
Qwen4-Max 與 GPT-6 Sol 對比:token 單價更便宜,但每次回答成本更高
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 96 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 每百萬 tokens · 87 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百萬 tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 150 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 每百萬 tokens · 120 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 每百萬 tokens · 219 tok/s
Qwen4-Max 的輸出定價不到 GPT-6 Sol 的一半——每百萬個 token 4.50 美元對上 10.00 美元——但完成一項任務的成本仍然更高。Artificial Analysis 測得,自 2026 年 11 月 16 日起全面供應的 Qwen4-Max,每項 Intelligence Index 任務為 3.27 美元;而 OpenAI 自 2026 年 9 月 22 日起販售的 GPT-6 Sol 則為 2.47 美元。兩者分數相差一分,43 對 44。這種倒掛就是整個比較的重點,而且這不是四捨五入造成的假象:這是當一個模型寫出 1.27 億個輸出 token 才完成某項評估,而另一個模型只以 6,510 萬個 token 完成時會發生的情況。Qwen4-Max 是按單位計價較便宜、按任務計價較昂貴的模型,而這兩項事實中,只有一項經得起預算的考驗。
反演,並顯示算術計算過程
兩個模型預設都會執行推理,而兩家廠商都把思考計為輸出。差別在於思考的量有多少。
• 索引執行中的輸出量——Qwen4-Max 產生了 1.27 億個輸出權杖,追蹤器在冗長度上將其排在 80 個中的第 65 名,並相對於 7,860 萬的中位數將其描述為非常冗長。GPT-6 Sol 產生了 6,510 萬個,相對於同一中位數被描述為相當簡潔。
• 輸入量 — Qwen4-Max 為 99 億個 token,而 GPT-6 Sol 為 47.5 億個。Qwen 的輸出對輸入比率為 1.284%;Sol 的為 1.371%,因此流量結構相似,但規模不同。
• 每完成一項任務的成本 — 3.27 美元對比 2.47 美元。名義上較便宜的模型,每項任務的成本反而高出 32%。
• 指數分數 — 43 對 44,分別在 81 個模型中排名第 38 與第 34,依據 2026 年 11 月 16 日讀取的同一修訂版本。
這衡量的不是一般意義上的浪費。一個會詳盡推理並重述其計算過程的模型,正在做廠商視為功能的事,而 Alibaba 自家的發布數據正是建立在這種行為值得付費之上:它聲稱在其 Work360 基準測試上,比 Qwen3.8-Max 少用 24% 到 35% 的 token;這是針對前代模型的相對冗長程度所做的宣稱,並未說明它與不同實驗室的模型相比如何。真正會落在帳單上的是絕對數字,而絕對數字很高。
反轉消失的地方,在於固定輸出。用結構描述、最大 token 上限或嚴格格式來約束答案,冗長優勢就會消失,因為被節省下來的 token,正是模型選擇輸出的那些 token。在硬性輸出上限下,Qwen4-Max 便宜 2.2 倍的輸出費率適用於大致相同的 token 數量,節省是真實的。若任由它自由書寫,它就會把這份折扣花掉。

超過 272,000 個 token 後,價格關係會徹底翻轉
GPT-6 Sol 的費率表裡藏著一個斷崖,Qwen4-Max 的則沒有。這是便宜模型不僅具競爭力、更是便宜得多的唯一構面,而且很容易被忽略,因為兩款模型都宣稱提供百萬 token 的上下文視窗。
• GPT-6 Sol,輸入 token 最高可達 272,000 — 輸入 $2.00、快取輸入 $0.20、快取寫入 $2.50、輸出 $10.00。
• GPT-6 Sol,輸入超過 272,000 個 token 時——輸入 $4.00、快取輸入 $0.40、快取寫入 $5.00、輸出 $15.00。OpenAI 自家的模型頁面明白寫出這項規則:請求中的每一個 token 都會重新計價,不只是超出的部分。300,000 個 token 的提示會把全部 300,000 個都按長上下文費率計費。
• Qwen4-Max — 在完整的 1,000,000 token 視窗內,輸入 $1.50、輸出 $4.50 一律均一價,在 32K、128K 或任何其他區間皆不分級計價。此為新加坡價格;其他五個地區為 $1.413 與 $4.24。
• 在 300,000 個 token 處的差距——輸入端 $4.00 對比 $1.50 是 2.7 倍,輸出端 $15.00 對比 $4.50 是 3.3 倍。再加上 Qwen 在北京的批次路徑,其中 Batch File 計費為 $0.707 和 $2.12,比例差距會進一步擴大——不過該路徑僅存在於一個區域。
• 實際後果是——一條經常跨越 272K token 的文件分析管線,並不是在兩個相近價格之間做選擇。它是在兩種費率之間做選擇:一種是在其請求會意外跨越的邊界上翻倍的費率,另一種則完全不變。將過大的請求拆成低於門檻的區塊,可以找回 Sol 的價格,但這會改變管線,而且會讓你失去單一請求的上下文——而那正是購買百萬 token 模型的理由。
這是文中對 Qwen4-Max 最有力的論據,而且它比發布報導所暗示的範圍更窄:這是長上下文的案例,而非一般性的案例。
各家廠商實際宣稱的內容,以及其背後的依據為何
阿里巴巴針對 Qwen4-Max 的發布資料異常具體,且完全由自家提供。它主打的第一項基準 Work360 是由該廠商自行建立:一套涵蓋 26 個一級領域、182 個二級子領域與 721 個三級欄位的分類體系,Qwen4-Max 在其中得分 52.69,而 Qwen3.8-Max 為 47.74。除此之外,該公司還報告在 Work360 上於 xhigh 與 high effort 下分別減少約 24% 與 35% 的 token 用量,在 Terminal-Bench 4.0 上分別減少 48% 與 49%,每項任務平均成本從 4.43 美元降至 1.67 美元,Last Secure Code Bench 的函式層級通過率從 22.0% 升至 31.8%,以及在函式、檔案與儲存庫三個粒度上同時維持安全的程式碼占比從 8% 升至 14.7%。上述每一項數據皆由廠商自行報告,且無一在阿里巴巴外部獲得重現。
OpenAI 對 GPT-6 Sol 的主張形式不同:它們是針對具名競爭對手、以更低成本達成同等水準的論述,而非絕對分數。發表資料報導,FrontierCode 1.1 在最大努力下得到 49.3% 的結果,每項任務成本為 $2.14,對比 Claude Fable 5.1 的 50.3%、成本 $12.83;以及 DeepSWE v1.1 的 68.8% 結果,與 Claude Fable 5 的 69.9% 相差在 1.1 分以內。請從形式來看這些句子:每一句都將分數上的近乎持平與成本僅為一小部分配對在一起。那是關於效率的主張,而非關於能力;而且它比阿里巴巴針對 Work360 所提出的主張更弱。
獨立追蹤器正是兩者最終得以比較的地方,也是本文中唯一以同一套測試框架測量這兩個模型的來源。它讓兩者僅相差一分,並顛倒了價格排名。它也留下了一個空白欄位:GPT-6 Sol 的實測輸出速度為每秒 125 個 token、首個答案 token 耗時 35.11 秒,每個索引任務耗時 7.2 分鐘。Qwen4-Max 這三項全都沒有——其效能卡顯示 N/A。一個每項任務貴 32%、卻沒有公布速度的模型,其成本優勢目前根本無法定價,因為帳單中缺失的那一半是時間。

代幣數字底下的架構主張
Qwen4-Max 是一個 2.4 兆參數的稀疏混合專家模型,每個 token 啟用 710 億個參數,另有 3280 億個 N-gram 嵌入參數是以查表方式取得,而非相乘。三個 Gated DeltaNet 層會將歷史壓縮成固定大小的狀態,供每個 Qwen Sparse Attention 層使用;後者透過輕量級索引器,以微區塊粒度選取相關上下文;四條並行殘差分支搭配動態讀取與寫入閘門,可穩定整個堆疊。Alibaba 回報,在 2.4T 參數規模的訓練過程中沒有出現損失突波,且相較於 Qwen3.8-Max-Base,每字節位元數低 5% 至 13%,同時啟用的參數少 25%——並附上廠商列出的誠實但書:所比較的檢查點中有兩個是後訓練版本,這削弱了以基礎模型為框架的論述。
這是一個合理的說法,能解釋為何長上下文推論的每 token 成本較低。但它無法解釋為何某個請求所需的輸出 token 數會是競爭對手的 1.95 倍,而發布資料中完全沒有談到這一點。每 token 效率與每次回答效率是兩種不同的量值,而這個模型改善了前者,卻在後者上退步。
這兩者分別位於何處,以及混合工作負載會是什麼樣子
GPT-6 Sol 在 OrcaRouter 上進行路由 為 openai/gpt-6-sol ,採用 OpenAI 的定價表價格,0% 加價——272K 以下每百萬 token 為 $2.00 與 $10.00,超過則為 $4.00 與 $15.00,且 272K 的重新定價規則完全依照 OpenAI 的套用方式執行。一個 API 涵蓋 200 多個模型,意味著上述的長上下文問題將變成一項路由決策,而非第二份合約:管線可以將低於 272K 的請求送往 Sol,並將超出上限的請求送往其他位置,而不必架設第二套 SDK;而供應商的價格變動在 OpenAI 價目表上生效的同一天,這裡也會同步生效。
截至 2026 年 11 月 16 日,Qwen4-Max 尚未收錄於 OrcaRouter 目錄中。它可透過阿里巴巴自家的 Model Studio API 及數個第三方平台存取。這使得這個誠實的實驗呈現不對稱,且只有一個方向便宜:Sol 陣營無需新的整合,Qwen 陣營則需要;而您真正想要的比較——在您自己的流量上、以您自己的輸出長度,計算每完成一項任務的成本——正是能判定 $2.47 對 $3.27 的倒掛在基準測試框架之外是否成立的那項測量。請在影子切片上執行,而不是在生產路徑上,並讓您自己的 token 數量決定這兩次指數跑分中哪一次才是誤導人的。

什麼會讓這成為一篇不同的文章?
兩項測量。第一項是 Qwen4-Max 在具有硬性輸出上限的工作負載上的輸出量;如果 1.27 億個 token 是評估本身的屬性,而非模型的屬性,那麼這個反轉就是假象,而 $4.50 的費率就是純粹的節省。第二項是速度。GPT-6 Sol 每個索引任務耗費 7.2 分鐘,首個 token 耗時 35 秒,這些數字平平無奇;如果 Qwen4-Max 在相同任務上明顯更慢,那麼一個每個答案已經貴 32% 的模型,也正是讓你等更久的那個,而沒有任何按 token 計價的論點能挽救這一點。
在兩者都到位之前,站得住腳的立場既狹窄又具體。對於超過 272,000 個 token 的請求,Qwen4-Max 便宜兩到三倍,完全沒得比。至於其他所有情況,GPT-6 Sol 在唯一一個結合價格與行為的數字上是更划算的選擇,而它的輸出標題費率高出 2.2 倍,這件事反而是關於它最不具資訊價值的一點。
本文中的比較1
根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新
