Kartu judul yang dihasilkan bertuliskan Qwen 4 vs Grok 4.7, dengan subjudul Di mana batas 200.000 token mengubah tagihan, sumbu panjang prompt yang ditandai pada 200.000 token, dan dua kartu harga bertuliskan $1.50 masuk / $4.50 keluar, satu tarif tetap untuk Qwen4-Max, dan $4 masuk / $12 keluar di atas 200K untuk Grok 4.7.
Guides & Insights

Qwen 4 vs Grok 4.7: Batas 200.000 Token Menentukan Pertarungan Ini

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Grok 4.7 dan Qwen4-Max keduanya ditagih dua dolar masuk dan enam dolar keluar per juta token — tetapi hanya Grok 4.7 yang tetap di harga itu. Catatan katalog kami sendiri untuk Grok 4.7 memuat dua tingkat input, $2.00/$6.00 hingga prompt 200.000 token dan $4.00/$12.00 setelahnya, sedangkan Qwen4-Max berada pada $1.50 input dan $4.50 output per juta di seluruh jendela 1.000.000 token-nya. Perbedaan struktural tunggal itu bernilai lebih daripada delapan poin indeks yang memisahkan keduanya di atas kertas, karena pekerjaan berkonteks panjang justru merupakan pekerjaan yang menjadi alasan kedua model ini dijual. Catatan tentang nama sebelum hal lain, karena keduanya terus-menerus dicampuradukkan: Qwen 4 adalah nama generasi yang digunakan Alibaba, dan Qwen4-Max adalah satu-satunya anggotanya yang dapat Anda gunakan hari ini — dirilis 16 November 2026, dengan tier yang lebih kecil dijanjikan untuk open source dan tanpa tanggal pasti. Grok 4.7 telah tersedia sejak 21 September 2026. Ini adalah perbandingan harga dan bukti, bukan laporan peluncuran untuk salah satu dari keduanya.

Bentuk kedua model, secara singkat

Qwen4-Max adalah model unggulan generasi keempat Alibaba, sebuah model sparse mixture-of-experts dengan backbone 2,4 triliun parameter, 71 miliar parameter aktif per token, dan 328 miliar parameter tambahan untuk embedding N-gram. Model ini menerima teks, gambar, dan video, menghasilkan teks, serta memiliki jendela konteks satu juta token. Thinking aktif secara default, dan model ini berbagi anggaran 262.144 token antara penalaran dan jawaban akhirnya — jadi jawaban 131.072 token hanya tersedia jika thinking muat di separuh lainnya.

Grok 4.7 adalah model unggulan teks SpaceXAI saat ini. Ini adalah model penalaran dengan konteks 500.000 token, hingga 450.000 token keluaran, masukan teks dan gambar, serta tiga tingkat penalaran yang dapat dipilih. SpaceXAI tidak menerbitkan jumlah parameternya dan menggambarkan rilis ini sebagai model dasar yang lebih besar dengan proses pembelajaran penguatan yang lebih panjang, bukan arsitektur baru.

Pada dimensi yang menentukan pembelian:

• Konteks — Qwen4-Max 1.000.000 token vs Grok 4.7 500.000

• Output maksimum — Qwen4-Max 262.144 dibagi dengan thinking, atau 131.072 dengan thinking ditekan, vs Grok 4.7 450.000

• Harga input hingga 200K — Qwen4-Max $1,50 vs Grok 4.7 $2,00 per 1 juta

• Harga output hingga 200K — Qwen4-Max $4.50 vs Grok 4.7 $6.00 per 1 juta

• Harga input di atas 200K — Qwen4-Max tetap $1.50 vs Grok 4.7 $4.00; output $4.50 vs $12.00

• Pembacaan cache — Qwen4-Max $0.075 vs Grok 4.7 $0.50 di bawah 200K, $1.00 di atas

• Modalitas — Qwen4-Max dengan input teks, gambar, dan video vs Grok 4.7 dengan input teks dan gambar

• Skor independen — Qwen4-Max 43 pada Artificial Analysis Intelligence Index, peringkat 38 dari 81, vs Grok 4.7 pada 35, peringkat 46 dari 81

• Bobot — tidak ada vendor yang mempublikasikannya

Berapa biaya sebenarnya dari permintaan 400.000 token

Ambil beban kerja yang diminta kedua model: baca repositori besar atau bundel bukti yang panjang, lalu tulis patch atau laporan yang substansial. 400.000 token masukan, 20.000 token keluaran, tanpa penggunaan ulang cache.

Pada Qwen4-Max dengan tarif internasional $1,413 per juta token masukan dan $4,24 token keluaran, itu berarti $0,565 untuk masukan dan $0,085 untuk keluaran, sekitar $0,65. Dengan tarif Singapura $1,50/$4,50, menjadi $0,69.

Pada Grok 4.7, permintaan yang sama tidak pernah menyentuh tier murah, karena 400.000 adalah dua kali batasnya. Biayanya $1,60 untuk input dan $0,24 untuk output: $1,84. Rasionya 2,7 banding 1, dan itu bukan artefak pembulatan — itu adalah perbedaan antara kartu tarif datar dan kartu tarif dengan tingkatan di dalamnya.

Turunkan permintaan menjadi 150.000 input dan 15.000 output, maka gambarnya berubah karakter. Qwen4-Max Singapore: $0,225 ditambah $0,0675, sekitar $0,29. Grok 4.7 pada tier satu: $0,30 ditambah $0,09, sekitar $0,39. Selisih 25 persen, biasa saja, kira-kira seperti yang tersirat dari harga headline. Kedua kartu hanya terpisah secara drastis pada beban kerja ketika salah satunya berganti tier.

Itulah aritmetika yang dilewatkan halaman pemasaran. Ketika vendor mengiklankan harga lalu menambahkan tier konteks panjang, perbandingan yang jujur adalah per beban kerja, bukan per token, karena batas tier itu tepat berada di titik produk seharusnya berguna.

Loop agen adalah tempat di mana desain cache lebih penting daripada harga

Pembaca konteks panjang jarang melakukan satu panggilan; mereka melakukan sepuluh panggilan terhadap prefiks yang stabil. Pertimbangkan prompt 200.000 token yang 180.000 di antaranya dapat di-cache, 10.000 input baru, 10.000 output, selama sepuluh giliran.

Qwen4-Max menagih, per giliran, $0.027 untuk input baru, $0.0135 untuk pembacaan cache dengan tarif $0.075, dan $0.045 untuk output — $0.0855, jadi $0.855 untuk satu eksekusi. Penulisan cache itu sendiri dikenakan biaya sekali, sebesar $1.875 per juta untuk penyimpanan lima menit, dan cukup kecil pada ukuran ini untuk diabaikan.

Grok 4.7 menagih $0,04 untuk input baru, $0,09 untuk pembacaan cache seharga $0,50, dan $0,06 untuk output — $0,19 per giliran, $1,90 untuk satu eksekusi. Tarif pembacaan cache saja hampir tujuh kali lipat tarif Qwen4-Max, itulah sebabnya selisihnya lebih dari dua kali lipat meskipun tidak ada model yang berada di tingkat mahal di sini.

Jika Anda menjalankan ini melalui satu endpoint alih-alih dua kontrak vendor, lapisan perutean tidak mengubah angka-angka itu — markup 0 persen berarti harga daftar penyedia diteruskan tanpa perubahan, sehingga penurunan harga vendor langsung terlihat pada tagihan Anda pada hari yang sama saat dipublikasikan, bukan pada perpanjangan kontrak berikutnya. Itulah argumen untuk mempertahankan campuran model di balik satu kunci, dan itu satu-satunya argumen dalam artikel ini yang membahas produk kami, bukan produk mereka.

Di mana Grok 4.7 masih menang mutlak

Dua tempat, dan keduanya tidak kecil.

Yang pertama adalah panjang output. Grok 4.7 mencantumkan batas output 450.000 token. Qwen4-Max tidak mencantumkan batas output terpisah; ia memiliki anggaran 262.144 token yang dibagi dengan thinking-nya sendiri, dan dengan thinking dimatikan batasnya adalah 131.072. Untuk pekerjaan yang menghasilkan artefak panjang alih-alih jawaban singkat — basis kode yang dihasilkan, draf hukum panjang, korpus yang ditranskripsikan dan dianalisis — perbedaannya bukan soal kualitas. Ini soal apakah pekerjaan selesai dalam satu panggilan atau harus dipecah menjadi beberapa bagian.

Yang kedua adalah bukti terukur di kelas atas. Grok 4.7 telah berada di Artificial Analysis Intelligence Index sejak September dan memiliki tiga nilai upaya penalaran: 35 pada xhigh, 35 pada high, 31 pada low, dengan waktu hingga token jawaban pertama bergerak dari 52,9 detik pada pengaturan tertinggi ke 10,6 detik pada pengaturan terendah. Qwen4-Max memiliki satu skor indeks yang dipublikasikan sebesar 43 dan, hingga saat penulisan ini, tidak memiliki kecepatan keluaran atau waktu per tugas pada papan yang sama. Skor 43 versus 35 adalah keunggulan nyata, tetapi skor tanpa pembacaan kecepatan tidak memberi tahu apa pun tentang apakah model itu praktis pada anggaran latensi Anda.

Ada asimetri ketiga yang mudah terlewat: kontrol effort Grok 4.7 adalah tuas biaya yang dapat Anda tarik per permintaan, dan timing yang dipublikasikan menunjukkan berapa biaya waktu tunggu untuk setiap setelan. Qwen4-Max juga mengekspos effort penalaran, tetapi Alibaba hanya menjelaskan penghematannya dalam istilah relatif — penggunaan token turun 24 persen pada xhigh dan 35 persen pada high di suite Work360 miliknya, 48 dan 49 persen pada Terminal-Bench 4.0, semuanya diukur terhadap Qwen3.8-Max, bukan diterbitkan sebagai kartu tarif per tingkat effort. Dilaporkan vendor, belum direproduksi, dan relatif terhadap model yang berbeda: berguna sebagai arahan, tidak berguna sebagai masukan anggaran.

Di mana Qwen4-Max unggul mutlak

Konteks dan bentuk meter.

Satu juta token dibandingkan setengah juta bukanlah penggandaan spesifikasi; ini mengubah pekerjaan mana yang cocok. Tiga hal yang berada di antara kedua angka itu: refactor seluruh monorepo yang potongan relevannya adalah 600.000 token grafik dependensi dan riwayat; latihan penemuan atas kumpulan dokumen yang harus dibaca utuh alih-alih diambil kembali; dan agen 24/7 yang mengakumulasi status sepanjang hari kerja tanpa meringkas. Qwen4-Max cocok untuk ketiganya. Grok 4.7 tidak cocok untuk satu pun dalam satu panggilan, dan memaksakan 600.000 token ke dalamnya berarti retrieval atau tingkat $4/$12 — dengan harga tepat pada titik di mana selisih 2.7× menjadi sulit dipertahankan.

Kartu tarif tetap juga memungkinkan peramalan. Pemilik anggaran dapat mengalikan token dengan satu tarif dan hasilnya tepat. Kartu tarif bertingkat berarti model keuangan harus menebak distribusi panjang prompt, yang dalam praktiknya berarti estimasinya salah ke arah yang lebih mahal.

Dan skor independen, sebagaimana adanya, lebih menguntungkan Qwen4-Max: 43 berbanding 35 pada papan yang sama. Peringatannya nyata — model yang baru berumur beberapa hari jauh lebih sedikit mendapat pengujian, dan satu agregat indeks menyembunyikan varians antar-tugas yang sangat besar — tetapi arahnya tidak ambigu.

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.

Apa yang tidak dikatakan kedua model kepada Anda

Tidak ada vendor yang menerbitkan bobot, jadi keduanya tidak dapat di-host sendiri, diaudit, atau dipatok ke versi yang Anda kendalikan. SpaceXAI sama sekali tidak menerbitkan jumlah parameter untuk Grok 4.7. Alibaba menerbitkan deskripsi arsitektur untuk Qwen4-Max — lapisan DeltaNet bergerbang yang diselang-seling dengan mekanisme atensi renggang, empat cabang residual paralel dengan gerbang dinamis, tabel embedding N-gram — tetapi tanpa bobot.

Angka tolok ukur dari kedua vendor tidak diaudit secara independen seperti halnya indeks. Angka Work360 milik Alibaba sebesar 52,69 versus 47,74 milik Qwen3.8-Max, klaimnya bahwa biaya rata-rata per tugas turun dari $4,43 menjadi $1,67, serta bits per byte yang lebih rendah 5 hingga 13 persen di lima checkpoint dasar, semuanya berasal dari pihak pertama dan belum direproduksi. Keunggulan Grok 4.7 juga sama tidak terdokumentasi di luar indeks: tidak ada biaya per tugas yang dipublikasikan dari SpaceXAI, hanya harga token.

Satu-satunya angka biaya independen yang ada justru berlawanan dengan kartu yang lebih murah. Artificial Analysis menempatkan Qwen4-Max pada $3,27 per tugas Intelligence Index, sedangkan profil Grok 4.7 miliknya sama sekali tidak mencantumkan angka yang sebanding. Baca dengan cermat: model yang tampak paling murah di sini adalah model yang punya tagihan per tugas yang terdokumentasi, sementara yang lain sama sekali tidak terukur. Ini bukan bukti bahwa Qwen4-Max mahal. Ini bukti bahwa hanya satu dari dua model ini yang pernah dihitung biayanya secara menyeluruh oleh siapa pun.

Cara memilih

Jika prompt Anda secara rutin melebihi 200.000 token, Qwen4-Max adalah model yang lebih murah dengan selisih yang makin besar seiring bertambahnya panjang, dan sistem tingkatan Grok 4.7 membuat naluri biasa untuk "kirim saja lebih banyak konteks" cepat menjadi mahal. Arahkan pekerjaan berkonteks panjang ke Qwen4-Max.

Jika tugas Anda adalah menghasilkan artefak yang sangat panjang dalam satu panggilan, batas output 450.000 token Grok 4.7 adalah angka penentu, dan anggaran bersama 262.144 milik Qwen4-Max adalah faktor yang mendiskualifikasinya. Memecah generasi menjadi beberapa bagian bukanlah solusi alternatif yang netral; itu mengorbankan koherensi di titik sambungannya.

Jika Anda memerlukan angka latensi sebelum berkomitmen, Grok 4.7 telah menerbitkannya pada tiga tingkat upaya dan Qwen4-Max tidak. Asimetri itu akan hilang seiring pengujian independen menyusul, tetapi hari ini itu menjadi alasan untuk melakukan uji coba alih-alih menstandarkan.

Jika Anda sudah menjalankan Grok 4.7 dan pertanyaannya adalah apakah perlu menambahkan Qwen4-Max, jawaban jujurnya adalah tambahkan secara selektif: pembacaan konteks panjang, input video, dan pekerjaan batch yang sensitif biaya, sementara generasi teks panjang tetap di model dengan batas keluaran yang terdokumentasi. Dua model di balik satu kunci hanya membutuhkan satu aturan perutean, bukan migrasi, dan itu berarti minggu buruk di salah satu vendor menjadi failover, bukan gangguan layanan.

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.

Papan skor, dengan sumbernya terlampir

Angka tunggal yang paling jelas membedakan model-model ini bukanlah skor indeks — melainkan harga pada 400.000 token. Qwen4-Max $0.69, Grok 4.7 $1.84, berdasarkan tarif internasional yang diterbitkan masing-masing vendor. Segala hal lain dalam perbandingan ini adalah penilaian tentang bukti dan ruang pengembangan.

Sedikit catatan tentang skor indeks, karena angka-angka itu akan dikutip di luar konteks. Angka 43 dan 35 berasal dari papan Artificial Analysis yang sama, dibaca pada 17 November 2026. Keduanya dapat dibandingkan satu sama lain. Keduanya tidak dapat dibandingkan dengan angka 55 yang dimiliki Kimi K3.1 Pro pada rubrik sebelumnya, dan artikel mana pun yang menempatkan kedua angka itu dalam satu kalimat sedang membandingkan dua tes yang berbeda. Angka dari vendor — Work360, pengurangan token, delta bits-per-byte — adalah milik Alibaba sendiri dan sama sekali tidak memiliki pemeriksaan pihak ketiga.

Satu hal lagi yang perlu diketahui sebelum Anda merencanakan tagihan berdasarkan angka 43: skor tersebut berasal dari satu pengaturan tingkat upaya. Alibaba mengaktifkan thinking secara default dengan anggaran 131,072 token dan tingkat upaya disetel ke tinggi, dan pengujian independen belum memublikasikan skor model pada upaya rendah atau berapa banyak yang bisa dihemat. Sampai itu terjadi, anggap 43 sebagai harga dari postur default model, bukan tombol yang bisa diturunkan.

Kedua kartu, dalam satu rute

Penting untuk menyatakan perbedaan operasional antara membaca dua kartu tarif dan menjalankan dua model, karena perbedaannya lebih kecil daripada yang disiratkan oleh selisih harga. grok/grok-4.7 adalah salah satu dari 215 pengenal yang kami layani, dengan harga daftar penyedia tanpa tambahan, sehingga batas tingkatnya dan tarif cache-nya adalah apa pun yang SpaceXAI publikasikan pada hari itu. Qwen4-Max bukan salah satunya; ia dirutekan melalui API Model Studio milik Alibaba sendiri. Konsekuensi praktisnya adalah bahwa strategi campuran yang dianjurkan di atas — pembacaan konteks panjang pada Qwen4-Max, generasi bentuk panjang pada Grok 4.7 — memerlukan satu hubungan vendor untuk masing-masing sisi, dan aturan perutean hanya sebaik dua titik akhir di bawahnya.

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.

Dibandingkan dalam artikel ini1

Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari