
Qwen 4 vs Grok 4.7: la línea de los 200.000 tokens decide este enfrentamiento
- 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 · 97 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 · 126 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 · 44 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 · 147 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 · 123 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
Grok 4.7 y Qwen4-Max se facturan ambos a dos dólares de entrada y seis dólares de salida por millón de tokens, pero solo Grok 4.7 se mantiene ahí. Nuestro propio registro de catálogo de Grok 4.7 recoge dos tramos de entrada, 2,00 $/6,00 $ hasta un prompt de 200.000 tokens y 4,00 $/12,00 $ a partir de ahí, mientras que Qwen4-Max se sitúa en 1,50 $ de entrada y 4,50 $ de salida por millón en toda su ventana de 1.000.000 de tokens. Esa única diferencia estructural vale más que los ocho puntos de índice que los separan sobre el papel, porque el trabajo con contexto largo es precisamente aquello para lo que se venden ambos modelos. Una nota sobre los nombres antes que nada, ya que los dos se confunden constantemente: Qwen 4 es el nombre de generación que usa Alibaba, y Qwen4-Max es el único miembro de ella disponible hoy —lanzado el 16 de noviembre de 2026, con versiones más pequeñas prometidas para código abierto y sin fecha concretada. Grok 4.7 se comercializa desde el 21 de septiembre de 2026. Esta es una comparación de precios y de evidencia, no un informe de lanzamiento de ninguno de los dos.
La forma de los dos modelos, brevemente
Qwen4-Max es el buque insignia de cuarta generación de Alibaba, un modelo disperso de mezcla de expertos con una columna vertebral de 2,4 billones de parámetros, 71 mil millones de parámetros activos por token y otros 328 mil millones de parámetros de embedding de N-gramas. Acepta texto, imágenes y vídeo, devuelve texto y cuenta con una ventana de contexto de un millón de tokens. El pensamiento está activado de forma predeterminada y el modelo comparte un presupuesto de 262.144 tokens entre su razonamiento y su respuesta final, por lo que una respuesta de 131.072 tokens solo está disponible si el pensamiento cabe en la otra mitad.
Grok 4.7 es el modelo insignia de texto actual de SpaceXAI. Es un modelo de razonamiento con un contexto de 500,000 tokens, hasta 450,000 tokens de salida, entrada de texto e imágenes y tres niveles de razonamiento seleccionables. 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.
En cuanto a las dimensiones que determinan una compra:
• Contexto — Qwen4-Max 1.000.000 de tokens vs Grok 4.7 500.000
• Salida máxima — Qwen4-Max 262,144 compartidos con el pensamiento, o 131,072 con el pensamiento suprimido, frente a Grok 4.7 450,000
• Precio de entrada hasta 200K — Qwen4-Max $1.50 vs Grok 4.7 $2.00 por 1M
• Precio de salida hasta 200K — Qwen4-Max $4.50 vs Grok 4.7 $6.00 por 1M
• Precio de entrada por encima de 200K: Qwen4-Max sigue en $1.50 frente a Grok 4.7 $4.00; salida $4.50 frente a $12.00
• Lectura en caché — Qwen4-Max $0.075 frente a Grok 4.7 $0.50 por debajo de 200K, $1.00 por encima
• Modalidad — Qwen4-Max texto, imagen y vídeo de entrada frente a Grok 4.7 texto e imagen de entrada
• Puntuación independiente — Qwen4-Max 43 en el Artificial Analysis Intelligence Index, puesto 38 de 81, frente a Grok 4.7 con 35, puesto 46 de 81
• Pesos — ninguno de los dos proveedores publica ninguno
Lo que realmente cuesta una solicitud de 400.000 tokens
Asume la carga de trabajo que ambos modelos invitan a abordar: leer un repositorio grande o un extenso conjunto de evidencias y, a continuación, escribir un parche o un informe sustancial. 400.000 tokens de entrada, 20.000 tokens de salida, sin reutilización de caché.
En Qwen4-Max, con la tarifa internacional de $1.413 por millón de entrada y $4.24 de salida, eso es $0.565 de entrada y $0.085 de salida, aproximadamente $0.65. Con la tarifa de Singapur de $1.50/$4.50, son $0.69.
En Grok 4.7, la misma solicitud nunca llega al nivel económico, porque 400.000 es el doble del umbral. Cobra {{1}}$1,60 de entrada y $0,24 de salida{{/1}}: {{2}}$1,84{{/2}}. La proporción es de 2,7 a uno, y no es un artefacto de redondeo: es la diferencia entre una tarifa plana y una tarifa con un escalón.
Si se reduce la solicitud a 150.000 de entrada y 15.000 de salida, el panorama cambia de carácter. Qwen4-Max Singapore: $0,225 más $0,0675, unos $0,29. Grok 4.7 en el nivel uno: $0,30 más $0,09, unos $0,39. Una diferencia del 25 %, nada llamativa, más o menos lo que sugieren los precios anunciados. Las dos tarjetas solo se separan de forma violenta en las cargas de trabajo en las que una de ellas cambia de nivel.
Esa es la aritmética que las páginas de marketing omiten. Cuando un proveedor anuncia un precio y luego añade un nivel de contexto largo, la comparación honesta es por carga de trabajo, no por token, porque el límite del nivel cae justo donde se supone que el producto resulta útil.
El bucle del agente es donde el diseño de la caché importa más que el precio.
Los lectores de contexto largo rara vez hacen una sola llamada; hacen diez contra un prefijo estable. Considera un prompt de 200.000 tokens, de los cuales 180.000 son almacenables en caché, 10.000 son entrada nueva y 10.000 son salida, a lo largo de diez turnos.
Qwen4-Max factura, por turno, $0.027 de entrada nueva, $0.0135 de lecturas de caché a $0.075 y $0.045 de salida: $0.0855, es decir, $0.855 por la ejecución. La escritura de caché en sí se cobra una sola vez, a $1.875 por millón para un almacenamiento de cinco minutos, y es lo bastante pequeña a este tamaño como para ignorarla.
Grok 4.7 cobra $0.04 de entrada nueva, $0.09 de lecturas de caché a $0.50 y $0.06 de salida — $0.19 por turno, $1.90 por la ejecución. Solo la tarifa de lectura de caché es casi siete veces la de Qwen4-Max, y por eso la diferencia se multiplica por más de dos aunque aquí ninguno de los dos modelos está en su nivel de precios alto.
Si gestionas esto a través de un único endpoint en lugar de dos contratos con proveedores, la capa de enrutamiento no modifica ninguno de esos números: un margen del 0 por ciento significa que el precio de lista del proveedor se traslada sin modificaciones, de modo que una rebaja de precio del proveedor llega a tu factura el mismo día en que se publica, y no en la siguiente renovación del contrato. Ese es el argumento para mantener una combinación de modelos detrás de una única clave, y es el único argumento de este artículo que trata sobre nuestro producto y no sobre el suyo.
Dónde Grok 4.7 sigue ganando de forma rotunda
Dos lugares, y ninguno de los dos es pequeño.
La primera es la longitud de salida. Grok 4.7 publica un límite de salida de 450.000 tokens. Qwen4-Max no publica un límite de salida separado; tiene un presupuesto de 262.144 tokens compartido con su propio razonamiento, y con el razonamiento suprimido el límite es de 131.072. Para trabajos que producen un artefacto largo en lugar de una respuesta breve —una base de código generada, un borrador legal extenso, un corpus transcrito y analizado—, la diferencia no tiene que ver con la calidad. Tiene que ver con si el trabajo se completa en una sola llamada o debe procesarse por bloques.
El segundo es evidencia medida en el extremo superior. Grok 4.7 ha estado en el Artificial Analysis Intelligence Index desde septiembre y tiene tres lecturas de esfuerzo de razonamiento: 35 en xhigh, 35 en high, 31 en low, con el tiempo hasta el primer token de respuesta pasando de 52,9 segundos en la configuración más alta a 10,6 segundos en la más baja. Qwen4-Max tiene una única puntuación de índice publicada de 43 y, en el momento de escribir esto, no tiene velocidad de salida ni tiempos por tarea en el mismo panel. Un 43 frente a un 35 es una ventaja real, pero una puntuación sin una lectura de velocidad no te dice nada sobre si el modelo es práctico para tu presupuesto de latencia.
Hay una tercera asimetría que es fácil pasar por alto: el control de esfuerzo de Grok 4.7 es una palanca de coste que se puede accionar por solicitud, y sus tiempos publicados muestran cuánto te cuesta en espera cada ajuste. Qwen4-Max también expone el esfuerzo de razonamiento, pero Alibaba describe el ahorro solo en términos relativos: el uso de tokens baja un 24 por ciento en xhigh y un 35 por ciento en high en su suite Work360, y un 48 y un 49 por ciento en Terminal-Bench 4.0, todo medido frente a Qwen3.8-Max en lugar de publicarse como una tabla de tarifas por nivel de esfuerzo. Reportado por el proveedor, no reproducido y relativo a un modelo diferente: útil como orientación, inútil como dato para el presupuesto.
Donde Qwen4-Max gana sin discusión
Contexto y la forma del medidor.
Un millón de tokens frente a medio millón no es duplicar una especificación; cambia qué trabajos encajan. Hay tres que se sitúan entre ambas cifras: una refactorización de todo el monorepo en la que la porción relevante son 600.000 tokens de grafo de dependencias e historial; un ejercicio de descubrimiento sobre un conjunto de documentos que debe leerse entero en lugar de recuperarse; y un agente 24/7 que acumula estado a lo largo de una jornada laboral sin resumir. Qwen4-Max encaja en los tres. Grok 4.7 no encaja en ninguno de ellos en una sola llamada, y meter 600.000 tokens en él implica o bien recuperación o bien el nivel de $4/$12 — con un precio exactamente en el punto en el que la brecha de 2,7× se vuelve difícil de defender.
La tarifa plana también hace posible la previsión. El responsable del presupuesto puede multiplicar los tokens por una única tarifa y acertar. Una tarifa escalonada implica que el modelo financiero tiene que adivinar la distribución de la longitud de los prompts, lo que en la práctica significa que la estimación falla en la dirección costosa.
Y la puntuación independiente, tal como es, favorece a Qwen4-Max: 43 frente a 35 en la misma tabla. La salvedad es real —un modelo de apenas unos días ha recibido mucha menos revisión, y un único agregado del índice oculta una enorme variación entre tareas—, pero la dirección no es ambigua.

Lo que ninguno de los dos modelos te dice
Ninguno de los dos proveedores publica los pesos, así que ninguno puede alojarse por cuenta propia, auditarse ni fijarse a una versión que usted controle. SpaceXAI no publica ningún recuento de parámetros para Grok 4.7. Alibaba publica una descripción de la arquitectura de Qwen4-Max —capas DeltaNet con compuertas intercaladas con un mecanismo de atención dispersa, cuatro ramas residuales paralelas con compuertas dinámicas y una tabla de embeddings de N-gramas—, pero no los pesos.
Las cifras de referencia de ninguno de los dos proveedores están auditadas de forma independiente como lo está el índice. La cifra de Work360 de Alibaba, 52.69 frente a 47.74 de Qwen3.8-Max, su afirmación de que el coste medio por tarea cayó de $4.43 a $1.67, y su bits por byte entre un 5 y un 13 por ciento inferior en cinco checkpoints base son todas de primera parte y no replicadas. Las ventajas de Grok 4.7 están igualmente indocumentadas más allá del índice: no hay un coste por tarea publicado por SpaceXAI, solo un precio por token.
La única cifra de costo independiente que existe va en contra de la opción más barata. Artificial Analysis sitúa a Qwen4-Max en 3,27 dólares por tarea del Índice de Inteligencia, y su perfil de Grok 4.7 no incluye ninguna cifra comparable. Léalo con atención: el modelo que parece más barato aquí es el que tiene un costo documentado por tarea, y el otro simplemente no está medido. No es evidencia de que Qwen4-Max sea caro. Es evidencia de que solo uno de estos dos ha sido costeado de principio a fin por alguien.
Cómo elegir
Si tus prompts superan habitualmente los 200.000 tokens, Qwen4-Max es el modelo más económico por un factor que crece con la longitud, y la estructura por niveles de Grok 4.7 hace que el instinto habitual de «simplemente enviar más contexto» se vuelva caro rápidamente. Dirige el trabajo de contexto largo a Qwen4-Max.
Si tu trabajo consiste en emitir un artefacto muy largo en una sola llamada, el techo de salida de 450.000 tokens de Grok 4.7 es el número decisivo y el presupuesto compartido de 262.144 de Qwen4-Max es el factor descalificador. Fragmentar una generación no es una solución neutral; te cuesta coherencia en las costuras.
Si necesitas una cifra de latencia antes de comprometerte, Grok 4.7 ha publicado cifras en tres niveles de esfuerzo y Qwen4-Max no. Esa asimetría se cerrará a medida que las pruebas independientes se pongan al día, pero hoy es una razón para hacer un piloto en lugar de estandarizar.
Si ya utiliza Grok 4.7 y la pregunta es si debería añadir Qwen4-Max, la respuesta honesta es añadirlo de forma selectiva: lecturas de contexto largo, entrada de vídeo y trabajo por lotes sensible al costo, mientras deja la generación de formato largo en el modelo con un límite de salida documentado. Dos modelos detrás de una sola clave le cuestan una regla de enrutamiento, no una migración, y significa que una mala semana en cualquiera de los proveedores es una conmutación por error en lugar de una interrupción.

El marcador, con sus fuentes adjuntas
El dato que separa con mayor claridad a estos modelos no es la puntuación del índice, sino el precio a 400.000 tokens. Qwen4-Max, 0,69 $; Grok 4.7, 1,84 $, según la tarifa internacional publicada por cada proveedor. Todo lo demás en esta comparación es una cuestión de criterio sobre la evidencia y el margen disponible.
Una palabra sobre las puntuaciones del índice, porque se citarán fuera de contexto. El 43 y el 35 proceden de la misma tabla de Artificial Analysis, consultada el 17 de noviembre de 2026. Son comparables entre sí. No son comparables con el 55 que Kimi K3.1 Pro obtuvo con una rúbrica anterior, y cualquier artículo que ponga esas dos cifras en la misma frase está comparando dos pruebas diferentes. Las cifras del proveedor —Work360, las reducciones de tokens, las diferencias en bits por byte— son de Alibaba y no cuentan con ninguna verificación de terceros.
Una cosa más que conviene saber antes de planificar una factura en torno al 43: la puntuación es un único ajuste de esfuerzo. Alibaba lo entrega con el modo de pensamiento activado por defecto, con un presupuesto de 131.072 tokens y el esfuerzo configurado en alto, y las pruebas independientes aún no han publicado qué puntuación obtiene el modelo con esfuerzo bajo ni qué ahorraría eso. Hasta que lo hagan, trata el 43 como el precio de la postura predeterminada del modelo en lugar de un dial que puedas bajar.
Ambas tarjetas, en una sola ruta
Vale la pena señalar la diferencia operativa entre leer dos tarifas y ejecutar dos modelos, porque es menor de lo que sugiere la brecha de precios. grok/grok-4.7 es uno de los 215 identificadores que servimos, al precio de lista del proveedor sin añadir nada, así que su límite de nivel y su tarifa de caché son los que SpaceXAI publique ese día. Qwen4-Max no es uno de ellos; se enruta a través de la propia API de Model Studio de Alibaba. La consecuencia práctica es que la estrategia mixta defendida más arriba —lectura de contexto largo en Qwen4-Max, generación de textos largos en Grok 4.7— requiere una relación con un proveedor para cada lado, y una regla de enrutamiento solo es tan buena como los dos endpoints que la sustentan.

Comparados en este artículo1
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
