「Qwen4-Max vs Grok 4.5:生後1日のモデル対すでに置き換えられたモデル」という見出しのタイトルカード。3つのチップには、Qwen4-Max(2026年11月16日リリース)、Grok 4.5(2026年7月8日リリース、Grok 4.6により後継)、指数スコア43対未公表と表示され、2026年11月17日のArtificial Analysisモデルページへのキャプションが付いている。
Guides & Insights

Qwen4-Max vs Grok 4.5:あなたは昨日リリースされたモデルと、そのベンダー自身がすでに置き換えたモデルを比較している

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

モデルページを開く対象はGrok 4.5。Artificial Analysisで最初に目に入るのはベンチマークではない。それは告知だ。このモデルは非推奨で、SpaceXAIはより新しいリリースであるGrok 4.6を公開しており、代わりにそちらを検討すべきだという。ページには測定値——最初の回答トークンまで10.45秒、毎秒65トークン、500kのコンテキストウィンドウ、100万トークンあたり入力$2.00、出力$6.00——はまだ掲載されているが、知能スコアはまったく掲載されなくなり、ベンチマークの更新間隔は6時間ごとから18時間ごとに落ちている。Qwen4-Maxは対照的に、2026年11月16日から販売されており、まだ1日しか経っていない。生まれて1日のモデルを取って代わられたモデルと比べるのは、わざわざやるには奇妙なことだ。だからこそ、やる価値がある。この比較から分かるのは、どちらのモデルが優れているかということよりも、Grok 4.5を正当化したトークン効率の議論がどれほど急速に追い越されたかということだ。

それぞれの人生の1日目を迎えた時点で、各モデルが実際に何であるのか

A two-column scoreboard comparing Qwen4-Max and Grok 4.5 across six rows: release date 16 November 2026 against 8 July 2026; $1.50 in and $4.50 out against $2.00 and $6.00; 1,000,000 context against 500,000; index 43 against none published; latency not published against 10.45 seconds and 65 tokens per second; text, image and video against text, image and file. Footer notes Grok 4.5 is marked deprecated on Artificial Analysis and runs at 18-hour intervals instead of 6.

• ベンダー — A​libaba 対 SpaceXAI。後者は G​rok ラインを年央に改名

• リリース済み — Qwen4-Max は2026年11月16日、Grok 4.5 は2026年7月8日、Grok 4.6 に置き換えられました

• 100万トークンあたりの料金 — 入力$1.50 / 出力$4.50 対 入力$2.00 / 出力$6.00

• キャッシュ読み取り — Qwen4-Maxは100万あたり0.075ドル、Grok 4.5は100万あたり0.30ドル

• コンテキストウィンドウ — 500,000に対し1,000,000トークン

• 最大出力 — 非思考モードで131,072トークン、思考モードでは262,144トークンを共有、ドキュメント記載の64,000に対して

• 入力モダリティ — テキスト、画像、動画 vs テキスト、画像、ファイル

• 独立系指数スコア — Qwen4-Maxは43、Grok 4.5は未公開

• 非推奨ステータス — 現行フラッグシップか置き換え済みか、同一カード上に後継あり

最後の3行が記事です。Qwen4-Maxのカードは、スペックシートで測れるあらゆる軸でより大きく、Grok 4.5のカードには、同じ価格でより良いバージョンが存在すると書かれた注記があります。

A screenshot of the Artificial Analysis page for Grok 4.5, headed by a deprecation banner stating the model is still benchmarked but every 18 hours instead of every 6, and that SpaceXAI has launched a newer release, Grok 4.6.

なぜ今でも4.5を選ぶ人がいるのか、そしてその理由がなぜ薄れつつあるのか

Grok 4.5の訴求点は、決して素の能力そのものではなかった。それはトークンだった。このモデルは、コーディングエディタと並行して学習された1.5兆パラメータの基盤の上に構築され、同等のフロンティアモデルと比べてはるかに少ない出力トークンでソフトウェアエンジニアリングタスクを解決できる点を売りにし、大規模な本番利用を想定した価格で提供されていた。これは間違いなく優れた売り込みであり、A​libabaがQwen4-Maxで打ち出しているのも同じ売り込みだ。前モデルより出力トークンが24%~35%少なく、Terminal-Bench 4.0では48%~49%少なく、タスクあたりの平均コストは4.43ドルから1.67ドルに下がっている。

言い換えれば、両ベンダーはともに倹約を売り物にしている。違いは、その主張の一方はこれから継続的に検証されようとしているのに対し、もう一方は以前ほど頻繁には検証されなくなったという点だ。Artificial Analysisは依然としてGrok 4.5を実行しているが、6時間ごとではなく18時間ごとであり、これはこのモデルがカバレッジからメンテナンスへ移行したことを婉曲に言ったものだ。動作のサンプリング頻度が4分の1になったモデルでは、リグレッションの発見も4分の1の速さになる。

カタログに残しておくことには擁護できる理由がある。安定していて、安価で、50万トークンのウィンドウがほとんどの作業をカバーし、何も変更する必要がないからだ。これはあらゆる現行製品に当てはまる論法だ。同じコンテキストウィンドウと同じ基本価格を持つ後継製品が利用可能になった瞬間、それは擁護できなくなる。なぜならその時点で、現行製品に残る唯一の優位性は、まだ移行していないということだけだからだ。

Grok 4.5には公表された数値があり、Qwen4-Maxにはない唯一の軸

レイテンシー。Artificial Analysisの測定では、Grok 4.5は10.45秒で回答し、毎秒65トークンでストリーミングします。現代のフロンティアモデルと比べれば、これらの数字は目立つものではありません——Claude Opus 5.5は最大エフォートで最初のトークンまで352秒、GPT-6.1 Solは169秒かかります——それでも、これらの数字は実在し、再現可能で、それを前提にキャパシティプランニングができます。

Qwen4-Maxには、公開されているレイテンシ値がどこにもない。Artificial Analysisはそのインデックススコア、価格表、トークン合計を掲載しているが、パフォーマンス列は空白のままにしている。タスクあたりの時間も、出力レートも、最初のトークンまでの時間もない。Alibabaの発表資料はトークン数を公開しているが、それは別の量であり、同じ速度で動作しながら書くトークン数が半分のモデルはタスクを半分の時間で終える——この2つの主張は相互に置き換え可能なものではない。

つまり11月17日時点の比較の正直な状況は、旧式で置き換え済みのモデルのほうが実時間の見積もりを立てる基準になり、新しいモデルのほうは自分で測定しなければならない、ということだ。バッチパイプラインなら午後ひとつ分の作業になる。インタラクティブ製品なら、それはフォールバックの前面ではなく後ろでQwen4-Maxを動かす理由になる。

通りすがりに、20万トークンのライン

Grok 4.5はプロンプト長に応じた段階制で、入力トークン200,000までなら$2.00と$6.00で請求され、それを超えると料金は2倍の$4.00と$12.00になる。Qwen4-Maxはゼロからコンテキスト上限まで単一の料金段階で販売している。Grok 4.5のコンテキストウィンドウは500kで、安価な段階は200kで止まるため、自身のウィンドウの上側300kは公表料金の2倍で請求される——この詳細は、1Mトークンモデルほどには重要でなく、$2.00という見出しが示唆するよりはかなり重要だ。

後継モデルに取って代わられたモデルが依然として正解となるニッチは、狭いながらも実在します。そのトークン効率に固定されたワークロードで、すでに200kトークンのプロンプトに合わせて調整済みであり、再検証する価値がない場合です。もしあなたがそうなら、Grok 4.6はコンテキストウィンドウ、入力サーフェス、基本価格を共有しているため、移行はプロジェクトではなくモデル識別子の変更で済みます。

動画は、一部のチームにとって比較が終わる行です

Qwen4-Maxはテキスト、画像、動画を受け付けます。Grok 4.5はテキスト、画像、ファイルを受け付けます。テンセントのHy4プレビュー、AnthropicのOpus 5.5、OpenAIのSolはいずれも動画ではなくファイルを読み取るため、Qwen4-Maxは単により新しいというだけでなく異色です。フレーム単位の作業——映像のトリアージ、画面録画の分析、タイムラインを伴うあらゆる作業——では、この比較の残りは無意味です。なぜなら比較対象が存在しないからです。

裏返しの注意点として、Qwen4-Maxの文書化されたthinking出力バジェットは、推論トレースと可視回答の間で共有される262,144トークンであり、デフォルトのthinkingバジェットは131,072、reasoning_effortのデフォルトはhighです。長時間推論する動画分析ジョブは、回答バジェットの相当な部分を推論に費やします。出力サイズは、掲載情報にある1Mコンテキストの数値ではなく、131,072を基準に見積もってください。

A screenshot of the OrcaRouter model page for grok/grok-4.5, showing the 500K-token context badge, text, image and file input, the model identifier and the start of the pricing panel.

ペアを実行すること、そして「1つの鍵」がそれぞれの側で何をもたらすか

OrcaRouter はGrok 4.5を、200,000トークンの境界までは100万トークンあたり入力$2.00・出力$6.00、それを超える分は入力$4.00・出力$12.00でルーティングします。これはベンダー自身の料金表を0%のマークアップでそのまま通したものです。さらにその後継モデルであるGrok 4.6も同じ基本料金でルーティングするため、4.5から4.6への移行はルーティングルールの1つのフィールドを変更するだけで済み、新たな統合は不要です。同じキーでClaude Opus 5.5、GPT-6.1 Sol、Qwen3.8-Max、およびT​encent HY4 Preview。

Qwen4-Max はそのリストにありません。カタログは Qwen4 世代をまだ取り込んでいないため、Qwen4-Max へのルートは現時点では A​libaba の直接キーであり、この構成を正直に説明するなら、フォールバックする可能性があるすべてのもの向けの 1 つのエンドポイントと、評価しているモデル向けの 1 つの直接クレデンシャルです。

その分割は、この記事が提起する問いに答えるための依然として安上がりな方法だ。Grok 4.5 ルートと Grok 4.6 ルートを同じトラフィックに向け、比較を自社のリクエストで公開し、Qwen4-Max を第三の分岐として並行して維持し、プロバイダー間の自動フェイルオーバーをその背後に備えよ。代替案——稼働中の経路を廃止して、レイテンシが公開されていないモデルをテストすること——こそ、チームが午前2時にロールバックする羽目になるやり方だ。

通知が付いているモデルの対処方法

Grok 4.5のページにある告知は死亡記事ではない。モデルは稼働しており、価格も競争力があり、その500kウィンドウはほとんどのタスクが必要とする以上だ。しかし、それとQwen4-Maxの比較は、実際には二つの選択肢の間の選択ではない。それは、縮小されつつある既知の存在と、ちょうど登場した未知の存在の間の選択であり、決め手は、自分で物事を測ることにどれだけ耐えられるかだ。

注目すべき点は3つ、順に見ていく。1つ目はQwen4-Maxに関する独立したレイテンシ数値だ。これはこの比較で唯一欠けている入力である。2つ目は、エージェントのトラフィックが到着した時点でAlibabaが共有の262,144トークン思考予算を改訂するかどうか。3つ目は、Grok 4.5が、その後継モデルが十分にソーク(検証)された後も候補として残るのかどうか——非推奨通知は通常、引退日の最初の段落だからだ。

この記事で比較したモデル1

この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新