Eine Titelkarte mit der Überschrift „Qwen4-Max vs Grok 4.5: ein einen Tag altes Modell gegen eines, das bereits ersetzt wurde“, mit drei Chips: Qwen4-Max veröffentlicht am 16. November 2026, Grok 4.5 veröffentlicht am 8. Juli 2026 und von Grok 4.6 abgelöst, sowie einem Indexwert von 43 gegenüber keinem veröffentlichten Wert, mit Bildunterschrift zu den Modellseiten von Artificial Analysis am 17. November 2026.
Guides & Insights

Qwen4-Max vs. Grok 4.5: Sie vergleichen ein gestern veröffentlichtes Modell mit einem, das sein eigener Anbieter bereits ersetzt hat

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Öffnen Sie die Modellseite für Grok 4.5 auf Artificial Analysis, und das Erste, was auf dem Bildschirm zu sehen ist, ist kein Benchmark. Es ist ein Hinweis: Dieses Modell ist veraltet, SpaceXAI hat eine neuere Version veröffentlicht, Grok 4.6, und Sie sollten stattdessen diese in Betracht ziehen. Die Seite enthält weiterhin Messwerte – 10,45 Sekunden bis zum ersten Antwort-Token, 65 Token pro Sekunde, ein 500k-Kontextfenster, $2.00 pro Million für Eingaben und $6.00 pro Million für Ausgaben –, aber sie enthält überhaupt keinen Intelligenzwert mehr, und die Benchmark-Frequenz ist von alle sechs Stunden auf alle achtzehn Stunden gesunken. Qwen4-Max ist hingegen seit dem 16. November 2026 erhältlich und erst einen Tag alt. Ein einen Tag altes Modell gegen ein überholtes zu setzen, ist ein seltsames Unterfangen, wenn man es absichtlich tut, und genau deshalb lohnt es sich: Der Vergleich sagt weniger darüber aus, welches Modell besser ist, als darüber, wie schnell das Token-Effizienz-Argument, das Grok 4.5 rechtfertigte, überholt worden ist.

Was jedes Modell tatsächlich ist – einen Tag in einem ihrer Leben

A two-column scoreboard comparing Qwen4-Max and Grok 4.5 across six rows: release date 16 November 2026 against 8 July 2026; $1.50 in and $4.50 out against $2.00 and $6.00; 1,000,000 context against 500,000; index 43 against none published; latency not published against 10.45 seconds and 65 tokens per second; text, image and video against text, image and file. Footer notes Grok 4.5 is marked deprecated on Artificial Analysis and runs at 18-hour intervals instead of 6.

• Anbieter — A​libaba vs. SpaceXAI, das die G​rok-Reihe Mitte des Jahres umbenannt hat

• Veröffentlicht – Qwen4-Max am 16. November 2026 vs. Grok 4.5 am 8. Juli 2026, abgelöst von Grok 4.6

• Preis pro Million Tokens — $1.50 Eingabe / $4.50 Ausgabe vs. $2.00 Eingabe / $6.00 Ausgabe

• Cache-Lesen — 0,075 $ pro Million für Qwen4-Max vs. 0,30 $ pro Million für Grok 4.5

• Kontextfenster — 1.000.000 Token gegenüber 500.000

• Maximale Ausgabe – 131.072 Token im Nicht-Denkmodus, 262.144 gemeinsam genutzt im Denkmodus vs. 64.000 dokumentiert

• Eingabemodalitäten – Text, Bild und Video vs. Text, Bild und Datei

• Unabhängiger Indexwert — 43 für Qwen4-Max gegenüber keinem veröffentlichten Wert für Grok 4.5

• Abkündigungsstatus – aktuelles Flaggschiff vs. ersetzt, mit einem Nachfolger auf derselben Karte

Die letzten drei Zeilen sind der Artikel. Die Karte von Qwen4-Max ist in jeder Dimension größer, die ein Datenblatt messen kann, und auf der Karte von Grok 4.5 steht ein Hinweis, dass es eine bessere Version zum selben Preis gibt.

A screenshot of the Artificial Analysis page for Grok 4.5, headed by a deprecation banner stating the model is still benchmarked but every 18 hours instead of every 6, and that SpaceXAI has launched a newer release, Grok 4.6.

Warum überhaupt noch jemand 4.5 wählen würde und warum dieser Grund schrumpft

Das Argument für Grok 4.5 war nie die reine Leistungsfähigkeit. Es waren die Tokens: Das Modell wurde auf einem Fundament mit 1,5 Billionen Parametern aufgebaut, das zusammen mit einem Coding-Editor trainiert wurde, und damit beworben, Software-Engineering-Aufgaben mit deutlich weniger Ausgabe-Tokens als vergleichbare Frontier-Modelle zu lösen – zu einem Preis, der auf High-Volume-Produktion ausgerichtet ist. Das ist ein wirklich gutes Verkaufsargument, und es ist dasselbe Verkaufsargument, mit dem A​libaba für Qwen4-Max wirbt – 24 % bis 35 % weniger Ausgabe-Tokens als sein Vorgänger, 48 % bis 49 % weniger bei Terminal-Bench 4.0, durchschnittliche Kosten pro Aufgabe gesunken von 4,43 $ auf 1,67 $.

Beide Anbieter verkaufen mit anderen Worten Sparsamkeit. Der Unterschied ist, dass eine dieser Behauptungen demnächst kontinuierlich getestet wird und die andere nicht mehr so häufig getestet wird. Artificial Analysis führt Grok 4.5 weiterhin aus, jedoch alle achtzehn statt alle sechs Stunden, was die höfliche Umschreibung dafür ist, dass das Modell von der Abdeckung zur Wartung übergegangen ist. Ein Modell, dessen Verhalten nur ein Viertel so oft beprobt wird, ist ein Modell, dessen Regressionen nur ein Viertel so schnell entdeckt werden.

Es gibt einen vertretbaren Grund, es in einem Katalog zu behalten: Es ist stabil, es ist günstig, sein 500k-Fenster deckt den größten Teil der Arbeit ab, und es erfordert nicht, dass Sie etwas ändern. Das ist das Argument für jeden etablierten Anbieter. Es ist in dem Moment nicht mehr vertretbar, in dem ein Nachfolger mit demselben Kontextfenster und demselben Basispreis verfügbar ist, denn dann ist der einzige verbleibende Vorteil des etablierten Anbieters, dass Sie noch nicht migriert sind.

Die einzige Achse, für die Grok 4.5 eine veröffentlichte Zahl hat und Qwen4-Max nicht.

Latenz. Nach der Messung von Artificial Analysis antwortet Grok 4.5 in 10,45 Sekunden und streamt mit 65 Tokens pro Sekunde. Diese Zahlen sind im Vergleich zu einem modernen Frontier-Modell nichts Besonderes – Claude Opus 5.5 braucht bei maximalem Aufwand 352 Sekunden bis zum ersten Token, GPT-6.1 Sol 169 Sekunden –, aber sie existieren, sie sind reproduzierbar, und man kann seine Kapazitätsplanung darauf abstellen.

Für Qwen4-Max gibt es nirgends eine veröffentlichte Latenzangabe. Artificial Analysis führt seinen Indexwert, seine Preiskarte und seine Token-Gesamtzahlen auf und lässt die Leistungsspalte leer: keine Zeit pro Aufgabe, keine Ausgaberate, keine Zeit bis zum ersten Token. Das Launch-Material von Alibaba nennt Token-Zahlen, die eine andere Größe sind, und ein Modell, das bei gleicher Geschwindigkeit halb so viele Token schreibt, erledigt eine Aufgabe in der halben Zeit — die beiden Aussagen sind nicht austauschbar.

Der ehrliche Stand des Vergleichs am 17. November ist also, dass das ältere, überholte Modell dasjenige ist, für das man Wall-Clock-Zeit einplanen kann, und das neue dasjenige, das man selbst messen muss. Für eine Batch-Pipeline ist das ein Nachmittag Arbeit. Für ein interaktives Produkt ist es ein Grund, Qwen4-Max hinter einem Fallback laufen zu lassen statt davor.

Die 200.000-Token-Grenze, nebenbei bemerkt

Grok 4.5 ist nach Prompt-Länge gestaffelt: Bis zu 200.000 Eingabe-Token berechnet es 2,00 $ und 6,00 $, darüber verdoppelt sich der Satz auf 4,00 $ und 12,00 $. Qwen4-Max verkauft eine einzige Stufe von null bis zum Kontextlimit. Da das Kontextfenster von Grok 4.5 500k umfasst und seine günstige Stufe bei 200k endet, werden die oberen 300k seines eigenen Fensters zum doppelten des beworbenen Satzes abgerechnet — ein Detail, das weniger ins Gewicht fällt, als es bei einem 1M-Token-Modell der Fall wäre, und deutlich mehr, als der beworbene Preis von 2,00 $ vermuten lässt.

Die Nische, in der ein abgelöstes Modell noch die richtige Antwort ist, ist schmal, aber real: Workloads, die auf seine Token-Effizienz festgelegt sind, bereits auf 200k-Token-Prompts abgestimmt wurden und es nicht wert sind, erneut validiert zu werden. Wenn das auf Sie zutrifft, teilt Grok 4.6 das Kontextfenster, die Eingabeoberfläche und den Grundpreis, sodass die Migration eine Modellkennung und kein Projekt ist.

Video ist die Zeile, die für manche Teams den Vergleich abschließt.

Qwen4-Max akzeptiert Text, Bilder und Video. Grok 4.5 akzeptiert Text, Bilder und Dateien. Tencents Hy4-Vorschau, Anthropics Opus 5.5 und OpenAIs Sol lesen allesamt Dateien statt Video, was Qwen4-Max eher ungewöhnlich als bloß neuer erscheinen lässt: Für Arbeit auf Frame-Ebene – Footage-Triage, die Analyse von Bildschirmaufzeichnungen, alles mit einer Zeitachse – ist der Rest dieses Vergleichs gegenstandslos, denn es gibt nichts, womit man sich vergleichen ließe.

Die Kehrseite ist, dass das dokumentierte Thinking-Ausgabebudget von Qwen4-Max ein gemeinsames Budget von 262.144 Token für Reasoning-Trace und sichtbare Antwort ist, wobei das Standard-Thinking-Budget 131.072 beträgt und reasoning_effort standardmäßig auf high steht. Ein Videoanalyse-Job, der ausführlich Reasoning betreibt, wird einen erheblichen Teil des Antwortbudgets für das Reasoning verbrauchen. Bemessen Sie die Ausgabe an 131.072, nicht an der 1M-Kontextzahl im Listing.

A screenshot of the OrcaRouter model page for grok/grok-4.5, showing the 500K-token context badge, text, image and file input, the model identifier and the start of the pricing panel.

Das Paar laufen lassen – und was „ein Schlüssel“ auf jeder Seite bringt

OrcaRouter leitet Grok 4.5 zu 2,00 $ pro Million Input und 6,00 $ pro Million Output bis zur Grenze von 200.000 Token und zu 4,00 $ bzw. 12,00 $ darüber weiter — die eigene Preisliste des Anbieters, zu 0 % Aufschlag durchgereicht — und leitet außerdem dessen Nachfolger als Grok 4.6 zu denselben Grundpreisen weiter, wodurch die Migration von 4.5 auf 4.6 zu einer Änderung eines Feldes in einer Routing-Regel statt zu einer neuen Integration wird. Derselbe Schlüssel erreicht Claude Opus 5.5, GPT-6.1 Sol, Qwen3.8-Max und T​encent HY4 Preview.

Qwen4-Max steht nicht auf dieser Liste. Der Katalog hat die Qwen4-Generation nicht aufgenommen, daher ist eine Qwen4-Max-Route vorerst ein direkter A​libaba-Schlüssel, und die ehrliche Beschreibung der Regelung lautet: ein Endpunkt für alles, worauf Sie möglicherweise zurückgreifen, plus ein direkter Zugangsnachweis für das Modell, das Sie evaluieren.

Diese Aufteilung ist immer noch der günstige Weg, die Frage zu beantworten, die dieser Artikel aufwirft. Richte die Grok 4.5-Route und die Grok 4.6-Route auf denselben Traffic, veröffentliche den Vergleich auf Basis deiner eigenen Anfragen und behalte Qwen4-Max als dritten Zweig daneben, mit automatischem Failover über Anbieter hinweg dahinter. Die Alternative – einen funktionierenden Pfad außer Betrieb zu nehmen, um ein Modell ohne veröffentlichte Latenz zu testen – führt dazu, dass Teams um 2 Uhr nachts zurückrollen müssen.

Was tun bei einem Modell mit einem Hinweis darauf?

Der Hinweis auf der Seite von Grok 4.5 ist kein Nachruf. Das Modell läuft, es ist konkurrenzfähig bepreist, und sein 500k-Kontextfenster ist mehr, als die meisten Aufgaben brauchen. Aber ein Vergleich zwischen ihm und Qwen4-Max ist nicht wirklich eine Wahl zwischen zwei Optionen: Es ist eine Wahl zwischen einer bekannten Größe, die heruntergefahren wird, und einer unbekannten Größe, die gerade erst angekommen ist, und ausschlaggebend ist, wie gut Sie es aushalten, Dinge selbst zu messen.

Drei Punkte, auf die man achten sollte, und zwar in dieser Reihenfolge. Ob es eine unabhängige Latenzangabe für Qwen4-Max gibt – die einzige fehlende Angabe in diesem Vergleich. Ob Alibaba das gemeinsame Denkbudget von 262.144 Token überarbeitet, sobald Agenten-Traffic eintrifft. Und ob Grok 4.5 überhaupt noch auf der Liste bleibt, nachdem sein Nachfolger ausgiebig getestet wurde – denn ein Abkündigungshinweis ist meist der erste Absatz eines Abschaltdatums.

In diesem Artikel verglichen2

Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert