「Qwen4-Max vs Grok 4.7」と記された、生成された16:9のタイトルカード。サブタイトルは「100万トークンのコンテキスト対50万トークン、そしてそれに付随するスコア」。角丸のカードが3枚あり、1,000,000トークンのウィンドウ、100万トークンあたり$1.50と$4.50、そして2026年11月16日と2026年9月21日という2つのリリース日を示している。右下にOrcaRouterのロゴ。
Guides & Insights

Qwen4-Max 対 Grok 4.7:100万トークンのコンテキスト対50万トークン、そしてそれに見合うスコアも

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

400,000トークンのリポジトリ履歴を読み、20,000トークンのパッチを書き出すリクエストは、国際定価でQwen4-Maxなら6.80ドル、Grok 4.7なら8.00ドルかかる。そして、その2つのモデルのうち、その仕事をこなせるかどうかについて何かを示す独立評価を実施されているのは1つだけだ。これがこの比較を一文で表した姿だ。2026年11月16日以降、公開された料金表とともに一般提供されているAlibabaのQwen4-Maxは、トークン単価が安く、コンテキストウィンドウは2倍ある。2026年9月21日にリリースされたSpaceXAIのGrok 4.7は、測定済みのスコアを持ち、4つの選択可能な推論レベルと1年にわたる運用実績を備えている。この2つの事実のどちらがより重要かは、ワークロードが容量を使い果たしたときに何をするかによって完全に決まる。

両モデルともテキスト入力・テキスト出力で、画像入力も補助的に備え、どちらもツール呼び出しと構造化出力をサポートし、価格帯も同じです。実際のワークロードに触れてなお残る違いは、コンテキストの余裕、キャッシュの経済性、エビデンス、そして各ベンダーが推論に計算資源をどう配分できるかという点です。

A generated two-column scoreboard titled 'Qwen4-Max vs Grok 4.7 - the scoreboard', comparing a 1,000,000-token context against 500,000, $1.50 against $2.00 input, $4.50 against $6.00 output, $0.075 against $0.50 cached read, no independent score against 35.5, and a fixed reasoning default against four selectable levels, over a footer reading 'Qwen4-Max per Alibaba; Grok 4.7 per SpaceXAI and Artificial Analysis Index v5.0.1.' OrcaRouter logo bottom-right.

それぞれが何なのかを、ベンダー自身の言葉で

Qwen4-MaxはAlibabaの第4世代フラッグシップであり、テキスト、画像、動画を入力として受け取り、テキストを生成するマルチモーダルモデルとして文書化されています。公表されている上限は、1,000,000トークンのコンテキストウィンドウ、非思考モードでの最大出力131,072トークン、および思考と回答を合わせた予算262,144トークンです。思考はデフォルトで有効になっており、予算は131,072トークン、推論努力はhighに設定されています。これはほとんどの西洋のフラッグシップとは異なるデフォルトの姿勢であり、これと比較してベンチマークを行う前に知っておく価値があります。

Grok 4.7はSpaceXAIの現行テキスト向けフラッグシップであり、50万トークンのコンテキストウィンドウ、2026年5月の知識カットオフ、画像入力、新しい最上位設定を含む4段階の推論レベルを備えた推論モデルです。SpaceXAIはパラメータ数を公表しておらず、今回のリリースを新アーキテクチャではなく、より大規模なベースモデルに強化学習の実行期間を長くしたものと説明しています。定価は100万入力トークンあたり2.00ドル、100万出力トークンあたり6.00ドル、100万キャッシュ入力トークンあたり0.50ドルです。

A screenshot of Alibaba Cloud Model Studio's 'Model releases and updates' changelog, dated 2026-11-16 and headed qwen4-max, with the 2026-11-11 qwen4-max-preview entry and later entries visible beneath it.

購入を決める軸で、それらを並べて比較してください:

• コンテキスト — Qwen4-Max 1,000,000トークン 対 Grok 4.7 500,000トークン

• 最大出力 — Qwen4-Max は非思考時 131,072、思考時は共有で 262,144。これに対し、Grok 4.7 のベンダー公表の出力上限は、SpaceXAI がコンテキストとは別に切り分けて公表していない。

• 入力価格 — Qwen4-Max は100万トークンあたり、シンガポールで1.50ドル、フランクフルト、バージニア、東京、香港、北京で1.413ドル、対して Grok 4.7 は2.00ドル

• 出力価格 — Qwen4-Max はシンガポール $4.50、その他地域 $4.24、対して Grok 4.7 は $6.00

• キャッシュ済み入力 — Qwen4-Max は5分間の書き込み$1.875の後で読み取り$0.075、一方 Grok 4.7 は読み取り$0.50

• モダリティ — Qwen4-Max はテキスト・画像・動画の入力に対応、一方 Grok 4.7 はテキスト・画像の入力に対応

• 独立スコア — Qwen4-Max は未公開、これに対し Grok 4.7 は Artificial Analysis Intelligence Index v5.0.1 において xhigh effort で 35.5、high で 35.2、low で 31.1

• 重み — どちらも公開していない

計算過程を示した例題

異なるキャッシュ設計を持つモデル間のコスト比較は、公表されているベンチマークの多くが知らず知らずのうちに誤解を招く領域である。そこでここでは、同じ3つのワークロードを両方の料金表でエンドツーエンドに価格計算する。国際リスト価格を用い、交渉による割引は一切考慮しない。

• 長コンテキスト読み取り、再利用なし — 入力400K、出力20K:Qwen4-Max Singaporeでは入力$0.60+出力$0.09で合計$0.69、Grok 4.7では$0.80+$0.12で合計$0.92。Qwen4-Maxは25%安い。

• 安定したプレフィックスを持つエージェントループ — 入力200K(うち180Kはキャッシュ済み)、出力10K、10ターン:Qwen4-Maxは1ターンあたりキャッシュ読み取り$0.0135+新規入力$0.03+出力$0.045で、合計$0.885。Grok 4.7は1ターンあたりキャッシュ読み取り$0.09+新規入力$0.04+出力$0.06で、合計$1.90。キャッシュ読み取り料金が約7倍異なるため、差は2倍超に広がります。

• 一括分類、推論なし — 入力2K、出力200、50,000回の呼び出し:Qwen4-Max Singaporeでは$1.74、Grok 4.7では$2.60。どちらも1,000回あたりでは少額で、どちらもメーターの出力側が大部分を占めています。

最初の行が語っていない点に注意してください。長文コンテキストの読み取りにおける25%の価格優位性は、あったほうがよいものではあるが、答えを間違えるコストに比べればはるかに小さい。そして、公表されたスコアがあるモデルこそ、何かにお金を使う前に検討できるモデルだ。トークンあたりの価格はベンダーについての事実であり、完了したタスクあたりの価格はモデルについての事実だ。そしてQwen4-Maxについて、2つ目の数値を公表した人はまだ誰もいない。

1Mウィンドウが実際に意思決定を変える場面

コンテキストウィンドウを500Kから1Mに倍増させることは、その2つの数値の間に位置する特定のワークロードに直面するまでは、単なるマーケティング上の売り文句のように聞こえる。実務で繰り返し現れる3つは次のとおりだ。単一ファイルではなく、関連する部分が600Kトークンの依存関係グラフであるモノレポ全体のリファクタリング。契約書全体に加えてその別紙や過去の修正書までを一度にコンテキスト内に保持しなければならない契約レビュー。そして、プロンプトではなくトランスクリプトのほうが増えていく、長時間実行されるエージェントセッションだ。

その3番目に関しては、ウィンドウよりもキャッシュの経済性の方が重要です。300Kトークンのトランスクリプトにターンごとに追記していくセッションでは、新規入力よりもキャッシュ読み取りに対して支払う頻度がはるかに高くなります。Qwen4-Maxの$0.075という読み取り料金とGrok 4.7の$0.50との差は、両ベンダーの料金表における最大の単一の構造的差異であり、割合で見ると、入力で25%、出力で25%にすぎないリスト価格の差よりも大きくなっています。キャッシュ書き込みコストにも注意してください。Qwen4-Maxは、5分間のキャッシュエントリを生成するために100万トークンあたり$1.875を課金しており、これは同社自身の入力価格を上回っています。そのため、一度しか読まないプレフィックスをキャッシュするワークロードは、そうすることに対して割増料金を支払うことになります。これは繰り返し読み取りのための設計であり、単発プロンプト向けではありません。

同じ問題に対する Grok 4.7 の答えは、程度の差ではなく種類の違いだ。4つの推論レベルがあれば、必要のないターンでは計算量を絞り、必要なターンでは増やせる。しかも SpaceXAI は4つすべてを同一価格で提供している。それは Qwen4-Max が設定値として公開しているレバーだ。reasoning effort はデフォルトで high で、131,072トークンの思考予算を伴う。だが、各設定が何をもたらすかについて独立した測定がなければ、そのレバーを自信を持って引くのは難しい。

欠けているベンチマークが実務でどれほどの損失をもたらすか

Grok 4.7のIndex v5.0.1での35.5というスコアは、驚異的な数字ではない。同じインデックス版におけるKimi K3.1 Proの46.5を大きく下回り、西洋のトップ級フラッグシップの後塵を拝している。それが可能にするのは、何かと比較できるということだ。スコアのある2つのモデルから選ぶチームは、安いほうで十分かどうかを午後一つで判断できる。スコアのあるモデルと未評価のモデルから選ぶチームは、そもそも判断する前に評価のための時間を購入しなければならない。

AlibabaはQwen4-Maxについてベンチマーク表を一切公開していない。ベンダー報告のものも、独立系のものもない。Artificial AnalysisのモデルインデックスにQwen4の項目はなく、モデル別ページは404を返す。利用可能な能力に関する記述はドキュメント自身のものだけだ。深い推論、並列ツール呼び出し、Web検索、プレフィックス補完、JSON ObjectモードとJSON Schemaモードを備えた構造化出力、明示形式と暗黙形式のプロンプトキャッシュ。これらは機能に関する主張であり、たいていは事実である類のものだ。しかし、あなたが重視するあらゆるタスクにおける品質の証拠ではない。

つまり実践的な指針は、切り替える前に自分で評価を実行し、それを正直に見積もることです。自社のトラフィックから取った代表的なプロンプト100件を、チームがすでに使っているルーブリックで採点すれば、Qwen4-MaxがGrok 4.7を置き換えるかどうかについて、どのリーダーボードよりも多くのことが分かります — しかもどちらの料金表でも数ドルしかかかりません。両方のメーターとも、入力側が安い側だからです。

両方を1つのキーにまとめる

OrcaRouter は Grok 4.7 を grok/grok-4.7 として、SpaceXAI 自身の定価(100万トークンあたり入力 $2.00、出力 $6.00)で掲載しており、カタログの他の項目と同じ OpenAI 互換のベース URL 上で、マークアップなしでそのまま提供しています。Qwen4-Max は現在カタログに含まれていませんが、Alibaba 自身の API を通じて利用でき、そこでは上記の地域別価格が適用され、シンガポールのキーでは $1.50 の料金になります。評価を続けている間は、両方のルートを稼働させたままにし、どちらか一方にコードパスを固定するのではなく、リクエストごとにルーティングポリシーに判断させるのが実用的です。

A screenshot of the OrcaRouter model page for Grok 4.7, showing the identifier grok/grok-4.7, $2.00 input and $6.00 output per million tokens, the 500,000-token context window, the maximum output figure, the 2026-09-21 vendor date and the available endpoints.

ルーティング層で実際に価値を発揮するものが2つある。1つ目はモデルフュージョンだ。難しいプロンプトに対して両方のモデルと3番目のジャッジで回答するパネルは、Qwen4-Maxの欠けているスコアがギャップを隠しているのか、それとも勝利を隠しているのかを最短で見極める方法であり、コストは移行ではなく2回の呼び出しで済む。2つ目は自動フェイルオーバーだ — 新しいGAモデルはまさに、最初の本番リクエストの前にフォールバックチェーンを設定しておきたいケースであり、最初の5xxが出た後ではない。

今週の決め方

ワークロードが500Kトークン以内に収まり、評価に手間をかける気がないなら、Grok 4.7は正当化できる選択だ。実測データがあり、9月以降は運用面でも成熟しており、スコア付きモデルなら調整できる推論ダイヤルを備えている。ワークロードが50万トークンを超える特定のもの——モノレポ、契約書一式、伸び続ける文字起こし——なら、Qwen4-Maxは単に安いだけでなく、2つのうちリクエストをそもそも受け付ける唯一のモデルであり、ベンチマークがないことは待つ理由ではなく、事業運営上のコストになる。その中間なら、正直な答えは数ドルと半日を費やすものだ。自分のトラフィックで両方を動かし、タスク完了ベースの比較をトークン単位の比較より優先させよう。

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