要对文档进行专业判断的任务上表现稳健,而在需要持续技术推理或智能体执行的任务上则会落败。在十二个套件中赢下两个,并不足以成为选择它的理由,但这确实说明这一选择取决于具体任务,而不是自动作出的决定。

执行 272,000 个 token 的算术运算
拿一个你想一次性分析的 40 万 token 代码库,输出 2,000 token。两个模型都能把它放进各自的窗口。只有其中一个会重新定价。
• GPT-6.1 Sol,短上下文费率——无法使用。输入为 400K 时,适用长上下文档位:400,000 × 每百万 $4.00 = 输入 $1.60,加上 2,000 × $15.00 = 输出 $0.03。总计 $1.63。
• Qwen4-Max — 400,000 × 每百万 $1.50 = $0.60 输入,加上 2,000 × $4.50 = $0.009 输出。总计 $0.61。
• 同样请求为 250,000 tokens、未触发悬崖时——Sol:250,000 × $2.00 = $0.50 加 $0.03 = $0.53。Qwen4-Max:$0.375 加 $0.009 = $0.38。
所以这种反转是真实存在的,而且范围很窄。在输入低于 272,000 个 token 时,Sol 每次请求都更便宜也更好;超过这一阈值后,Qwen4-Max 便宜 2.7×,但效果差十二个百分点。一个 200K token 的智能体循环,随着工具输出跨轮次不断累积,会在会话进行到中途时越过这一阈值,而这正是性能断崖冲击最大的工作负载形态——档位不是由你来选,而是由循环的上下文增长替你选。
这些是按公开费率进行的标价计算,并非实测发票。缓存命中会大幅削减这两个数字,并缩小绝对差距,而比率大致保持不变。
这里的路由答案异常干净。
GPT-6.1 Sol is on our catalogue as openai/gpt-6.1-sol at OpenAI's list price, including both context tiers, with 0% markup on top. Qwen4-Max is not on our catalogue — a qwen4 identifier returns not-found, its route is Alibaba's Model Studio API and several third-party platforms, and the Qwen model we do serve is qwen/qwen3.8-max at $2.00 and $6.00.
这种组合之所以值得通过路由来分配、而不是二选一,是因为决策变量是 token 数量,而路由层能看到它。针对输入长度设定 272,000 token 的规则——低于它用 Sol,高于它用更便宜的方案——是一条两行就能写完的策略,这种事实现一次很容易,但要在每个服务里都记得手动执行却不可能。自动故障转移覆盖了另一种边界情况:Sol 的长上下文层级属于不同的价格档位,而不是不同的模型,因此提示词规模激增带来的是账单变化而不是错误,而且在收到账单之前不会有任何提醒。

什么会推动这个
Two things. A Qwen4-Max price cut would need to reach $0.60 in and $1.80 out before it undercut Sol on the short-context tier per task, which is a 60% reduction and not on any published roadmap. And a Sol long-context rate that applied to the excess rather than the whole request would remove the only structural advantage Qwen4-Max holds here; OpenAI's documentation is explicit that it does not, so that is a hypothetical rather than a forecast.
在任一情况发生之前,这条规则都很简短,而且毫不恭维本系列的主角。对几乎所有情况而言,GPT-6.1 Sol 都是更好且更便宜的模型,而那十二个百分点的差距正被折价出售。对于文档密集、依赖专业判断、且 GDPval 的 12.5% 领先确有意义的特定场景,Qwen4-Max 值得一看,尽管其每任务价格是 2.6 倍。而对于任何会把大型上下文拖到超过 272,000 个 token 的情况,Qwen4-Max 就不再是妥协选项,而成了正确选项——不是因为它变强了,而是因为替代方案翻了一番。
