
Qwen4-Max vs Grok 4.7: Satu Juta Token Konteks versus Setengah Juta, dan Skor yang Menyertainya
- 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 · 96 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 87 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 · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 65 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 · 43 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 · 152 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 · 119 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 · 219 tok/s
Permintaan yang membaca 400.000 token riwayat repositori dan menulis patch 20.000 token biayanya $6,80 pada Qwen4-Max dengan harga daftar internasional dan $8,00 pada Grok 4.7 — dan hanya satu dari dua model itu yang telah menjalani evaluasi independen yang menyatakan apa pun tentang apakah model tersebut mampu melakukan pekerjaan itu. Itulah gambaran perbandingan ini dalam satu kalimat: Qwen4-Max milik {{1}}Alibaba{{/1}}, tersedia secara umum dengan kartu tarif yang dipublikasikan sejak 16 November 2026, lebih murah per token dan membawa jendela konteks dua kali lipat; Grok 4.7 milik SpaceXAI, dirilis pada 21 September 2026, adalah model yang memiliki skor terukur, empat tingkat penalaran yang dapat dipilih, dan riwayat operasional selama satu tahun di belakangnya. Fakta mana di antara keduanya yang lebih penting sepenuhnya bergantung pada apa yang dilakukan beban kerja Anda ketika kehabisan ruang.
Kedua model menerima teks dan menghasilkan teks, dengan input gambar sebagai tambahan; keduanya mendukung pemanggilan alat dan output terstruktur, serta keduanya berada dalam kisaran harga yang sama. Perbedaan yang tetap relevan saat dihadapkan pada beban kerja nyata adalah ruang konteks, ekonomi cache, bukti, dan cara masing-masing vendor memungkinkan Anda mengalokasikan komputasi untuk penalaran.

Apa masing-masingnya, dalam istilah pihak vendor sendiri
Qwen4-Max adalah model unggulan generasi keempat Alibaba, yang didokumentasikan sebagai model multimodal yang menerima teks, gambar, dan video serta menghasilkan teks. Batas yang dipublikasikan adalah jendela konteks 1.000.000 token, keluaran maksimum 131.072 token dalam mode non-thinking, dan anggaran gabungan thinking plus jawaban sebesar 262.144 token. Thinking aktif secara default dengan anggaran 131.072 token dan upaya penalaran diatur ke tinggi, yang merupakan postur default berbeda dari sebagian besar model unggulan Barat dan perlu diketahui sebelum Anda melakukan benchmark apa pun terhadapnya.
Grok 4.7 adalah model teks unggulan SpaceXAI saat ini, sebuah model penalaran dengan jendela konteks 500.000 token, batas pengetahuan Mei 2026, input gambar, dan empat tingkat penalaran termasuk pengaturan teratas yang baru. SpaceXAI tidak mempublikasikan jumlah parameter untuk model ini dan menggambarkan rilis tersebut sebagai model dasar yang lebih besar dengan proses reinforcement learning yang lebih panjang, bukan arsitektur baru. Harga daftarnya adalah $2,00 per juta token input, $6,00 per juta token output, dan $0,50 per juta token input yang di-cache.

Letakkan keduanya berdampingan pada dimensi-dimensi yang menentukan keputusan pembelian:
• Konteks — Qwen4-Max 1.000.000 token versus Grok 4.7 500.000 token
• Keluaran maksimum — Qwen4-Max 131.072 non-thinking, 262.144 total bersama thinking, versus batas atas keluaran yang dipublikasikan vendor untuk Grok 4.7, yang tidak dirinci secara terpisah dari konteks oleh SpaceXAI
• Harga input — Qwen4-Max $1,50 per 1 juta di Singapura, $1,413 di Frankfurt, Virginia, Tokyo, Hong Kong, dan Beijing, dibandingkan dengan Grok 4.7 $2,00
• Harga output — Qwen4-Max $4,50 Singapura, $4,24 di wilayah lain, dibandingkan Grok 4.7 $6,00
• Input di-cache — Qwen4-Max $0.075 untuk baca setelah tulis lima menit $1.875, versus Grok 4.7 $0.50 untuk baca
• Modalitas — input teks, gambar, dan video pada Qwen4-Max, versus input teks dan gambar pada Grok 4.7
• Skor independen — Qwen4-Max tidak ada yang diterbitkan, dibandingkan dengan Grok 4.7 pada 35.5 di Artificial Analysis Intelligence Index v5.0.1 pada upaya xhigh, 35.2 pada high, 31.1 pada low
• Bobot — keduanya tidak menerbitkan apa pun
Contoh yang telah dikerjakan, dengan perhitungan aritmetikanya ditampilkan
Perbandingan biaya antara model dengan desain cache yang berbeda adalah titik di mana sebagian besar tolok ukur yang dipublikasikan diam-diam menyesatkan, jadi berikut adalah tiga beban kerja yang sama yang dihitung biayanya secara menyeluruh pada kedua kartu tarif, menggunakan harga daftar internasional dan mengabaikan diskon yang dinegosiasikan.
• Pembacaan konteks panjang, tanpa penggunaan ulang — input 400K, output 20K: $0.60 input ditambah $0.09 output di Qwen4-Max Singapore, jadi $0.69; $0.80 ditambah $0.12 di Grok 4.7, jadi $0.92. Qwen4-Max 25% lebih murah.
• Loop agen dengan prefiks stabil — input 200K yang 180K di antaranya di-cache, output 10K, sepuluh putaran: Qwen4-Max menagih $0.0135 untuk pembacaan cache ditambah $0.03 untuk input baru ditambah $0.045 untuk output per putaran, total $0.885; Grok 4.7 menagih $0.09 untuk pembacaan cache ditambah $0.04 untuk input baru ditambah $0.06 untuk output per putaran, total $1.90. Selisihnya melebar menjadi lebih dari 2× karena tarif pembacaan cache berbeda hampir tujuh kali.
Klasifikasi massal, tanpa penalaran — 2K input, 200 output, 50.000 panggilan: $1,74 pada Qwen4-Max Singapore dan $2,60 pada Grok 4.7. Keduanya merupakan biaya kecil per seribu panggilan, dan keduanya didominasi oleh sisi output meteran.
Perhatikan apa yang tidak dikatakan baris pertama. Keunggulan harga 25% untuk pembacaan konteks panjang memang layak dimiliki, tetapi nilainya jauh lebih kecil daripada biaya jika jawabannya salah, dan model dengan skor yang dipublikasikan adalah model yang dapat Anda pertimbangkan secara nalar sebelum Anda mengeluarkan biaya apa pun. Harga per token adalah fakta tentang vendor; harga per tugas yang diselesaikan adalah fakta tentang model, dan belum ada yang mempublikasikan angka kedua untuk Qwen4-Max.
Di mana jendela 1M benar-benar mengubah keputusan
Menggandakan jendela konteks dari 500K menjadi 1M terdengar seperti klaim pemasaran sampai Anda menemui beban kerja spesifik yang berada di antara kedua angka tersebut. Tiga yang sering muncul dalam praktik: refaktor seluruh monorepo yang bagian relevannya adalah grafik dependensi 600K token, bukan satu file; tinjauan kontrak yang harus menampung seluruh perjanjian beserta lampiran dan amandemen sebelumnya dalam konteks sekaligus; dan sesi agen berjalan lama di mana yang bertambah besar adalah transkrip, bukan prompt.
Pada yang ketiga dari hal-hal itu, ekonomi cache lebih penting daripada jendela. Sesi yang menambahkan ke transkrip 300K token giliran demi giliran lebih sering membayar pembacaan cache daripada input baru, dan tarif baca Qwen4-Max sebesar $0.075 dibandingkan $0.50 milik Grok 4.7 adalah perbedaan struktural tunggal terbesar antara kartu tarif kedua vendor — lebih besar, dalam persentase, daripada perbedaan antara harga daftar mereka, yang hanya 25% pada input dan 25% pada output. Perhatikan juga biaya penulisan cache: Qwen4-Max mengenakan $1.875 per juta untuk mengisi entri cache lima menit, yang berada di atas harga inputnya sendiri, sehingga beban kerja yang menyimpan cache suatu prefiks yang hanya dibaca sekali membayar premi untuk melakukannya. Itu adalah desain untuk pembacaan berulang, bukan untuk prompt sekali pakai.
Jawaban Grok 4.7 untuk masalah yang sama berbeda secara jenis, bukan derajat: empat tingkat penalaran berarti Anda dapat menurunkan komputasi pada giliran yang tidak memerlukannya dan menaikkannya pada giliran yang memerlukan, dan SpaceXAI menetapkan harga yang sama untuk keempatnya. Itu adalah tuas yang diekspos Qwen4-Max sebagai nilai konfigurasi — upaya penalaran secara default disetel ke high, dengan anggaran berpikir 131,072 token — tetapi tanpa pengukuran independen atas manfaat setiap setelan, tuas itu lebih sulit ditarik dengan yakin.
Berapa kerugian yang Anda alami akibat tidak adanya benchmark dalam praktik
Angka 35,5 milik Grok 4.7 pada Index v5.0.1 bukanlah angka yang spektakuler. Angka itu jauh di bawah 46,5 milik Kimi K3.1 Pro pada versi indeks yang sama dan tertinggal dari model-model unggulan Barat teratas. Yang dilakukannya adalah memungkinkan Anda membandingkannya dengan sesuatu. Tim yang memilih antara dua model dengan skor dapat memutuskan dalam satu sore apakah model yang lebih murah cukup baik; tim yang memilih antara model berskor dan model tanpa skor harus membeli waktu evaluasi sebelum dapat memutuskan sama sekali.
Alibaba belum menerbitkan tabel benchmark apa pun untuk Qwen4-Max — bukan tabel yang dilaporkan vendor, bukan pula tabel independen. Tidak ada entri Qwen4 dalam indeks model Artificial Analysis, dan halaman per modelnya mengembalikan 404. Satu-satunya pernyataan kemampuan yang tersedia adalah dari dokumentasinya sendiri: penalaran mendalam, pemanggilan alat paralel, pencarian web, penyelesaian prefix, output terstruktur dengan mode JSON Object dan JSON Schema, serta caching prompt dalam bentuk eksplisit dan implisit. Itu semua adalah klaim fitur, dan klaim semacam itu biasanya benar. Semua itu bukan bukti kualitas pada tugas apa pun yang Anda pedulikan.
Jadi instruksi praktisnya adalah menjalankan evaluasi Anda sendiri sebelum beralih, dan mengukurnya secara jujur. Seratus prompt representatif dari trafik Anda sendiri, dinilai dengan rubrik apa pun yang sudah digunakan tim Anda, akan memberi tahu Anda lebih banyak tentang apakah Qwen4-Max menggantikan Grok 4.7 daripada papan peringkat mana pun — dan biayanya hanya beberapa dolar pada kartu tarif mana pun, karena sisi input dari kedua meteran tersebut adalah sisi yang murah.
Menempatkan keduanya di balik satu tombol
OrcaRouter mencantumkan Grok 4.7 sebagai grok/grok-4.7 dengan harga daftar SpaceXAI sendiri, $2,00 masuk dan $6,00 keluar per juta, diteruskan tanpa markup pada base URL yang kompatibel dengan OpenAI yang sama dengan katalog lainnya. Qwen4-Max tidak ada dalam katalog saat ini; model ini dapat diakses melalui API milik Aibaba sendiri, tempat harga regional di atas berlaku dan tempat kunci Singapura mendapatkan tarif $1,50. Sikap yang berguna selama Anda masih mengevaluasi adalah menjaga kedua rute tetap aktif dan membiarkan kebijakan perutean memutuskan per permintaan daripada mengikat jalur kode ke salah satunya.

Dua hal di lapisan perutean membuktikan kegunaannya di sini. Yang pertama adalah fusi model: panel yang menjawab prompt sulit dengan kedua model dan juri ketiga adalah cara tercepat untuk mengetahui apakah skor Qwen4-Max yang hilang menyembunyikan kesenjangan atau menyembunyikan kemenangan, dan ini membutuhkan dua panggilan alih-alih migrasi. Yang kedua adalah failover otomatis — model GA baru adalah tepat kasus di mana Anda ingin rantai fallback dikonfigurasi sebelum permintaan produksi pertama, bukan setelah 5xx pertama.
Bagaimana cara memutuskan minggu ini
Jika beban kerja Anda muat dalam 500K token dan Anda tidak berminat melakukan evaluasi, Grok 4.7 adalah pilihan yang dapat dipertahankan: hasilnya terukur, secara operasional sudah matang sejak September, dan menawarkan pengaturan penalaran yang dapat Anda kalibrasi lewat model yang telah dinilai. Jika beban kerja Anda adalah beban-beban spesifik yang membutuhkan lebih dari setengah juta token — monorepo, kumpulan kontrak lengkap, transkrip yang terus bertambah — maka Qwen4-Max bukan sekadar lebih murah, melainkan satu-satunya dari keduanya yang akan menerima permintaan itu sama sekali, dan tidak adanya tolok ukur menjadi biaya menjalankan bisnis alih-alih alasan untuk menunggu. Jika Anda berada di antara keduanya, jawaban jujurnya adalah jawaban yang membutuhkan beberapa dolar dan waktu satu sore: jalankan keduanya pada lalu lintas Anda sendiri, dan biarkan perbandingan tugas yang selesai mengalahkan perbandingan per token.
Dibandingkan dalam artikel ini1
Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari
