Eine generierte 16:9-Titelkarte mit der Aufschrift „Qwen4-Max vs Grok 4.7“, untertitelt mit „Eine Million Tokens Kontext gegen eine halbe Million – und eine Punktzahl obendrein“, mit drei abgerundeten Karten: ein Fenster von 1.000.000 Tokens, 1,50 $ und 4,50 $ pro Million Tokens sowie die beiden Veröffentlichungsdaten 16. November und 21. September 2026. OrcaRouter-Logo unten rechts.
Guides & Insights

Qwen4-Max vs. Grok 4.7: Eine Million Tokens Kontext gegen eine halbe Million – und ein Score, der mithält

Autor

jinhao.song

Veröffentlicht am

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

Eine Anfrage, die 400.000 Token Repository-Verlauf liest und einen 20.000-Token-Patch schreibt, kostet 6,80 US-Dollar auf Qwen4-Max zu internationalen Listenpreisen und 8,00 US-Dollar auf Grok 4.7 — und nur eines dieser beiden Modelle wurde durch eine unabhängige Evaluierung geprüft, die überhaupt etwas darüber aussagt, ob es die Aufgabe erledigen kann. Das ist die Kurzfassung dieses Vergleichs in einem Satz: Qwen4-Max von A​libaba, seit 16. November 2026 allgemein verfügbar mit veröffentlichter Preisliste, ist pro Token günstiger und hat das doppelte Kontextfenster; Grok 4.7 von SpaceXAI, ausgeliefert am 21. September 2026, ist dasjenige mit einer gemessenen Punktzahl, vier auswählbaren Reasoning-Stufen und einem Jahr Betriebsgeschichte hinter sich. Welche dieser beiden Tatsachen mehr zählt, hängt völlig davon ab, was Ihre Workload macht, wenn ihr der Platz ausgeht.

Beide Modelle sind Text-in, Text-out mit Bildeingabe als Zusatz, beide unterstützen Tool-Calling und strukturierte Ausgabe, und beide sind preislich im selben Bereich angesiedelt. Die Unterschiede, die bei einer echten Arbeitslast Bestand haben, sind Kontextreserve, Cache-Ökonomie, Evidenz und die Art und Weise, wie jeder Anbieter es Ihnen ermöglicht, Rechenleistung für Reasoning auszugeben.

A generated two-column scoreboard titled 'Qwen4-Max vs Grok 4.7 - the scoreboard', comparing a 1,000,000-token context against 500,000, $1.50 against $2.00 input, $4.50 against $6.00 output, $0.075 against $0.50 cached read, no independent score against 35.5, and a fixed reasoning default against four selectable levels, over a footer reading 'Qwen4-Max per Alibaba; Grok 4.7 per SpaceXAI and Artificial Analysis Index v5.0.1.' OrcaRouter logo bottom-right.

Was jedes Einzelne ist – in der eigenen Terminologie des Anbieters

Qwen4-Max ist Alibabas Flaggschiff der vierten Generation und wird als multimodales Modell dokumentiert, das Text, Bilder und Videos entgegennimmt und Text erzeugt. Die veröffentlichten Grenzen sind ein Kontextfenster von 1.000.000 Token, eine maximale Ausgabe von 131.072 Token im Nicht-Denken-Modus und ein kombiniertes Budget aus Denken plus Antwort von 262.144 Token. Denken ist standardmäßig aktiviert, mit einem Budget von 131.072 Token und dem Reasoning-Aufwand auf hoch gesetzt – eine andere Standardvoreinstellung als bei den meisten westlichen Flaggschiffen und wissenswert, bevor Sie irgendetwas gegen es benchmarken.

Grok 4.7 ist SpaceXAIs aktuelles Text-Flaggschiff, ein Reasoning-Modell mit einem Kontextfenster von 500.000 Tokens, einem Wissens-Cutoff im Mai 2026, Bildeingabe und vier Reasoning-Stufen, darunter eine neue oberste Einstellung. SpaceXAI veröffentlicht keine Parameteranzahl dafür und beschreibt die Veröffentlichung als größeres Basismodell mit einem längeren Reinforcement-Learning-Lauf statt als neue Architektur. Der Listenpreis beträgt 2,00 US-Dollar pro Million Input-Tokens, 6,00 US-Dollar pro Million Output-Tokens und 0,50 US-Dollar pro Million gecachter Input-Tokens.

A screenshot of Alibaba Cloud Model Studio's 'Model releases and updates' changelog, dated 2026-11-16 and headed qwen4-max, with the 2026-11-11 qwen4-max-preview entry and later entries visible beneath it.

Stellen Sie sie entlang der Dimensionen nebeneinander, die Kaufentscheidungen bestimmen:

• Kontext — Qwen4-Max 1.000.000 Token gegenüber Grok 4.7 500.000 Token

• Maximale Ausgabe — Qwen4-Max 131.072 ohne Denkmodus, 262.144 gemeinsam mit Denkmodus, gegenüber der vom Anbieter veröffentlichten Ausgabeobergrenze von Grok 4.7, die SpaceXAI nicht getrennt vom Kontext ausweist

• Eingabepreis — Qwen4-Max 1,50 $ pro 1 Mio. in Singapur, 1,413 $ in Frankfurt, Virginia, Tokio, Hongkong und Peking, gegenüber Grok 4.7 2,00 $

• Ausgabepreis — Qwen4-Max 4,50 $ in Singapur, 4,24 $ anderswo, gegenüber Grok 4.7 6,00 $

• Zwischengespeicherte Eingabe — Qwen4-Max: $0.075 für Lesen nach einem fünfminütigen Schreiben für $1.875, gegenüber Grok 4.7: $0.50 für Lesen

• Modalität — Qwen4-Max Text, Bild und Video als Eingabe, gegenüber Grok 4.7 Text und Bild als Eingabe

• Unabhängiger Wert — für Qwen4-Max ist kein Wert veröffentlicht, im Vergleich zu Grok 4.7 mit 35,5 auf dem Artificial Analysis Intelligence Index v5.0.1 bei xhigh-Aufwand, 35,2 bei high, 31,1 bei low

• Gewichte — keiner von beiden veröffentlicht welche

Das durchgerechnete Beispiel mit dargestellter Rechnung

Kostenvergleiche zwischen Modellen mit unterschiedlichen Cache-Designs sind genau der Punkt, an dem die meisten veröffentlichten Benchmarks stillschweigend in die Irre führen. Deshalb hier dieselben drei Workloads, durchgängig bepreist auf beiden Preisblättern, unter Verwendung internationaler Listenpreise und ohne Berücksichtigung etwaiger ausgehandelter Rabatte.

• Long-Context-Lesen, keine Wiederverwendung – 400K Eingabe, 20K Ausgabe: 0,60 $ Eingabe plus 0,09 $ Ausgabe bei Qwen4-Max Singapore, also 0,69 $; 0,80 $ plus 0,12 $ bei Grok 4.7, also 0,92 $. Qwen4-Max ist 25 % günstiger.

• Agenten-Loop mit stabilem Präfix — 200K Eingabe, davon 180K im Cache, 10K Ausgabe, zehn Turns: Qwen4-Max berechnet $0.0135 für Cache-Lesezugriffe plus $0.03 für frische Eingabe plus $0.045 für Ausgabe pro Turn, insgesamt $0.885; Grok 4.7 berechnet $0.09 für Cache-Lesezugriffe plus $0.04 für frische Eingabe plus $0.06 für Ausgabe pro Turn, insgesamt $1.90. Die Lücke wächst auf mehr als 2×, weil sich die Cache-Lese-Rate um fast das Siebenfache unterscheidet.

• Massenklassifizierung, kein Reasoning — 2K Eingabe, 200 Ausgabe, 50.000 Aufrufe: 1,74 $ bei Qwen4-Max Singapore und 2,60 $ bei Grok 4.7. Beides ist wenig Geld pro tausend Aufrufe, und bei beiden dominiert die Ausgabeseite des Zählers.

Beachten Sie, was in der ersten Zeile nicht steht. Ein Preisvorteil von 25 % bei einer Long-Context-Lektüre ist erstrebenswert, aber er wiegt weit weniger als die Kosten einer falschen Antwort, und das Modell mit der veröffentlichten Bewertung ist dasjenige, über das man nachdenken kann, bevor man etwas ausgibt. Der Preis pro Token ist eine Tatsache über den Anbieter; der Preis pro erledigter Aufgabe ist eine Tatsache über das Modell, und niemand hat die zweite Zahl für Qwen4-Max bisher veröffentlicht.

Wo das 1M-Fenster tatsächlich eine Entscheidung verändert

Die Verdopplung eines Kontextfensters von 500K auf 1M klingt wie ein Marketingargument, bis man auf die spezifischen Workloads stößt, die zwischen den beiden Zahlen liegen. Drei davon treten in der Praxis immer wieder auf: ein monorepo-weites Refactoring, bei dem der relevante Ausschnitt ein Abhängigkeitsgraph mit 600K Token statt einer einzelnen Datei ist; eine Vertragsprüfung, bei der die gesamte Vereinbarung samt Anlagen und früheren Änderungen gleichzeitig im Kontext gehalten werden muss; und eine lang laufende Agentensitzung, bei der das Transkript und nicht der Prompt das ist, was wächst.

Beim dritten davon ist die Cache-Ökonomie wichtiger als das Kontextfenster. Eine Sitzung, die ein 300K-Token-Transkript Runde um Runde erweitert, zahlt weit häufiger für Cache-Lesevorgänge als für frischen Input, und Qwen4-Max’ Lesetarif von $0.075 gegenüber $0.50 bei Grok 4.7 ist der größte einzelne strukturelle Unterschied zwischen den Tarifkarten der beiden Anbieter — prozentual größer als der Unterschied zwischen ihren Listenpreisen, der nur 25 % beim Input und 25 % beim Output beträgt. Beachten Sie auch die Cache-Schreibkosten: Qwen4-Max berechnet $1.875 pro Million, um einen fünfminütigen Cache-Eintrag zu befüllen, was über seinem eigenen Inputpreis liegt; eine Workload, die ein Präfix zwischenspeichert, das sie nur einmal liest, zahlt dafür also einen Aufpreis. Das ist ein Design für wiederholte Lesevorgänge, nicht für einmalige Prompts.

Grok 4.7s Antwort auf dasselbe Problem unterscheidet sich grundsätzlich und nicht nur graduell: Vier Reasoning-Stufen bedeuten, dass man die Rechenleistung bei den Turns herunterregeln kann, die sie nicht brauchen, und bei denen hochregeln kann, die sie brauchen, und SpaceXAI bepreist alle vier identisch. Das ist ein Hebel, den Qwen4-Max als Konfigurationswert offenlegt – der Reasoning-Aufwand ist standardmäßig hoch, mit einem Denkbudget von 131.072 Tokens –, doch ohne eine unabhängige Messung dessen, was jede Einstellung bringt, ist der Hebel schwerer mit Zuversicht zu bedienen.

Was Ihnen ein fehlender Benchmark in der Praxis kostet

Der Wert von 35.5, den Grok 4.7 auf Index v5.0.1 erreicht, ist keine spektakuläre Zahl. Er liegt deutlich unter den 46.5 von Kimi K3.1 Pro auf derselben Index-Version und hinter den besten westlichen Flaggschiffen. Was er bewirkt, ist, dass man ihn mit etwas vergleichen kann. Ein Team, das zwischen zwei Modellen mit Scores wählt, kann an einem Nachmittag entscheiden, ob das günstigere gut genug ist; ein Team, das zwischen einem bewerteten und einem unbewerteten Modell wählt, muss Evaluierungszeit kaufen, bevor es überhaupt entscheiden kann.

Alibaba hat keine Benchmark-Tabelle für Qwen4-Max veröffentlicht – weder eine vom Anbieter gemeldete noch eine unabhängige. Es gibt keinen Qwen4-Eintrag im Modellindex von Artificial Analysis, und die modellspezifische Seite liefert einen 404. Die einzigen verfügbaren Angaben zu den Fähigkeiten stammen aus der Dokumentation selbst: tiefgehendes Schlussfolgern, paralleles Tool-Calling, Websuche, Präfixvervollständigung, strukturierte Ausgaben mit JSON-Object- und JSON-Schema-Modus sowie Prompt-Caching in expliziter und impliziter Form. Das sind Funktionsbehauptungen, und zwar von der Sorte, die üblicherweise zutrifft. Sie sind kein Beleg für Qualität bei irgendeiner Aufgabe, die Ihnen wichtig ist.

Die praktische Anweisung lautet also, vor dem Wechsel eine eigene Evaluierung durchzuführen und sie ehrlich zu dimensionieren. Hundert repräsentative Prompts aus Ihrem eigenen Traffic, bewertet nach der Rubrik, die Ihr Team ohnehin schon verwendet, sagen Ihnen mehr darüber, ob Qwen4-Max Grok 4.7 ersetzt, als es jedes Leaderboard kann – und es kostet ein paar Dollar nach der einen wie der anderen Preisliste, weil die Eingabeseite beider Zähler die günstige Seite ist.

Beides auf eine Taste legen

OrcaRouter führt Grok 4.7 als grok/grok-4.7 zum eigenen Listenpreis von SpaceXAI auf, 2,00 $ für Input und 6,00 $ für Output pro Million, ohne Aufschlag durchgereicht, über dieselbe OpenAI-kompatible Basis-URL wie der Rest des Katalogs. Qwen4-Max ist heute nicht im Katalog; es ist über die eigene API von Alibaba erreichbar, wo die oben genannten regionalen Preise gelten und wo ein Schlüssel für Singapur den Satz von 1,50 $ erhält. Die sinnvolle Vorgehensweise, solange Sie noch evaluieren, ist, beide Routen aktiv zu halten und eine Routing-Richtlinie pro Anfrage entscheiden zu lassen, statt einen Codepfad auf eine der beiden festzulegen.

A screenshot of the OrcaRouter model page for Grok 4.7, showing the identifier grok/grok-4.7, $2.00 input and $6.00 output per million tokens, the 500,000-token context window, the maximum output figure, the 2026-09-21 vendor date and the available endpoints.

Zwei Dinge in der Routing-Schicht lohnen sich hier. Das erste ist Modellfusion: Ein Panel, das einen schwierigen Prompt mit beiden Modellen und einem dritten Judge beantwortet, ist der schnellste Weg herauszufinden, ob der fehlende Score von Qwen4-Max eine Lücke oder einen Erfolg verbirgt, und es kostet zwei Aufrufe statt einer Migration. Das zweite ist automatisches Failover – ein neues GA-Modell ist genau der Fall, in dem man eine Fallback-Kette vor der ersten Produktionsanfrage konfigurieren möchte, nicht erst nach dem ersten 5xx.

Wie Sie diese Woche entscheiden

Wenn Ihre Workloads in 500K Tokens passen und Sie keine Lust auf eine Evaluierung haben, ist Grok 4.7 die vertretbare Wahl: Es ist gemessen, seit September operativ ausgereift, und es bietet einen Reasoning-Regler, den Sie mit einem bewerteten Modell kalibrieren können. Wenn Ihre Workloads die spezifischen sind, die mehr als eine halbe Million Tokens benötigen – das Monorepo, der vollständige Vertragssatz, das Transkript, das immer weiter wächst –, dann ist Qwen4-Max nicht bloß günstiger, sondern das einzige der beiden, das die Anfrage überhaupt annimmt, und das Fehlen eines Benchmarks wird zu einem Kostenfaktor der Geschäftstätigkeit statt zu einem Grund zu warten. Wenn Sie irgendwo dazwischen liegen, ist die ehrliche Antwort die, die ein paar Dollar und einen Nachmittag kostet: Führen Sie beide mit Ihrem eigenen Traffic aus, und lassen Sie einen Vergleich abgeschlossener Aufgaben einen Vergleich pro Token überstimmen.

In diesem Artikel verglichen1

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