Eine generierte Titelkarte mit der Aufschrift Qwen 4 vs. Grok 4.7, mit dem Untertitel Wo die 200.000-Token-Grenze die Rechnung verändert, einer Prompt-Längen-Achse, die bei 200.000 Tokens markiert ist, und zwei Preiskarten mit der Aufschrift $1.50 in / $4.50 out, einem Pauschaltarif für Qwen4-Max und $4 in / $12 out ab 200K für Grok 4.7.
Guides & Insights

Qwen 4 vs. Grok 4.7: Die 200.000-Token-Grenze entscheidet dieses Duell

Autor

jinhao.song

Veröffentlicht am

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

Grok 4.7 und Qwen4-Max werden beide mit zwei Dollar für die Eingabe und sechs Dollar für die Ausgabe pro Million Tokens abgerechnet – aber nur Grok 4.7 bleibt dabei. Unser eigener Katalogeintrag für Grok 4.7 weist zwei Eingabestufen auf: $2,00/$6,00 bis zu einem Prompt von 200.000 Tokens und $4,00/$12,00 darüber hinaus, während Qwen4-Max über sein gesamtes Fenster von 1.000.000 Tokens hinweg bei $1,50 für die Eingabe und $4,50 für die Ausgabe pro Million liegt. Dieser eine strukturelle Unterschied wiegt mehr als die acht Indexpunkte, die sie auf dem Papier trennen, denn Langkontext-Arbeit ist genau die Arbeit, für die beide Modelle verkauft werden. Zunächst eine Anmerkung zu den Namen, da die beiden ständig verwechselt werden: Qwen 4 ist der Generationsname, den Alibaba verwendet, und Qwen4-Max ist das einzige Mitglied dieser Generation, das man heute aufrufen kann – veröffentlicht am 16. November 2026, wobei kleinere Stufen für Open Source versprochen wurden und kein Datum genannt ist. Grok 4.7 wird seit dem 21. September 2026 ausgeliefert. Dies ist ein Preis- und Belegvergleich, kein Markteinführungsbericht zu einem der beiden.

Die Form der beiden Modelle, kurz

Qwen4-Max ist Alibabas Flaggschiff der vierten Generation, ein spärliches Mixture-of-Experts-Modell mit einem Backbone von 2,4 Billionen Parametern, 71 Milliarden pro Token aktiven Parametern und weiteren 328 Milliarden Parametern für N-Gramm-Embedding. Es akzeptiert Text, Bilder und Video, gibt Text zurück und verfügt über ein Kontextfenster von einer Million Token. Thinking ist standardmäßig aktiviert, und das Modell teilt sich ein Budget von 262.144 Token zwischen seinem Reasoning und seiner endgültigen Antwort – eine Antwort mit 131.072 Token ist also nur verfügbar, wenn das Thinking in die andere Hälfte passt.

Grok 4.7 ist SpaceXAIs aktuelles Text-Flaggschiff. Es ist ein Reasoning-Modell mit einem Kontext von 500.000 Token, bis zu 450.000 Ausgabe-Token, Text- und Bildeingabe sowie drei auswählbaren Reasoning-Stufen. SpaceXAI veröffentlicht keine Parameternanzahl dafür und beschreibt die Veröffentlichung als ein größeres Basismodell mit einem längeren Reinforcement-Learning-Lauf statt einer neuen Architektur.

Zu den Dimensionen, die einen Kauf entscheiden:

• Kontext — Qwen4-Max 1.000.000 Token vs. Grok 4.7 500.000

• Maximale Ausgabe — Qwen4-Max 262.144 gemeinsam mit Thinking oder 131.072 bei unterdrücktem Thinking, vs. Grok 4.7 450.000

• Eingabepreis bis 200K — Qwen4-Max 1,50 $ vs. Grok 4.7 2,00 $ pro 1 Mio.

• Ausgabepreis bis 200K — Qwen4-Max 4,50 $ vs. Grok 4.7 6,00 $ pro 1M

• Eingabepreis über 200K — Qwen4-Max weiterhin $1.50 vs. Grok 4.7 $4.00; Ausgabe $4.50 vs. $12.00

• Cache-Lesevorgang — Qwen4-Max 0,075 $ vs. Grok 4.7 0,50 $ unter 200K, 1,00 $ darüber

• Modalität — Qwen4-Max: Text-, Bild- und Videoeingabe vs. Grok 4.7: Text- und Bildeingabe

• Unabhängiger Wert — Qwen4-Max 43 im Artificial Analysis Intelligence Index, Rang 38 von 81, gegenüber Grok 4.7 mit 35, Rang 46 von 81

• Gewichte — keiner der Anbieter veröffentlicht sie

Was eine Anfrage mit 400.000 Token tatsächlich kostet

Nimm die Arbeitslast an, zu der beide Modelle einladen: ein großes Repository oder ein langes Evidenzbündel lesen und dann einen umfangreichen Patch oder Bericht schreiben. 400.000 Eingabe-Tokens, 20.000 Ausgabe-Tokens, keine Cache-Wiederverwendung.

Bei {{1}}Qwen4-Max{{/1}} sind das zum internationalen Tarif von 1,413 $ pro Million Eingabe und 4,24 $ Ausgabe 0,565 $ Eingabe und 0,085 $ Ausgabe, etwa 0,65 $. Zum Singapur-Tarif von 1,50 $/4,50 $ sind es 0,69 $.

Bei Grok 4.7 erreicht dieselbe Anfrage nie die günstige Stufe, weil 400.000 das Doppelte der Grenze ist. Es werden 1,60 $ für die Eingabe und 0,24 $ für die Ausgabe berechnet: 1,84 $. Das Verhältnis beträgt 2,7 zu eins, und es ist kein Rundungsartefakt – es ist der Unterschied zwischen einer flachen Karte und einer Karte mit einer Stufe.

Setzt man die Anfrage auf 150.000 Input- und 15.000 Output-Token herunter, ändert sich der Charakter des Bildes. Qwen4-Max Singapore: $0,225 plus $0,0675, etwa $0,29. Grok 4.7 in Tarifstufe eins: $0,30 plus $0,09, etwa $0,39. Eine Lücke von 25 Prozent, unauffällig, ungefähr das, was die Headline-Preise vermuten lassen. Die beiden Karten unterscheiden sich erst drastisch bei den Workloads, bei denen eine von ihnen die Tarifstufe wechselt.

Das ist die Rechnung, die Marketingseiten auslassen. Wenn ein Anbieter einen Preis bewirbt und dann eine Long-Context-Stufe hinzufügt, ist der ehrliche Vergleich pro Workload, nicht pro Token, denn die Stufengrenze liegt genau dort, wo das Produkt nützlich sein soll.

Die Agent-Schleife ist der Punkt, an dem das Cache-Design mehr zählt als der Preis.

Long-Context-Reader führen selten nur einen Aufruf aus; sie führen zehn gegen ein stabiles Präfix aus. Betrachten Sie einen Prompt mit 200.000 Tokens, von denen 180.000 cachefähig sind, 10.000 frische Eingabe, 10.000 Ausgabe, über zehn Turns hinweg.

Qwen4-Max berechnet pro Turn 0,027 $ für frischen Input, 0,0135 $ für Cache-Lesevorgänge zu 0,075 $ und 0,045 $ für Output — 0,0855 $, also 0,855 $ für den Lauf. Der Cache-Schreibvorgang selbst wird einmalig mit 1,875 $ pro Million für einen fünfminütigen Speicher berechnet und ist bei dieser Größe klein genug, um ihn zu ignorieren.

Grok 4.7 berechnet 0,04 $ für frischen Input, 0,09 $ für Cache-Lesevorgänge zu 0,50 $ und 0,06 $ für Output — 0,19 $ pro Turn, 1,90 $ für den Lauf. Allein der Cache-Lese-Tarif ist fast siebenmal so hoch wie der von Qwen4-Max, weshalb sich die Lücke mehr als verdoppelt, obwohl keines der Modelle hier in seiner teuren Tarifstufe liegt.

Wenn Sie dies über einen einzigen Endpunkt statt über zwei Anbieterverträge laufen lassen, ändert die Routing-Schicht keine dieser Zahlen – 0 Prozent Aufschlag bedeuten, dass der Listenpreis des Anbieters unverändert durchgereicht wird, sodass sich eine Preissenkung des Anbieters am selben Tag, an dem sie veröffentlicht wird, auf Ihrer Rechnung niederschlägt und nicht erst zur nächsten Vertragsverlängerung. Das ist das Argument dafür, eine Mischung von Modellen hinter einem einzigen Schlüssel zu behalten, und es ist das einzige Argument in diesem Artikel, das sich auf unser Produkt und nicht auf ihres bezieht.

Wo Grok 4.7 weiterhin klar gewinnt

Zwei Orte, und keiner von beiden ist klein.

Der erste Punkt ist die Ausgabelänge. Grok 4.7 gibt eine Ausgabegrenze von 450.000 Token an. Qwen4-Max gibt keine separate Ausgabegrenze an; es hat ein Budget von 262.144 Token, das es sich mit seinem eigenen Denken teilt, und bei unterdrücktem Denken liegt die Obergrenze bei 131.072. Bei Arbeiten, die ein langes Artefakt statt einer kurzen Antwort erzeugen – eine generierte Codebasis, ein langer juristischer Entwurf, ein transkribiertes und analysiertes Korpus –, geht es bei dem Unterschied nicht um Qualität. Es geht darum, ob die Aufgabe in einem Aufruf abgeschlossen wird oder in Abschnitte aufgeteilt werden muss.

Das zweite sind gemessene Belege im oberen Leistungsbereich. Grok 4.7 ist seit September im Artificial Analysis Intelligence Index und hat drei Messwerte für den Reasoning-Aufwand: 35 bei xhigh, 35 bei high, 31 bei low, wobei sich die Zeit bis zum ersten Antwort-Token von 52,9 Sekunden bei der höchsten Einstellung auf 10,6 Sekunden bei der niedrigsten verschiebt. Qwen4-Max hat einen einzelnen veröffentlichten Indexwert von 43 und, zum Zeitpunkt des Schreibens, keine Ausgabegeschwindigkeit oder Zeitmessung pro Aufgabe auf derselben Übersicht. Ein 43 gegen ein 35 ist ein echter Vorsprung, aber ein Wert ohne Geschwindigkeitsmessung sagt nichts darüber aus, ob das Modell bei deinem Latenzbudget praktikabel ist.

Es gibt eine dritte Asymmetrie, die leicht übersehen wird: Die Effort-Steuerung von Grok 4.7 ist ein Kostenhebel, den man pro Anfrage ziehen kann, und seine veröffentlichten Zeitangaben zeigen, was jede Einstellung an Wartezeit kostet. Qwen4-Max legt den Reasoning-Aufwand ebenfalls offen, doch Alibaba beschreibt die Einsparung nur in relativen Begriffen – Token-Verbrauch um 24 Prozent bei xhigh und 35 Prozent bei high in seiner Work360-Suite, 48 und 49 Prozent bei Terminal-Bench 4.0, alles gemessen gegen Qwen3.8-Max statt als Preisliste pro Aufwandsstufe veröffentlicht. Vom Anbieter berichtet, nicht reproduziert und relativ zu einem anderen Modell: nützlich als Richtung, nutzlos als Budgetgrundlage.

Wo Qwen4-Max eindeutig gewinnt

Kontext und die Form des Metrums.

Eine Million Tokens gegenüber einer halben Million ist keine Verdopplung einer Spezifikation; es verändert, welche Aufgaben hineinpassen. Drei, die zwischen den beiden Zahlen liegen: ein monorepo-weites Refactoring, bei dem der relevante Ausschnitt 600.000 Tokens aus Abhängigkeitsgraph und Historie umfasst; eine Discovery-Übung über eine Dokumentmenge, die vollständig gelesen statt abgerufen werden muss; und ein 24/7-Agent, der über einen Arbeitstag hinweg Zustand ansammelt, ohne zusammenzufassen. Qwen4-Max passt zu allen drei. Grok 4.7 passt zu keinem davon in einem einzigen Aufruf, und 600.000 Tokens hineinzudrücken bedeutet entweder Retrieval oder die $4/$12-Stufe — genau zu dem Preis, an dem die 2,7-fache Lücke schwer zu verteidigen wird.

Die Flatrate-Karte ermöglicht ebenfalls Prognosen. Ein Budgetverantwortlicher kann Tokens mit einem einzigen Tarif multiplizieren und liegt damit richtig. Eine Stufenkarte bedeutet, dass das Finanzmodell die Verteilung der Prompt-Längen schätzen muss, was in der Praxis heißt, dass die Schätzung in die teure Richtung danebenliegt.

Und die unabhängige Punktzahl, so wie sie ist, spricht für Qwen4-Max: 43 gegen 35 auf demselben Board. Der Vorbehalt ist berechtigt – ein erst wenige Tage altes Modell wurde deutlich weniger eingehend geprüft, und ein einzelnes Index-Aggregat verbirgt eine enorme Varianz zwischen den einzelnen Aufgaben –, doch die Richtung ist nicht mehrdeutig.

A generated two-column scoreboard for Qwen4-Max and Grok 4.7: Artificial Analysis Index 43 against 35, input $1.50 against $2.00, output $4.50 against $6.00, context 1M against 500K tokens, maximum output 262K shared against 450K, and speed not published against 69 tokens per second.

Was dir keines der beiden Modelle sagt

Keiner der beiden Anbieter veröffentlicht Gewichte, daher kann keiner von beiden selbst gehostet, auditiert oder an eine von Ihnen kontrollierte Version gebunden werden. SpaceXAI veröffentlicht für Grok 4.7 überhaupt keine Parameteranzahl. Alibaba veröffentlicht für Qwen4-Max eine Architekturbeschreibung – durch Gating gesteuerte DeltaNet-Schichten, die mit einem spärlichen Aufmerksamkeitsmechanismus verschachtelt sind, vier parallele Residualzweige mit dynamischen Gates, eine N-Gramm-Einbettungstabelle –, aber keine Gewichte.

Die Benchmark-Zahlen keines der beiden Anbieter werden unabhängig geprüft, so wie es beim Index der Fall ist. Alibabas Work360-Wert von 52,69 gegenüber 47,74 bei Qwen3.8-Max, die Behauptung, die durchschnittlichen Kosten pro Aufgabe seien von 4,43 $ auf 1,67 $ gesunken, und die um 5 bis 13 Prozent niedrigere Bits-pro-Byte-Rate über fünf Basis-Checkpoints hinweg stammen allesamt aus eigener Quelle und wurden nicht reproduziert. Die Vorteile von Grok 4.7 sind außerhalb des Index ebenso wenig belegt: Von SpaceXAI gibt es keine veröffentlichten Kosten pro Aufgabe, nur einen Token-Preis.

Die einzige unabhängige Kostenzahl, die es gibt, spricht gegen die günstigere Option. Artificial Analysis beziffert Qwen4-Max mit 3,27 US-Dollar pro Aufgabe des Intelligence Index, und sein Grok-4.7-Profil führt überhaupt keine vergleichbare Zahl auf. Lesen Sie das genau: Das hier am günstigsten wirkende Modell ist dasjenige mit einer dokumentierten Rechnung pro Aufgabe, und das andere ist schlicht nicht gemessen. Das ist kein Beleg dafür, dass Qwen4-Max teuer ist. Es ist ein Beleg dafür, dass nur eines dieser beiden von irgendjemandem durchgängig kostenmäßig erfasst wurde.

Wie man wählt

Wenn Ihre Prompts regelmäßig 200.000 Token überschreiten, ist Qwen4-Max das günstigere Modell – um einen Faktor, der mit der Länge wächst –, und die Tarifstufung von Grok 4.7 bedeutet, dass der übliche Instinkt „einfach mehr Kontext senden“ schnell teuer wird. Leiten Sie Arbeiten mit langem Kontext an Qwen4-Max weiter.

Wenn Ihre Aufgabe darin besteht, ein sehr langes Artefakt in einem einzigen Aufruf auszugeben, ist die Ausgabegrenze von 450.000 Tokens bei Grok 4.7 die entscheidende Zahl, und das gemeinsame Budget von 262.144 bei Qwen4-Max ist das Ausschlusskriterium. Das Aufteilen einer Generierung ist kein neutraler Workaround; es kostet Sie Kohärenz an den Nahtstellen.

Wenn Sie vor Ihrer Entscheidung eine Latenzzahl benötigen, hat Grok 4.7 veröffentlichte Werte für drei Aufwandsstufen, Qwen4-Max nicht. Diese Asymmetrie wird sich schließen, sobald unabhängige Tests aufholen, doch heute spricht sie dafür, erst zu pilotieren statt zu standardisieren.

Wenn Sie bereits Grok 4.7 betreiben und die Frage lautet, ob Sie Qwen4-Max hinzufügen sollten, dann ist die ehrliche Antwort: Ja, aber selektiv – für Long-Context-Lesevorgänge, Videoeingaben und kostenempfindliche Batch-Arbeiten, während die Langform-Generierung bei dem Modell bleibt, das eine dokumentierte Ausgabegrenze hat. Zwei Modelle hinter einem Schlüssel kosten Sie eine Routing-Regel, keine Migration, und das bedeutet, dass eine schlechte Woche bei einem der beiden Anbieter ein Failover statt eines Ausfalls ist.

Artificial Analysis page for Grok 4.7, captured 17 November 2026 in English, showing Intelligence #46 of 81, Output speed 69 tokens per second, $2.00 input and $6.00 output per 1M tokens, a 75 per cent cache discount, and SpaceXAI as the developer.

Die Anzeigetafel, mit beigefügter Quellenangabe.

Die eine Zahl, die diese Modelle am klarsten voneinander trennt, ist nicht der Indexwert – es ist der Preis bei 400.000 Tokens. Qwen4-Max 0,69 $, Grok 4.7 1,84 $, jeweils zum veröffentlichten internationalen Tarif des Anbieters. Alles andere in diesem Vergleich ist eine Einschätzung zu Belegen und Spielraum.

Ein Wort zu den Indexwerten, denn sie werden aus dem Zusammenhang gerissen zitiert werden. Die 43 und die 35 stammen vom selben Artificial-Analysis-Board, Stand 17. November 2026. Sie sind untereinander vergleichbar. Sie sind nicht mit den 55 vergleichbar, die Kimi K3.1 Pro unter einer früheren Bewertungsrubrik erreichte, und jeder Artikel, der diese beiden Zahlen in einen Satz stellt, vergleicht zwei verschiedene Tests. Die Herstellerangaben – Work360, die Token-Reduktionen, die Bits-pro-Byte-Deltas – stammen von Alibaba selbst und wurden keinerlei Prüfung durch Dritte unterzogen.

Noch etwas, das Sie wissen sollten, bevor Sie eine Abrechnung auf Basis der 43 planen: Der Score gilt für eine einzige Aufwandsstufe. Alibaba liefert Thinking standardmäßig aktiviert aus, mit einem Budget von 131.072 Token und auf hoch gesetztem Aufwand, und unabhängige Tests haben noch nicht veröffentlicht, welchen Score das Modell bei niedrigem Aufwand erzielt oder was das einsparen würde. Bis dahin sollten Sie die 43 als den Preis für die Standardkonfiguration des Modells behandeln und nicht als einen Regler, den Sie nach unten drehen können.

Beide Karten, auf einer Route

Es lohnt sich, den betrieblichen Unterschied zwischen dem Lesen zweier Preislisten und dem Betrieb zweier Modelle zu benennen, denn er ist kleiner, als die Preisdifferenz vermuten lässt. grok/grok-4.7 ist einer der 215 Identifier, die wir anbieten, zum Listenpreis des Anbieters ohne Aufschlag, sodass seine Tarifstufengrenze und seine Cache-Rate dem entsprechen, was SpaceXAI am jeweiligen Tag veröffentlicht. Qwen4-Max gehört nicht dazu; es läuft über Alibabas eigene Model-Studio-API. Die praktische Konsequenz ist, dass die oben befürwortete gemischte Strategie – Lesen mit langem Kontext auf Qwen4-Max, Generierung langer Texte mit Grok 4.7 – für jede Seite eine Anbieterbeziehung erfordert, und eine Routing-Regel ist nur so gut wie die beiden Endpunkte, auf denen sie beruht.

OrcaRouter model page for Grok 4.7, captured 17 November 2026 in English, showing the identifier grok/grok-4.7, text, image and file input, a 500K-token context, 450K maximum output, a pricing panel and a p50 time-to-first-token of 10.00 seconds.

In diesem Artikel verglichen1

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