
Qwen4-Max vs Grok 4.5: Anda Membandingkan Model yang Dirilis Kemarin dengan Model yang Sudah Digantikan oleh Vendornya Sendiri
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 90 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 97 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 88 tok/s
- OrcaBARUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 133 tok/s
- OrcaBARUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 juta token · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 juta token · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Kecerdasan
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Kecerdasan
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 juta token · 185 tok/s
Buka halaman model untuk Grok 4.5 di Artificial Analysis dan hal pertama yang tampil di layar bukanlah benchmark. Itu adalah pemberitahuan: model ini sudah usang, SpaceXAI telah merilis versi yang lebih baru, Grok 4.6, dan Anda sebaiknya mempertimbangkan versi itu sebagai gantinya. Halaman tersebut masih memuat pengukuran — 10.45 detik ke token jawaban pertama, 65 token per detik, jendela konteks 500k, $2.00 untuk input dan $6.00 untuk output per juta — tetapi tidak lagi memuat skor kecerdasan sama sekali, dan frekuensi benchmark telah turun dari setiap enam jam menjadi setiap delapan belas jam. Qwen4-Max, sebaliknya, telah dijual sejak 16 November 2026 dan baru berumur satu hari. Membandingkan model berumur satu hari dengan model yang sudah digantikan adalah hal aneh untuk dilakukan secara sengaja, dan itulah tepatnya alasan mengapa hal itu layak dilakukan: perbandingan ini tidak banyak memberi tahu Anda tentang model mana yang lebih baik, melainkan tentang seberapa cepat argumen efisiensi token yang membenarkan Grok 4.5 telah tersusul.
Apa sebenarnya masing-masing model, satu hari menjalani salah satu kehidupan mereka

• Vendor — Alibaba vs SpaceXAI, yang mengganti nama lini Grok pada pertengahan tahun
• Dirilis — Qwen4-Max pada 16 November 2026 vs Grok 4.5 pada 8 Juli 2026, digantikan oleh Grok 4.6
• Harga per juta token — $1.50 masuk / $4.50 keluar vs $2.00 masuk / $6.00 keluar
• Pembacaan cache — $0,075 per juta untuk Qwen4-Max vs $0,30 per juta untuk Grok 4.5
• Jendela konteks — 1.000.000 token dibandingkan 500.000
• Output maksimum — 131,072 token non-thinking, 262,144 dibagi dalam mode thinking vs 64,000 yang didokumentasikan
• Modalitas input — teks, gambar, dan video vs teks, gambar, dan file
• Skor indeks independen — 43 untuk Qwen4-Max vs tidak ada yang dipublikasikan untuk Grok 4.5
• Status penghentian — unggulan saat ini vs digantikan, dengan penerus pada kartu yang sama
Tiga baris terakhir adalah artikelnya. Kartu Qwen4-Max lebih besar pada setiap sumbu yang dapat diukur oleh lembar spesifikasi, dan pada kartu Grok 4.5 terdapat catatan yang menyatakan bahwa ada versi yang lebih baik dengan harga yang sama.

Mengapa masih ada orang yang memilih 4.5, dan mengapa alasan itu semakin menyusut
Argumen untuk Grok 4.5 tidak pernah soal kemampuan mentah. Argumennya adalah token: model itu dibangun di atas fondasi 1,5 triliun parameter yang dilatih bersama editor pemrograman dan dipasarkan berdasarkan kemampuannya menyelesaikan tugas-tugas rekayasa perangkat lunak dengan token keluaran jauh lebih sedikit daripada model frontier sebanding, pada harga yang diposisikan untuk produksi bervolume tinggi. Itu adalah proposisi yang benar-benar bagus, dan itu adalah proposisi yang sama yang ditawarkan Alibaba untuk Qwen4-Max — 24% hingga 35% lebih sedikit token keluaran daripada pendahulunya, 48% hingga 49% lebih sedikit pada Terminal-Bench 4.0, biaya rata-rata per tugas turun dari $4.43 menjadi $1.67.
Dengan kata lain, kedua vendor itu menjual penghematan. Perbedaannya, salah satu klaim ini akan segera diuji secara terus-menerus, sedangkan yang lain sudah tidak lagi diuji sesering sebelumnya. Artificial Analysis masih menjalankan Grok 4.5, tetapi setiap delapan belas jam alih-alih setiap enam jam—cara sopan untuk mengatakan bahwa model itu telah beralih dari cakupan ke pemeliharaan. Model yang perilakunya disampel seperempat sesering model lain adalah model yang regresinya ditemukan seperempat secepat model lain.
Ada alasan yang bisa dipertahankan untuk tetap memasukkannya ke dalam katalog: model itu stabil, murah, jendela 500k-nya mencakup sebagian besar pekerjaan, dan tidak menuntut Anda mengubah apa pun. Itulah argumen untuk setiap pemain yang sedang berkuasa. Argumen itu berhenti bisa dipertahankan begitu tersedia penerus dengan jendela konteks yang sama dan harga dasar yang sama, karena pada titik itu satu-satunya keunggulan yang tersisa bagi pemain lama adalah bahwa Anda belum bermigrasi.
Satu-satunya sumbu di mana Grok 4.5 memiliki angka yang dipublikasikan dan Qwen4-Max tidak
Latensi. Berdasarkan pengukuran Artificial Analysis, Grok 4.5 menjawab dalam 10,45 detik dan melakukan streaming pada 65 token per detik. Angka-angka itu tidak mencolok dibandingkan model frontier modern — Claude Opus 5.5 membutuhkan 352 detik untuk token pertama pada upaya maksimal, GPT-6.1 Sol 169 detik — tetapi angka-angka itu ada, dapat direproduksi, dan Anda dapat merencanakan kapasitas berdasarkan angka tersebut.
Qwen4-Max tidak memiliki angka latensi yang dipublikasikan di mana pun. Artificial Analysis mencantumkan skor indeksnya, kartu harganya, dan total tokennya, tetapi membiarkan kolom performa kosong: tidak ada waktu per tugas, tidak ada laju output, tidak ada waktu hingga token pertama. Materi peluncuran Alibaba mempublikasikan jumlah token, yang merupakan kuantitas berbeda, dan model yang menulis setengah jumlah token sambil berjalan dengan kecepatan yang sama menyelesaikan tugas dalam setengah waktu — kedua klaim tersebut tidak dapat saling dipertukarkan.
Jadi, keadaan jujur dari perbandingan pada 17 November adalah bahwa model lama yang sudah digantikan adalah model yang waktu aktualnya bisa Anda anggarkan, sedangkan model baru adalah model yang harus Anda ukur sendiri. Untuk pipeline batch, itu pekerjaan satu sore. Untuk produk interaktif, itu alasan untuk menjalankan Qwen4-Max di belakang fallback, bukan di depannya.
Batas 200.000 token, sambil lalu
Grok 4.5 diberlakukan tarif berjenjang berdasarkan panjang prompt: hingga 200.000 token input, biayanya $2,00 dan $6,00, dan di atas itu tarifnya berlipat ganda menjadi $4,00 dan $12,00. Qwen4-Max menjual satu tingkatan dari nol hingga batas konteks. Karena jendela konteks Grok 4.5 adalah 500k dan tingkatan murahnya berhenti di 200k, 300k bagian atas dari jendelanya sendiri ditagih dengan tarif dua kali lipat dari yang diiklankan — detail yang pengaruhnya lebih kecil daripada jika hal itu terjadi pada model 1M token, dan agak lebih besar daripada yang disiratkan oleh angka $2,00 di judul.
Niche tempat model yang telah digantikan masih menjadi jawaban yang tepat memang sempit tetapi nyata: beban kerja yang terpaku pada efisiensi tokennya, sudah disetel terhadap prompt 200k-token, dan tidak sepadan untuk divalidasi ulang. Jika itu Anda, Grok 4.6 memiliki jendela konteks, permukaan masukan, dan harga dasar yang sama, sehingga migrasinya hanyalah mengganti pengenal model, bukan sebuah proyek.
Video adalah baris yang mengakhiri perbandingan bagi sebagian tim
Qwen4-Max menerima teks, gambar, dan video. Grok 4.5 menerima teks, gambar, dan file. Pratinjau Hy4 milik Tencent, Opus 5.5 milik Anthropic, dan Sol milik OpenAI semuanya membaca file, bukan video, yang membuat Qwen4-Max tidak biasa, bukan sekadar lebih baru: untuk pekerjaan tingkat frame — triase rekaman, analisis rekaman layar, apa pun yang memiliki linimasa — sisa perbandingan ini tidak relevan, karena tidak ada yang bisa dibandingkan.
Sisi lainnya adalah bahwa budget output berpikir Qwen4-Max yang didokumentasikan adalah 262,144 token yang dibagi bersama antara jejak penalaran dan jawaban yang terlihat, dengan budget berpikir default 131,072 dan reasoning_effort yang default-nya high. Pekerjaan analisis video yang bernalar panjang akan menghabiskan sebagian berarti dari budget jawaban untuk penalaran. Sesuaikan ukuran output terhadap 131,072, bukan terhadap angka konteks 1M pada daftar.

Menjalankan pasangan tersebut, dan apa yang bisa diperoleh dengan "satu kunci" di masing-masing sisi
OrcaRouter merutekan Grok 4.5 dengan $2,00 untuk input dan $6,00 untuk output per juta hingga batas 200.000 token serta $4,00 dan $12,00 di atasnya — kartu milik vendor sendiri, diteruskan dengan markup 0% — dan juga merutekan penerusnya sebagai Grok 4.6 dengan tarif dasar yang sama, yang membuat migrasi 4.5 ke 4.6 perubahan pada satu bidang dalam aturan perutean alih-alih integrasi baru. Kunci yang sama menjangkau Claude Opus 5.5, GPT-6.1 Sol, Qwen3.8-Max dan Tencent HY4 Preview.
Qwen4-Max tidak ada dalam daftar itu. Katalog belum memasukkan generasi Qwen4, jadi rute Qwen4-Max untuk saat ini adalah kunci Alibaba langsung, dan cara jujur untuk menggambarkan pengaturan ini adalah satu endpoint untuk semua yang mungkin Anda gunakan sebagai cadangan, ditambah satu kredensial langsung untuk model yang sedang Anda evaluasi.
Pembagian itu tetap menjadi cara murah untuk menjawab pertanyaan yang diajukan artikel ini. Arahkan rute Grok 4.5 dan rute Grok 4.6 ke trafik yang sama, terbitkan perbandingannya berdasarkan permintaan Anda sendiri, dan pertahankan Qwen4-Max di sampingnya sebagai cabang ketiga dengan failover otomatis antarpenyedia di belakangnya. Alternatifnya — menonaktifkan jalur yang berfungsi untuk menguji model yang latensinya tidak dipublikasikan — adalah cara tim akhirnya melakukan rollback pada pukul 2 dini hari.
Apa yang harus dilakukan dengan model yang ada pemberitahuannya?
Pemberitahuan di halaman Grok 4.5 bukanlah obituari. Model itu tetap berjalan, harganya kompetitif, dan jendela 500k-nya lebih dari yang dibutuhkan sebagian besar tugas. Namun perbandingan antara model itu dan Qwen4-Max sebenarnya bukanlah pilihan antara dua opsi: ini adalah pilihan antara kualitas yang sudah diketahui yang sedang dihentikan secara bertahap dan kualitas yang belum diketahui yang baru saja hadir, dan faktor penentunya adalah toleransi Anda untuk mengukur berbagai hal sendiri.
Tiga hal yang perlu diperhatikan, secara berurutan. Angka latensi independen apa pun untuk Qwen4-Max, yang merupakan satu-satunya input yang hilang dalam perbandingan ini. Apakah Alibaba merevisi anggaran berpikir 262.144 token bersama begitu lalu lintas agen tiba. Dan apakah Grok 4.5 sama sekali tetap berada di papan peringkat setelah titik ketika penerusnya telah menjalani uji soak — karena pemberitahuan deprekasi biasanya adalah paragraf pertama dari tanggal pensiun.
Dibandingkan dalam artikel ini1
Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari
