
Qwen 4 對比 GPT-6.1 Sol:每分成本僅需三分之一的模型
- 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 · 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 · 126 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 · 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 · 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 每百萬 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 每百萬 tokens · 219 tok/s
本系列中其他每一項 Qwen4-Max 比較都呈現相同模式:對手分數更高、成本也更高,而爭論點在於這樣的差距是否值得那筆溢價。這次則不然。GPT-6.1 Sol在 Artificial Analysis 智慧指數上得分 54.6,而Qwen4-Max則為 42.9——領先十二分——且完成一項指數任務的費用為 1.27 美元,而 Qwen4-Max 為 3.27 美元。Sol 能力更強,同時每個完成答案的成本還便宜 2.6 倍。在決定另外四組對決的效率指標上,Sol 以 3.3 倍勝出:每指數點 2.3 美分,對比 7.6 美分。
這件事附帶一個條件,就是 272,000 個 token 的界線。這是真正的斷崖,適用於請求中的每一個 token,也是在這一場對決中回到 Qwen4-Max 的唯一途徑,而且不必花更多錢卻得到更少。
這兩張卡片
GPT-6.1 Sol 於 2026 年 9 月 29 日推出,每百萬 token 輸入 2.00 美元、輸出 10.00 美元。Qwen4-Max 於 2026 年 11 月 16 日在新加坡開始按用量計費,每百萬 token 輸入 1.50 美元、輸出 4.50 美元。按牌價看,Qwen4-Max 的輸出費用看似便宜 2.2 倍;但以每完成一項任務計算,它反而貴 2.6 倍。這個反轉正是文章的主題。
• 輸入,每百萬 — Sol $2.00(最多 272K tokens),超過則為 $4.00。Qwen4-Max 在新加坡為 $1.50,其他五個地區為 $1.413,在整個視窗內均一價。
• 輸出,每百萬 — Sol:短上下文 $10.00,長上下文 $15.00。Qwen4-Max:$4.50 與 $4.24,均一價。
• 快取輸入 — Sol 短上下文每百萬 $0.10,長上下文 $0.20;Qwen4-Max 讀取 $0.075,五分鐘與一小時項目的寫入費率分別為 $1.875 與 $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.
• 背景 — Sol 在追蹤器上公布 1,000,000 個 token 的視窗;Qwen4-Max 亦同,其思考輸入上限為 983,616。
• 每項索引任務成本 — 1.27 美元對比 3.27 美元。
• 指數分數 — 54.6 對 42.9,兩者均在其公開的最高投入程度設定下測量。

為什麼看起來便宜的那張卡片,才是貴的那一張
每項任務的數字,只有在你看過每個模型為了達到該成果所花費的成本後才有意義。Sol 在整套索引測試中產生了 6,370 萬個輸出 token;Qwen4-Max 則產生了 1.271 億個。Qwen4-Max 寫出的輸出幾乎正好是兩倍,分數卻低了十二分,而在兩張成績卡上,輸出都是成本高昂的那一欄。
以每項任務來看,拆分是 Sol 的 67,824 個輸出 token,對比 Qwen4-Max 的 104,940 個——其中分別有 49,213 和 68,914 個是推理。所以 Qwen4-Max 並不是回答更囉嗦,而是思考更囉嗦。它多推理了 40% 才得出更差的結論,然後還為這種特權向你收取每百萬 $4.50。
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 未被超越之處
十二分並非在每個測試套件上都算慘敗,而且有三行值得先讀,再斷定這個模型不行。
Terminal-Bench 4.0 — Sol 56.1%,Qwen4-Max 48.5%。七點五個百分點。真實存在,但比標題所暗示的更窄。
• AutomationBench — Qwen4-Max 72.6%,對比 Sol 的 64.9%。Qwen4-Max 在此以近八個百分點勝出,而這是整體比較中最大的單一逆轉。
• GDPval — Qwen4-Max 1,808.69,對上 Sol 的 1,607.47。在具經濟基礎的專業任務上領先 12.5%,而對手是索引分數領先十二點的模型。這是第二次反轉,也是兩者中更令人意外的一次,因為在整個榜單上,GDPval 最接近「專業人士會不會接受這份工作」這項標準。
• FrontierCode 2.0 — 26.5% 對 40.6%。反向差了十三個百分點;這是整份榜單上差距最大、商業意涵也最重的一項。
• CritPt Agentic Hard — 43.0% 對 69.5%。二十六個百分點,是 Qwen4-Max 最差的單一列。
• Omniscience — 27.7 對 42.0,幻覺率分別為 28.4% 與 51.9%。Sol 更為準確,但答錯時更容易憑空捏造。
• 能力子項得分——Sol 在全部六項中領先,在策略與營運方面以 57.6 對 56.9 微幅領先,在工程方面則以 59.4 對 50.1 明顯領先。
這個模式與本系列其他對戰組合一致:Qwen4-Max 在需要對文件施展專業判斷的任務上站得住腳,在需要持續技術推理或代理式執行的任務上則落敗。十二組測試中拿下兩勝,並不是選擇它的理由,但這確實說明這個選擇取決於任務,而非自動成立。

執行 272,000 個詞元的算術運算
假設你有一個 400,000 個 token 的程式碼庫,想一次分析完,並輸出 2,000 個 token。兩個模型都裝得進各自的上下文視窗。只有其中一個會重新計價。
• GPT-6.1 Sol,短上下文費率——無法使用。輸入為 400K 時,適用長上下文費率:400,000 × $4.00/百萬 = 輸入 $1.60,加上 2,000 × $15.00 = 輸出 $0.03。總計 $1.63。
• Qwen4-Max — 400,000 × 每百萬 $1.50 = $0.60 輸入,加上 2,000 × $4.50 = $0.009 輸出。總計 $0.61。
• 在 250,000 個 token 下的相同請求,未超過斷崖——Sol:250,000 × $2.00 = $0.50 加上 $0.03 = $0.53。Qwen4-Max:$0.375 加上 $0.009 = $0.38。
所以這個逆轉是真的,而且範圍很窄。在 272,000 個輸入 token 以下,Sol 每次請求更便宜、表現也更好;超過這個門檻,Qwen4-Max 便宜 2.7 倍,卻差了十二個百分點。一個 200K token 的代理迴圈,隨著工具輸出在各輪之間不斷累積,會在工作階段進行到一半時跨過這道門檻——而這正是斷崖效應咬得最狠的工作負載型態:層級不是由你挑選,而是迴圈的上下文成長替你決定。
這些是依公開價目表所做的牌價計算,並非實測的帳單。快取命中會大幅削減這兩個數字,並縮小絕對差距,但比率大致維持不變。
路由答案,在這裡異常乾淨
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.
這個組合之所以值得採用路由、而非直接選擇,原因在於決策變數是 token 數量,而路由層看得見它。針對輸入長度訂下 272,000-token 的規則——低於門檻用 Sol、高於門檻用更便宜的方案——是兩行就能寫完的策略,而這種事實作一次很容易,但要每個服務都記得手動照做卻不可能。自動容錯移轉則涵蓋另一個邊界情況:Sol 的長上下文層級屬於不同價位區間,而不是不同模型,因此提示大小暴增會造成帳單變化,而不是錯誤,而且在收到帳單前沒有任何警示。

什麼能推動這個?
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.
在上述任一情況發生之前,這條規則很短,而且並不美化本系列的主角。對幾乎所有用途而言,GPT-6.1 Sol 都是更好且更便宜的模型,而那 12 個百分點的差距正以折扣價出售。至於以文件為重、需要專業判斷,且 GDPval 的 12.5% 領先確實有意義的特定情境,Qwen4-Max 即使每項任務價格是 2.6 倍,仍值得一看。而對於任何會把大型上下文拉長到超過 272,000 tokens 的用途,Qwen4-Max 就不再是妥協選項,而是正確選擇——不是因為它變好了,而是因為替代方案翻倍了。
