
Qwen4-Max vs Grok 4.7: un millón de tokens de contexto frente a medio millón, y una puntuación que lo acompaña
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 96 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 152 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 219 tok/s
Una solicitud que lee 400.000 tokens de historial de repositorio y escribe un parche de 20.000 tokens cuesta $6,80 en Qwen4-Max de Alibaba a precios de lista internacionales y $8,00 en Grok 4.7 — y solo uno de esos dos modelos se ha sometido a una evaluación independiente que diga algo sobre si puede hacer el trabajo. Esa es la esencia de esta comparación en una frase: Qwen4-Max de Alibaba, disponible de forma general con una lista de precios publicada desde el 16 de noviembre de 2026, es más barato por token y tiene el doble de ventana de contexto; Grok 4.7 de SpaceXAI, lanzado el 21 de septiembre de 2026, es el que tiene una puntuación medida, cuatro niveles de razonamiento seleccionables y un año de historial operativo a sus espaldas. Cuál de esos dos hechos importa más depende por completo de lo que hace tu carga de trabajo cuando se queda sin espacio.
Ambos modelos son de entrada y salida de texto, con entrada de imágenes como complemento; ambos admiten llamadas a herramientas y salida estructurada, y ambos tienen precios en el mismo rango. Las diferencias que sobreviven al contacto con una carga de trabajo real son el margen de contexto, la economía de la caché, la evidencia y la forma en que cada proveedor te permite gastar cómputo en razonamiento.

Qué es cada uno, en los términos del propio proveedor
{{1}}Qwen4-Max{{/1}} es el buque insignia de cuarta generación de {{2}}Alibaba{{/2}}, documentado como un modelo multimodal que acepta texto, imágenes y video y genera texto. Sus límites publicados son una ventana de contexto de 1.000.000 de tokens, una salida máxima de 131.072 tokens en modo sin pensamiento y un presupuesto combinado de pensamiento y respuesta de 262.144 tokens. El pensamiento está activado de forma predeterminada con un presupuesto de 131.072 tokens y el esfuerzo de razonamiento configurado en alto, lo que constituye una postura predeterminada distinta de la de la mayoría de los buques insignia occidentales y vale la pena saberlo antes de hacer pruebas comparativas contra él.
Grok 4.7 es el actual modelo insignia de texto de SpaceXAI, un modelo de razonamiento con una ventana de contexto de 500.000 tokens, un corte de conocimiento de mayo de 2026, entrada de imágenes y cuatro niveles de razonamiento, incluido un nuevo ajuste superior. SpaceXAI no publica su número de parámetros y describe el lanzamiento como un modelo base más grande con una ejecución de aprendizaje por refuerzo más prolongada en lugar de una nueva arquitectura. Su precio de lista es de 2,00 USD por millón de tokens de entrada, 6,00 USD por millón de salida y 0,50 USD por millón de tokens de entrada en caché.

Compárelos lado a lado en las dimensiones que determinan las compras:
• Contexto — Qwen4-Max 1.000.000 de tokens frente a Grok 4.7 500.000 tokens
• Salida máxima — Qwen4-Max: 131.072 en modo sin razonamiento y 262.144 compartidos con el modo de razonamiento, frente al límite de salida publicado por el proveedor de Grok 4.7, que SpaceXAI no desglosa por separado del contexto
• Precio de entrada — Qwen4-Max $1.50 por 1M en Singapur, $1.413 en Fráncfort, Virginia, Tokio, Hong Kong y Pekín, frente a Grok 4.7 $2.00
• Precio de salida — Qwen4-Max $4.50 en Singapur, $4.24 en otros lugares, frente a Grok 4.7 $6.00
• Entrada en caché — lectura de Qwen4-Max a $0.075 tras una escritura de cinco minutos a $1.875, frente a la lectura de Grok 4.7 a $0.50
• Modalidad — Qwen4-Max: entrada de texto, imagen y vídeo, frente a Grok 4.7: entrada de texto e imagen
• Puntuación independiente — Qwen4-Max: ninguna publicada, frente a Grok 4.7 con 35,5 en el Artificial Analysis Intelligence Index v5.0.1 con esfuerzo xhigh, 35,2 con high, 31,1 con low
• Pesos — ninguno de los dos publica alguno.
El ejemplo resuelto, con la aritmética mostrada
Las comparaciones de costes entre modelos con diseños de caché distintos son justo donde la mayoría de los benchmarks publicados inducen a error de forma sutil, así que aquí están las mismas tres cargas de trabajo con precios de extremo a extremo en ambas tarjetas de tarifas, usando precios de lista internacionales y sin tener en cuenta ningún descuento negociado.
• Lectura de contexto largo, sin reutilización — 400K de entrada, 20K de salida: $0.60 de entrada más $0.09 de salida en Qwen4-Max Singapore, así que $0.69; $0.80 más $0.12 en Grok 4.7, así que $0.92. Qwen4-Max es 25% más barato.
• Bucle de agente con un prefijo estable — 200K de entrada de los cuales 180K están en caché, 10K de salida, diez turnos: Qwen4-Max cobra $0.0135 de lecturas de caché más $0.03 de entrada nueva más $0.045 de salida por turno, $0.885 en total; Grok 4.7 cobra $0.09 de lecturas de caché más $0.04 de entrada nueva más $0.06 de salida por turno, $1.90 en total. La diferencia se amplía a más de 2× porque la tarifa de lectura de caché difiere casi siete veces.
• Clasificación masiva, sin razonamiento — 2K de entrada, 200 de salida, 50.000 llamadas: $1,74 en Qwen4-Max Singapore y $2,60 en Grok 4.7. Ambos son importes pequeños por cada mil llamadas, y ambos están dominados por el lado de salida del medidor.
Tenga en cuenta lo que no dice la primera fila. Una ventaja de precio del 25 % en una lectura de contexto largo vale la pena, pero vale mucho menos que el coste de equivocarse en la respuesta, y el modelo con la puntuación publicada es aquel sobre el que se puede razonar antes de gastar nada. El precio por token es un dato del proveedor; el precio por tarea terminada es un dato del modelo, y nadie ha publicado todavía la segunda cifra para Qwen4-Max.
Dónde la ventana de 1M realmente cambia una decisión
Duplicar una ventana de contexto de 500K a 1M suena a consigna de marketing hasta que te topas con las cargas de trabajo específicas que se ubican entre ambos números. Tres que se repiten en la práctica: una refactorización de todo un monorepo en la que la porción relevante es un grafo de dependencias de 600K tokens en lugar de un único archivo; una revisión de contrato que debe mantener todo el acuerdo, junto con sus anexos y enmiendas previas, en contexto a la vez; y una sesión de agente de larga duración en la que lo que crece es la transcripción, no el prompt.
En el tercero de esos casos, la economía de la caché importa más que la ventana. Una sesión que va añadiendo turno tras turno a una transcripción de 300K tokens paga por lecturas de caché mucho más a menudo que por entrada nueva, y la tarifa de lectura de $0.075 de Qwen4-Max frente a los $0.50 de Grok 4.7 es la mayor diferencia estructural individual entre las tarifas de ambos proveedores; mayor, en términos porcentuales, que la diferencia entre sus precios de lista, que es solo del 25% en entrada y del 25% en salida. Nótese también el coste de escritura de caché: Qwen4-Max cobra $1.875 por millón para poblar una entrada de caché de cinco minutos, lo cual está por encima de su propio precio de entrada, así que una carga de trabajo que cachea un prefijo que solo lee una vez paga una prima por hacerlo. Eso es un diseño para lecturas repetidas, no para prompts de una sola vez.
La respuesta de Grok 4.7 al mismo problema es diferente en naturaleza, no en grado: cuatro niveles de razonamiento significan que puedes reducir el cómputo en los turnos que no lo necesitan y aumentarlo en los que sí, y SpaceXAI pone el mismo precio a los cuatro. Esa es una palanca que Qwen4-Max expone como un valor de configuración —el esfuerzo de razonamiento se establece por defecto en alto, con un presupuesto de pensamiento de 131,072 tokens—, pero sin una medición independiente de lo que aporta cada ajuste, la palanca es más difícil de accionar con confianza.
Cuánto te cuesta en la práctica la falta de un benchmark
El 35,5 de Grok 4.7 en Index v5.0.1 no es una cifra espectacular. Queda muy por debajo del 46,5 de Kimi K3.1 Pro en la misma versión del índice y por detrás de los principales modelos insignia occidentales. Lo que sí hace es permitir compararlo con algo. Un equipo que elige entre dos modelos con puntuación puede decidir en una tarde si el más barato es suficientemente bueno; un equipo que elige entre un modelo con puntuación y otro sin ella tiene que comprar tiempo de evaluación antes de poder decidir.
Alibaba no ha publicado ninguna tabla de benchmarks para Qwen4-Max: ni una reportada por el proveedor ni una independiente. No hay ninguna entrada de Qwen4 en el índice de modelos de Artificial Analysis, y la página por modelo devuelve un 404. Las únicas declaraciones de capacidades disponibles son las de la propia documentación: razonamiento profundo, llamadas paralelas a herramientas, búsqueda web, finalización de prefijos, salidas estructuradas con modos JSON Object y JSON Schema, y caché de prompts en formas explícita e implícita. Son afirmaciones sobre funcionalidades, y del tipo que suelen ser ciertas. No son evidencia de calidad en ninguna tarea que te importe.
Así que la instrucción práctica es ejecutar tu propia evaluación antes de cambiar y dimensionarla con honestidad. Cien prompts representativos de tu propio tráfico, puntuados con la rúbrica que tu equipo ya utilice, te dirán más sobre si Qwen4-Max sustituye a Grok 4.7 que cualquier tabla de clasificación, y cuesta unos pocos dólares en cualquiera de las dos tarifas, porque el lado de entrada de ambos medidores es el lado barato.
Poniendo ambos detrás de una sola tecla
OrcaRouter enumera Grok 4.7 como grok/grok-4.7 al precio de lista propio de SpaceXAI, $2.00 de entrada y $6.00 de salida por millón, trasladado sin recargo en la misma URL base compatible con OpenAI que el resto del catálogo. Qwen4-Max no está en el catálogo hoy; se puede acceder a través de la propia API de Alibaba, donde se aplica el precio regional anterior y donde una clave de Singapur obtiene la tarifa de $1.50. La postura útil mientras sigues evaluando es mantener ambas rutas activas y dejar que una política de enrutamiento decida por solicitud, en lugar de comprometer una ruta de código con una u otra.

Dos cosas en la capa de enrutamiento se ganan su lugar aquí. La primera es model fusion: un panel que responde a un prompt difícil con ambos modelos y un tercer juez es la forma más rápida de averiguar si la puntuación faltante de Qwen4-Max está ocultando una brecha o una victoria, y cuesta dos llamadas en lugar de una migración. La segunda es automatic failover — un nuevo modelo GA es exactamente el caso en el que quieres una cadena de respaldo configurada antes de la primera solicitud en producción, no después del primer 5xx.
Cómo decidir esta semana
Si tus cargas de trabajo caben en 500K tokens y no tienes interés en hacer una evaluación, Grok 4.7 es la opción defendible: está medido, es operativamente maduro desde septiembre y ofrece un control de razonamiento que un modelo puntuado te permite calibrar. Si tus cargas de trabajo son las específicas que necesitan más de medio millón de tokens —el monorepo, el conjunto completo de contratos, la transcripción que no deja de crecer—, entonces Qwen4-Max no solo es más barato: es el único de los dos que aceptará la solicitud siquiera, y la ausencia de un benchmark se convierte en un costo de hacer negocios en lugar de una razón para esperar. Si estás en un punto intermedio, la respuesta honesta es la que cuesta unos pocos dólares y una tarde: ejecuta ambos con tu propio tráfico y deja que una comparación de tareas terminadas se imponga a una comparación por token.
Comparados en este artículo1
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
