Una card di titolo generata con la scritta Qwen 4 vs Grok 4.7, il sottotitolo «Dove la soglia dei 200.000 token cambia il conto», un asse della lunghezza del prompt contrassegnato a 200.000 token e due card di prezzo con «1,50 $ in ingresso / 4,50 $ in uscita», una tariffa unica per Qwen4-Max, e «4 $ in ingresso / 12 $ in uscita» sopra i 200K per Grok 4.7.
Guides & Insights

Qwen 4 vs Grok 4.7: la soglia dei 200.000 token decide questa sfida

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Grok 4.7 e Qwen4-Max sono entrambi fatturati a due dollari in input e sei dollari in output per milione di token — ma solo Grok 4.7 resta a quel livello. Il nostro record di catalogo per Grok 4.7 prevede due fasce per l'input, $2.00/$6.00 fino a un prompt da 200.000 token e $4.00/$12.00 oltre, mentre Qwen4-Max si attesta a $1.50 in input e $4.50 in output per milione sull'intera finestra di 1.000.000 di token. Questa singola differenza strutturale vale più degli otto punti indice che li separano sulla carta, perché il lavoro a contesto lungo è precisamente il lavoro per cui entrambi i modelli vengono venduti. Una nota sui nomi prima di tutto, dato che i due vengono continuamente confusi: Qwen 4 è il nome della generazione usato da Alibaba, e Qwen4-Max è l'unico membro di quella generazione che puoi chiamare oggi — rilasciato il 16 novembre 2026, con fasce più piccole promesse per l'open source e nessuna data allegata. Grok 4.7 è disponibile dal 21 settembre 2026. Questo è un confronto su prezzi e prove, non un rapporto di lancio su nessuno dei due.

La forma dei due modelli, in breve

Qwen4-Max è il modello di punta di quarta generazione di Alibaba, un modello sparse mixture-of-experts con una backbone da 2,4 trilioni di parametri, 71 miliardi di parametri attivi per token e altri 328 miliardi di parametri di embedding N-gram. Accetta testo, immagini e video, restituisce testo e dispone di una finestra di contesto da un milione di token. Il thinking è attivo per impostazione predefinita e il modello condivide un budget di 262.144 token tra il ragionamento e la risposta finale — quindi una risposta da 131.072 token è disponibile solo se il thinking rientra nell'altra metà.

Grok 4.7 è l'attuale modello di punta testuale di SpaceXAI. È un modello di ragionamento con una finestra di contesto di 500.000 token, fino a 450.000 token di output, input testuale e di immagini e tre livelli di ragionamento selezionabili. SpaceXAI non pubblica il numero di parametri e descrive il rilascio come un modello base più grande con un addestramento di reinforcement learning più lungo, anziché una nuova architettura.

Sulle dimensioni che decidono un acquisto:

• Contesto — Qwen4-Max 1.000.000 di token vs Grok 4.7 500.000

• Output massimo — Qwen4-Max 262.144 condivisi con il thinking, oppure 131.072 con il thinking disattivato, rispetto a Grok 4.7 450.000

• Prezzo di input fino a 200K — Qwen4-Max $1,50 vs Grok 4.7 $2,00 per 1M

• Prezzo di output fino a 200K — Qwen4-Max $4,50 vs Grok 4.7 $6,00 per 1M

• Prezzo input oltre 200K — Qwen4-Max ancora $1,50 vs Grok 4.7 $4,00; output $4,50 vs $12,00

• Lettura dalla cache — Qwen4-Max $0.075 vs Grok 4.7 $0.50 sotto 200K, $1.00 sopra

• Modalità — input di testo, immagini e video in Qwen4-Max rispetto a input di testo e immagini in Grok 4.7

• Punteggio indipendente — Qwen4-Max 43 sull'Artificial Analysis Intelligence Index, posizione 38 su 81, rispetto a Grok 4.7 a 35, posizione 46 su 81

• Pesi — nessuno dei due fornitori ne pubblica

Quanto costa davvero una richiesta da 400.000 token

Affronta il carico di lavoro che entrambi i modelli richiedono: leggere un repository di grandi dimensioni o un lungo fascicolo di prove, poi scrivere una patch o un report sostanzioso. 400.000 token di input, 20.000 token di output, nessun riutilizzo della cache.

Su Qwen4-Max, alla tariffa internazionale di $1,413 per milione in input e $4,24 in output, corrisponde a $0,565 di input e $0,085 di output, circa $0,65. Alla tariffa di Singapore di $1,50/$4,50 è $0,69.

Su Grok 4.7, la stessa richiesta non tocca mai la fascia economica, perché 400.000 è il doppio della soglia. Addebita $1,60 di input e $0,24 di output: $1,84. Il rapporto è di 2,7 a uno, e non è un artefatto di arrotondamento — è la differenza tra una scheda tariffaria piatta e una con un gradino.

Riduci la richiesta a 150.000 input e 15.000 output e il quadro cambia natura. Qwen4-Max Singapore: $0,225 più $0,0675, circa $0,29. Grok 4.7 al livello uno: $0,30 più $0,09, circa $0,39. Un divario del 25 per cento, niente di notevole, più o meno quanto suggeriscono i prezzi di copertina. Le due schede si separano in modo violento solo sui carichi di lavoro in cui una delle due cambia livello.

Questa è l'aritmetica che le pagine di marketing tralasciano. Quando un fornitore pubblicizza un prezzo e poi aggiunge una fascia per il contesto lungo, il confronto onesto è per carico di lavoro, non per token, perché il confine della fascia cade proprio dove il prodotto dovrebbe essere utile.

Il ciclo dell'agente è il punto in cui la progettazione della cache conta più del prezzo

I lettori a contesto lungo raramente effettuano una sola chiamata; ne effettuano dieci su un prefisso stabile. Si consideri un prompt di 200.000 token, di cui 180.000 memorizzabili nella cache, 10.000 di input nuovo e 10.000 di output, nell'arco di dieci turni.

Qwen4-Max addebita, per turno, $0,027 di input nuovo, $0,0135 di letture dalla cache a $0,075 e $0,045 di output — $0,0855, quindi $0,855 per l'esecuzione. La scrittura nella cache stessa viene addebitata una volta, a $1,875 per milione per una memorizzazione di cinque minuti, ed è abbastanza piccola, a queste dimensioni, da poter essere trascurata.

Grok 4.7 addebita $0.04 di input nuovo, $0.09 di letture dalla cache a $0.50 e $0.06 di output — $0.19 per turno, $1.90 per l'esecuzione. Solo la tariffa di lettura della cache è quasi sette volte quella di Qwen4-Max, ed è per questo che il divario più che raddoppia, anche se qui nessuno dei due modelli si trova nella sua fascia costosa.

Se lo fai passare attraverso un solo endpoint invece di due contratti con fornitori, il livello di routing non modifica nessuno di quei numeri: uno 0 per cento di ricarico significa che il prezzo di listino del fornitore viene trasferito senza modifiche, quindi un taglio di prezzo del fornitore arriva in fattura lo stesso giorno in cui viene pubblicato, anziché al rinnovo contrattuale successivo. Questo è l’argomento a favore del mantenere una combinazione di modelli dietro un’unica chiave, ed è l’unico argomento in questo articolo che riguarda il nostro prodotto anziché il loro.

Dove Grok 4.7 vince ancora nettamente

Due posti, e nessuno dei due è piccolo.

Il primo aspetto è la lunghezza dell'output. Grok 4.7 dichiara un limite di output di 450.000 token. Qwen4-Max non dichiara un limite di output separato; dispone di un budget di 262.144 token condiviso con il proprio thinking e, con il thinking soppresso, il limite è di 131.072. Per i lavori che producono un artefatto lungo anziché una risposta breve — una codebase generata, una lunga bozza legale, un corpus trascritto e analizzato — la differenza non riguarda la qualità. Riguarda se il lavoro si completa in una sola chiamata o deve essere suddiviso in blocchi.

Il secondo è una prova misurata ai massimi livelli. Grok 4.7 è presente nell'Artificial Analysis Intelligence Index da settembre e ha tre rilevazioni in base allo sforzo di ragionamento: 35 a xhigh, 35 a high, 31 a low, con il tempo al primo token di risposta che passa da 52,9 secondi con l'impostazione massima a 10,6 secondi con quella minima. Qwen4-Max ha un unico punteggio pubblicato nell'indice, pari a 43, e, al momento in cui scriviamo, nessun dato sulla velocità di output o sui tempi per singola attività nella stessa classifica. Un 43 contro un 35 è un vantaggio reale, ma un punteggio senza un dato sulla velocità non dice nulla sulla praticabilità del modello entro il tuo budget di latenza.

C'è una terza asimmetria facile da trascurare: il controllo dello sforzo di Grok 4.7 è una leva di costo che puoi azionare per singola richiesta, e i suoi tempi pubblicati mostrano quanto ti costa ogni impostazione in termini di attesa. Anche Qwen4-Max espone lo sforzo di ragionamento, ma Alibaba descrive il risparmio solo in termini relativi: uso di token inferiore del 24 per cento a xhigh e del 35 per cento a high sulla sua suite Work360, del 48 e 49 per cento su Terminal-Bench 4.0, tutti misurati rispetto a Qwen3.8-Max anziché pubblicati come listino per livello di sforzo. Riportati dal fornitore, non riprodotti e relativi a un modello diverso: utili come indicazione, inutili come input di budget.

Dove Qwen4-Max vince nettamente

Contesto e la forma del metro.

Un milione di token contro mezzo milione non è il raddoppio di una specifica; cambia quali attività rientrano. Tre casi si collocano tra i due numeri: un refactoring esteso all’intero monorepo in cui la porzione rilevante è costituita da 600.000 token di grafo delle dipendenze e cronologia; un esercizio di scoperta su un insieme di documenti che deve essere letto per intero anziché recuperato; e un agente 24/7 che accumula stato nel corso di una giornata lavorativa senza riassumere. Qwen4-Max li soddisfa tutti e tre. Grok 4.7 non ne soddisfa nessuno in una singola chiamata, e inserirvi 600.000 token significa scegliere tra il retrieval e il livello da $4/$12 — con un prezzo esattamente al punto in cui il divario di 2,7× diventa difficile da difendere.

La tariffa piatta rende possibile anche la previsione. Il responsabile del budget può moltiplicare i token per un'unica tariffa e ottenere il risultato corretto. Una tariffa a scaglioni significa che il modello finanziario deve indovinare la distribuzione della lunghezza dei prompt, il che in pratica significa che la stima è sbagliata nella direzione più costosa.

E il punteggio indipendente, per quanto valga, favorisce Qwen4-Max: 43 contro 35 sulla stessa classifica. L'avvertenza è reale — un modello vecchio di pochi giorni è stato sottoposto a molte meno verifiche, e un singolo aggregato di indice nasconde un'enorme varianza tra i singoli task — ma la direzione non è ambigua.

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.

Quello che nessuno dei due modelli ti dice

Nessuno dei due fornitori pubblica i pesi, quindi nessuno dei due può essere self-hosted, verificato o fissato a una versione che tu controlli. SpaceXAI non pubblica alcun conteggio dei parametri per Grok 4.7. Alibaba pubblica una descrizione dell'architettura per Qwen4-Max — livelli DeltaNet con gating intercalati a un meccanismo di attenzione sparsa, quattro rami residui paralleli con gate dinamici, una tabella di embedding N-gram — ma nessun peso.

I numeri di benchmark di nessuno dei due fornitori sono verificati in modo indipendente come lo è l'indice. Il dato di 52,69 di Work360 di Alibaba contro il 47,74 di Qwen3.8-Max, la sua affermazione che il costo medio per attività è sceso da 4,43 $ a 1,67 $ e il suo bits-per-byte inferiore dal 5 al 13 per cento su cinque checkpoint di base sono tutti dati di prima parte e non replicati. I vantaggi di Grok 4.7 sono altrettanto non documentati al di fuori dell'indice: non esiste alcun costo per attività pubblicato da SpaceXAI, solo un prezzo per token.

L'unico dato indipendente sui costi disponibile va contro il modello che sembra più economico. Artificial Analysis valuta Qwen4-Max a 3,27 $ per attività dell'Intelligence Index, mentre il suo profilo di Grok 4.7 non riporta affatto un dato comparabile. Leggetelo con attenzione: il modello che qui sembra il più economico è quello con un costo per attività documentato, e l'altro è semplicemente non misurato. Non è una prova che Qwen4-Max sia costoso. È la prova che solo uno dei due è stato oggetto di una stima completa dei costi da parte di qualcuno.

Come scegliere

Se i tuoi prompt superano regolarmente i 200.000 token, Qwen4-Max è il modello più economico di un fattore che cresce con la lunghezza, e la suddivisione in livelli di Grok 4.7 fa sì che il solito istinto di "mandare semplicemente più contesto" diventi costoso in fretta. Indirizza il lavoro su contesti lunghi verso Qwen4-Max.

Se il tuo compito è produrre un artefatto molto lungo in un'unica chiamata, il tetto di output di 450.000 token di Grok 4.7 è il numero decisivo e il budget condiviso di 262.144 di Qwen4-Max è l'elemento che lo squalifica. Suddividere una generazione in blocchi non è una soluzione neutrale; costa coerenza in corrispondenza delle giunture.

Se ti serve un dato sulla latenza prima di impegnarti, Grok 4.7 ne ha pubblicati a tre livelli di effort e Qwen4-Max no. Questa asimmetria si colmerà man mano che i test indipendenti si allineeranno, ma oggi è un motivo per fare un pilot anziché standardizzare.

Se utilizzi già Grok 4.7 e la domanda è se aggiungere Qwen4-Max, la risposta onesta è aggiungerlo in modo selettivo: letture con contesto lungo, input video e attività batch sensibili ai costi, lasciando la generazione di testi lunghi al modello con un limite di output documentato. Due modelli dietro un'unica chiave costano una regola di routing, non una migrazione, e significa che una settimana problematica presso uno dei due fornitori diventa un failover anziché un'interruzione del servizio.

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.

Il tabellone, con le relative fonti allegate

Il singolo numero che distingue più nettamente questi modelli non è il punteggio dell'indice, ma il prezzo a 400.000 token. Qwen4-Max $0.69, Grok 4.7 $1.84, secondo la tariffa internazionale pubblicata da ciascun fornitore. Tutto il resto in questo confronto è una valutazione su evidenze e margini.

Una precisazione sui punteggi dell'indice, perché verranno citati fuori contesto. Il 43 e il 35 provengono dalla stessa classifica di Artificial Analysis, consultata il 17 novembre 2026. Sono comparabili tra loro. Non sono comparabili con il 55 che Kimi K3.1 Pro riportava su una precedente griglia di valutazione, e qualsiasi articolo che metta queste due cifre nella stessa frase sta confrontando due test diversi. I dati del fornitore — Work360, le riduzioni dei token, i delta bits-per-byte — sono di Alibaba e non hanno alcuna verifica di terze parti.

Un'altra cosa da sapere prima di pianificare una spesa basata sul 43: il punteggio si riferisce a un'unica impostazione di effort. Alibaba fornisce thinking attivo per impostazione predefinita con un budget di 131.072 token ed effort impostato su high, e i test indipendenti non hanno ancora pubblicato quale punteggio ottenga il modello con effort basso né quanto ciò farebbe risparmiare. Finché non lo faranno, considera il 43 come il prezzo dell'assetto predefinito del modello, non come una manopola che puoi abbassare.

Entrambe le carte, su un unico percorso

Vale la pena esplicitare la differenza operativa tra leggere due listini e far girare due modelli, perché è più piccola di quanto suggerisca il divario di prezzo. grok/grok-4.7 è uno dei 215 identificatori che serviamo, al prezzo di listino del fornitore senza alcun ricarico, quindi la sua soglia di livello e la sua tariffa della cache sono quelle che SpaceXAI pubblica quel giorno. Qwen4-Max non è uno di questi; passa attraverso la Model Studio API di Alibaba. La conseguenza pratica è che la strategia mista sostenuta sopra — lettura a contesto lungo su Qwen4-Max, generazione di testi lunghi su Grok 4.7 — richiede una relazione con un fornitore per ciascun lato, e una regola di routing vale solo quanto i due endpoint che le stanno sotto.

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.

Confrontati in questo articolo1

Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno