Qwen 4 vs Grok 4.7이라고 적힌 생성된 타이틀 카드. 부제는 200,000토큰 기준선이 청구서를 바꾸는 지점이며, 프롬프트 길이 축은 200,000토큰에 표시되어 있고, 두 개의 가격 카드에는 $1.50 입력 / $4.50 출력, Qwen4-Max의 단일 정액 요금, Grok 4.7의 200K 초과 시 $4 입력 / $12 출력이 적혀 있습니다.
Guides & Insights

Qwen 4 vs Grok 4.7: 200,000토큰 기준선이 이 승부를 가른다

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

Grok 4.7과 Qwen4-Max는 모두 100만 토큰당 입력 2달러, 출력 6달러로 청구되지만, 그 요율에 머무는 것은 Grok 4.7뿐이다. Grok 4.7에 대한 자체 카탈로그 기록에는 두 가지 입력 요금 구간이 있으며, 200,000토큰 프롬프트까지는 $2.00/$6.00, 그 이상은 $4.00/$12.00이다. 반면 Qwen4-Max는 전체 1,000,000토큰 윈도우에 걸쳐 100만 토큰당 입력 $1.50, 출력 $4.50에 머문다. 이 단일한 구조적 차이는 서류상 두 모델을 가르는 8포인트의 지수 차이보다 더 큰 가치가 있다. 장문맥 작업이야말로 두 모델 모두가 판매 대상으로 삼는 작업이기 때문이다. 두 이름이 끊임없이 혼동되므로 무엇보다 먼저 이름에 관해 덧붙이자면, Qwen 4는 알리바바가 사용하는 세대명이고 Qwen4-Max는 오늘날 호출할 수 있는 유일한 구성원이다 — 2026년 11월 16일 출시되었으며, 더 작은 등급들은 오픈 소스로 약속되었지만 날짜는 붙지 않았다. Grok 4.7은 2026년 9월 21일부터 출시되어 왔다. 이는 가격과 근거를 비교한 것이지, 어느 쪽에 대한 출시 보고서가 아니다.

두 모델의 형태를 간단히

Qwen4-Max는 알리바바의 4세대 플래그십으로, 2.4조 개 파라미터의 백본을 갖춘 희소 전문가 혼합(mixture-of-experts) 모델이며, 토큰당 710억 개 파라미터가 활성화되고 추가로 3280억 개 파라미터의 N-gram 임베딩을 갖추고 있습니다. 텍스트, 이미지, 비디오를 입력받아 텍스트를 반환하며, 100만 토큰의 컨텍스트 창을 제공합니다. 사고(thinking)는 기본적으로 켜져 있으며, 모델은 추론과 최종 답변 사이에 262,144토큰의 예산을 공유합니다. 따라서 131,072토큰의 답변은 사고가 나머지 절반에 들어갈 때만 사용할 수 있습니다.

Grok 4.7은 SpaceXAI의 현재 텍스트 플래그십입니다. 500,000토큰 컨텍스트, 최대 450,000 출력 토큰, 텍스트 및 이미지 입력, 세 가지 선택 가능한 추론 수준을 갖춘 추론 모델입니다. SpaceXAI는 이에 대한 파라미터 수를 공개하지 않으며, 이번 출시를 새로운 아키텍처가 아니라 더 큰 기본 모델과 더 긴 강화 학습 실행으로 설명합니다.

구매를 결정하는 기준에서:

• 컨텍스트 — Qwen4-Max 1,000,000 토큰 대 Grok 4.7 500,000

• 최대 출력 — Qwen4-Max: 사고와 공유 시 262,144, 사고 억제 시 131,072, 대비 Grok 4.7: 450,000

• 입력 가격 200K까지 — Qwen4-Max $1.50 vs Grok 4.7 $2.00/1M

출력 가격 200K 기준 — Qwen4-Max $4.50 vs Grok 4.7 $6.00 / 1M

• 입력 가격 200K 초과 — Qwen4-Max는 여전히 $1.50 vs Grok 4.7 $4.00; 출력 $4.50 vs $12.00

• 캐시 읽기 — Qwen4-Max $0.075 vs Grok 4.7: 200K 미만 $0.50, 200K 초과 $1.00

• 모달리티 — Qwen4-Max: 텍스트, 이미지, 비디오 입력 vs Grok 4.7: 텍스트, 이미지 입력

• 독립 점수 — 인공지능 분석 지능 지수(Artificial Analysis Intelligence Index)에서 Qwen4-Max는 43점으로 81개 중 38위, Grok 4.7은 35점으로 81개 중 46위

• 무게 — 어느 공급업체도 공개하지 않음

400,000토큰 요청의 실제 비용

두 모델 모두에게 맡겨 볼 작업량을 가정해 보세요: 대규모 저장소나 긴 증거 묶음을 읽은 다음, 상당한 분량의 패치나 보고서를 작성합니다. 입력 토큰 400,000개, 출력 토큰 20,000개, 캐시 재사용 없음.

Qwen4-Max에서 국제 요금으로 백만 개당 입력 $1.413, 출력 $4.24라면, 이는 입력 $0.565, 출력 $0.085로 약 $0.65입니다. 싱가포르 요금 $1.50/$4.50에서는 $0.69입니다.

Grok 4.7에서는 동일한 요청이 저렴한 티어를 전혀 건드리지 않습니다. 400,000이 경계의 두 배이기 때문입니다. 입력에 $1.60, 출력에 $0.24가 청구되어 $1.84입니다. 비율은 2.7대 1이며, 이는 반올림 오류가 아니라 평평한 카드와 단계가 있는 카드의 차이입니다.

요청을 입력 150,000 및 출력 15,000으로 낮추면 그림의 성격이 달라진다. Qwen4-Max Singapore: $0.225에 $0.0675, 약 $0.29. 1티어의 Grok 4.7: $0.30에 $0.09, 약 $0.39. 25퍼센트 차이는 눈에 띄지 않으며, 대략 헤드라인 가격이 시사하는 바와 같다. 두 카드는 어느 한쪽이 티어를 바꾸는 워크로드에서만 극단적으로 벌어진다.

그것이 마케팅 페이지들이 생략하는 계산이다. 공급업체가 가격을 광고한 뒤 롱컨텍스트 등급을 추가할 때, 정직한 비교는 토큰당이 아니라 워크로드당 기준이다. 왜냐하면 등급 경계가 바로 제품이 유용해야 할 지점에 걸리기 때문이다.

에이전트 루프는 캐시 설계가 가격보다 더 중요하게 작용하는 지점이다

긴 컨텍스트 리더는 한 번만 호출하는 경우가 거의 없습니다. 안정적인 접두사에 대해 열 번 호출합니다. 200,000토큰 프롬프트를 생각해 보세요. 그중 180,000은 캐시 가능하고, 10,000은 새 입력이며, 10,000은 출력이고, 이는 열 턴에 걸쳐 있습니다.

Qwen4-Max는 턴당 신규 입력 $0.027, $0.075 단가의 캐시 읽기 $0.0135, 출력 $0.045를 청구합니다 — 합계 $0.0855이므로 이번 실행에는 $0.855입니다. 캐시 쓰기 자체는 5분 저장 기준 100만 개당 $1.875로 한 번만 청구되며, 이 규모에서는 무시할 수 있을 만큼 작습니다.

Grok 4.7은 신규 입력 $0.04, $0.50 요율의 캐시 읽기 $0.09, 출력 $0.06을 청구합니다 — 턴당 $0.19, 실행당 $1.90입니다. 캐시 읽기 요율만 거의 Qwen4-Max의 일곱 배에 달하며, 이는 두 모델 모두 여기서 비싼 등급에 속하지 않는데도 격차가 두 배 넘게 벌어지는 이유입니다.

두 개의 공급업체 계약 대신 하나의 엔드포인트를 통해 이 작업을 실행하면, 라우팅 계층은 그 어떤 수치도 바꾸지 않습니다 — 0퍼센트 마크업은 공급자의 정가가 그대로 전달된다는 뜻이므로, 공급업체의 가격 인하는 다음 계약 갱신 때가 아니라 발표되는 당일 청구서에 반영됩니다. 그것이 여러 모델을 단일 키 뒤에 유지하는 근거이며, 이 글에서 그들의 제품이 아니라 우리 제품에 관한 유일한 주장입니다.

Grok 4.7이 여전히 완승을 거두는 분야

두 곳인데, 어느 쪽도 작지 않다.

첫 번째는 출력 길이입니다. Grok 4.7은 450,000토큰의 출력 상한을 공개합니다. Qwen4-Max는 별도의 출력 상한을 공개하지 않습니다. 자체 사고(thinking)와 공유하는 262,144토큰 예산을 가지며, 사고를 억제하면 상한은 131,072입니다. 짧은 답변 대신 긴 산출물을 만들어내는 작업 — 생성된 코드베이스, 긴 법률 초안, 전사 후 분석된 코퍼스 — 에서 그 차이는 품질에 관한 것이 아닙니다. 그것은 작업이 한 번의 호출로 완료되는지, 아니면 분할(chunk)되어야 하는지에 관한 것입니다.

두 번째는 최상위 구간에서의 측정된 증거입니다. Grok 4.7은 9월부터 Artificial Analysis Intelligence Index에 포함되어 있으며, 추론 노력(reasoning effort)별로 세 가지 수치가 있습니다. xhigh에서 35, high에서 35, low에서 31이며, 첫 답변 토큰까지의 시간은 최고 설정에서 52.9초, 최저 설정에서 10.6초로 달라집니다. Qwen4-Max는 공개된 지수 점수가 43 하나뿐이며, 이 글을 쓰는 시점 기준으로 같은 보드에서 출력 속도나 작업별 소요 시간은 제공되지 않습니다. 43 대 35는 실제 우위이지만, 속도 수치 없는 점수만으로는 해당 모델이 당신의 지연 시간 예산 안에서 실용적인지 알 수 없습니다.

놓치기 쉬운 세 번째 비대칭성이 있습니다: Grok 4.7의 effort 제어는 요청별로 당길 수 있는 비용 레버이며, 공개된 타이밍은 각 설정이 대기 시간에서 얼마를 치르게 하는지 보여 줍니다. Qwen4-Max도 reasoning effort를 노출하지만, Alibaba는 절감 효과를 상대적 용어로만 설명합니다 — Work360 제품군에서 xhigh에서는 토큰 사용량이 24퍼센트, high에서는 35퍼센트 감소했고, Terminal-Bench 4.0에서는 48퍼센트와 49퍼센트 감소했으며, 모두 Qwen3.8-Max 대비 측정된 것이지 effort 수준별 요금표로 공개된 것은 아닙니다. 벤더 보고, 재현되지 않음, 그리고 다른 모델 대비: 방향으로는 유용하지만 예산 입력으로는 쓸모없습니다.

Qwen4-Max가 완전히 승리하는 경우

맥락과 미터의 형태.

100만 토큰 대 50만 토큰은 스펙이 두 배가 되는 것이 아니라, 어떤 작업이 적합한지를 바꾼다. 두 수치 사이에 놓이는 세 가지 작업이 있다. 관련 부분이 의존성 그래프와 이력으로 60만 토큰에 달하는 모노레포 전체 리팩터링, 검색이 아니라 전체를 읽어야 하는 문서 집합에 대한 탐색 작업, 그리고 하루 근무 시간 동안 상태를 요약하지 않고 누적하는 24/7 에이전트다. Qwen4-Max는 세 가지 모두에 적합하다. Grok 4.7은 한 번의 호출로는 어느 것에도 적합하지 않으며, 60만 토큰을 밀어 넣는 것은 검색을 쓰거나 $4/$12 등급을 쓰는 것을 의미하는데, 이는 2.7× 격차를 변호하기 어려워지는 바로 그 지점에 책정되어 있다.

정액 카드는 예측도 가능하게 합니다. 예산 담당자는 토큰 수에 단일 요율을 곱하기만 하면 정확한 값을 얻을 수 있습니다. 구간별 요율 카드는 재무 모델이 프롬프트 길이 분포를 추측해야 한다는 뜻이며, 실제로는 추정치가 비용이 더 많이 드는 방향으로 틀리게 됩니다.

그리고 그 나름의 독립적인 점수는 Qwen4-Max에 유리합니다: 같은 보드에서 43 대 35입니다. 주의할 점은 분명 있습니다 — 나온 지 며칠밖에 안 된 모델은 검토를 훨씬 덜 받았고, 단일 지수 집계 하나로는 작업별의 막대한 편차가 가려집니다 — 그러나 방향은 모호하지 않습니다.

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.

어느 모델도 말해주지 않는 것

두 공급업체 모두 가중치를 공개하지 않으므로, 어느 쪽도 자체 호스팅하거나 감사하거나 사용자가 통제하는 버전으로 고정할 수 없습니다. SpaceXAI는 Grok 4.7에 대해 매개변수 수를 전혀 공개하지 않습니다. Alibaba는 Qwen4-Max에 대한 아키텍처 설명 — 희소 어텐션 메커니즘과 교차 배치된 게이트형 DeltaNet 레이어, 동적 게이트를 갖춘 4개의 병렬 잔차 분기, N-gram 임베딩 테이블 — 을 공개하지만, 가중치는 공개하지 않습니다.

{{1}}어느 벤더의 벤치마크 수치도 인덱스처럼 독립적인 감사를 거치지 않는다.{{/1}} {{2}}Qwen3.8-Max의 47.74에 맞선 Alibaba의 Work360 수치 52.69, 작업당 평균 비용이 $4.43에서 $1.67로 떨어졌다는 주장, 그리고 다섯 개 기본 체크포인트 전반에서 바이트당 비트 수가 5~13% 더 낮다는 점은 모두 자사 측 자료이며 재현되지 않았다.{{/2}} {{3}}Grok 4.7의 이점 역시 인덱스 외에는 마찬가지로 문서화되어 있지 않다: SpaceXAI가 공개한 작업당 비용은 없고, 토큰 가격만 있을 뿐이다.{{/3}}

존재하는 유일한 독립적 비용 수치는 더 저렴해 보이는 쪽에 불리하게 작용한다. Artificial Analysis는 Qwen4-Max를 Intelligence Index 작업당 $3.27로 산정했지만, Grok 4.7 프로필에는 비교 가능한 수치가 전혀 없다. 이 점을 주의 깊게 읽어 보라. 여기서 가장 저렴해 보이는 모델이 작업당 비용이 문서화된 모델이고, 다른 하나는 그저 측정되지 않았을 뿐이다. 이는 Qwen4-Max가 비싸다는 증거가 아니다. 두 모델 중 하나만 누군가에 의해 처음부터 끝까지 비용이 산정되었다는 증거다.

선택하는 방법

프롬프트가 정기적으로 200,000 토큰을 초과한다면 Qwen4-Max는 길이가 길어질수록 격차가 커지는 더 저렴한 모델이며, Grok 4.7의 티어 구조는 흔한 "그냥 컨텍스트를 더 보내라"는 본능이 빠르게 비싸지게 만든다는 뜻입니다. 장문 컨텍스트 작업은 Qwen4-Max로 라우팅하세요.

당신의 작업이 단일 호출로 매우 긴 결과물을 내보내는 것이라면, Grok 4.7의 450,000토큰 출력 상한이 결정적인 숫자이고 Qwen4-Max의 공유 262,144 예산은 탈락 사유입니다. 생성을 청크로 나누는 것은 중립적인 우회 방법이 아닙니다. 이음새에서 일관성을 잃게 만듭니다.

커밋하기 전에 지연 시간 수치가 필요하다면, Grok 4.7은 세 가지 노력 수준에서 해당 수치를 공개한 반면 Qwen4-Max는 공개하지 않았습니다. 이러한 비대칭은 독립적인 테스트가 따라잡으면서 해소되겠지만, 현재로서는 표준화보다 파일럿을 선택할 이유가 됩니다.

이미 Grok 4.7을 운영 중이고 Qwen4-Max를 추가할지가 문제라면, 솔직한 답은 선택적으로 추가하는 것입니다. 즉, 긴 컨텍스트 읽기, 비디오 입력, 비용에 민감한 배치 작업에는 추가하고, 장문 생성은 출력 상한이 문서화된 모델에 맡기십시오. 하나의 키 뒤에 두 모델을 두면 마이그레이션이 아니라 라우팅 규칙 하나가 추가될 뿐, 그리고 어느 한 공급업체가 힘든 한 주를 겪더라도 중단이 아니라 장애 조치로 이어진다는 뜻입니다.

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.

출처가 함께 첨부된 스코어보드

이 모델들을 가장 명확하게 구분하는 단일 수치는 지수 점수가 아니라 400,000토큰에서의 가격입니다. Qwen4-Max $0.69, Grok 4.7 $1.84 — 각 공급업체가 공개한 국제 요금 기준입니다. 이 비교에서 나머지 모든 것은 증거와 여유분에 대한 판단입니다.

{{1}}지수 점수에 관해 한 말씀 드리자면, 이 점수들은 문맥에서 벗어나 인용될 것이기 때문입니다. 43과 35는 2026년 11월 17일 기준으로 읽은 동일한 Artificial Analysis 보드에서 나온 값입니다. 이 둘은 서로 비교할 수 있습니다. 이들은 Kimi K3.1 Pro가 이전 평가 기준에서 기록한 55와는 비교할 수 없으며, 그 두 수치를 같은 문장에 넣는 어떤 기사든 서로 다른 두 테스트를 비교하는 것입니다. 벤더 수치 — Work360, 토큰 감소량, 바이트당 비트 델타 — 는 알리바바 자체 수치이며 제3자 검증이 전혀 없습니다.{{/1}}

43을 기준으로 비용을 계획하기 전에 알아둘 점이 하나 더 있습니다. 이 점수는 단일 effort 설정에 대한 결과입니다. Alibaba는 기본적으로 thinking을 켜고 131,072토큰 예산과 effort를 high로 설정해 제공하며, 독립 테스트는 아직 low effort에서 모델이 어떤 점수를 내는지 또는 그로 인해 얼마나 절감되는지를 공개하지 않았습니다. 공개될 때까지는 43을 낮춰서 맞바꿀 수 있는 다이얼이 아니라 모델의 기본 설정에 대한 비용으로 보십시오.

두 카드 모두, 한 경로로

두 개의 요금표를 읽는 것과 두 개의 모델을 운영하는 것 사이의 운영상 차이를 짚고 넘어갈 가치가 있습니다. 그 차이는 가격 격차가 시사하는 것보다 작기 때문입니다. grok/grok-4.7은 우리가 제공하는 215개 식별자 중 하나이며, 공급자 정가에 아무것도 더하지 않은 가격이므로, 해당 모델의 티어 경계와 캐시 요금은 SpaceXAI가 그날 공개하는 값에 따릅니다. Qwen4-Max는 그중 하나가 아니며, Alibaba 자체의 Model Studio API를 통해 라우팅됩니다. 실질적인 결과는 위에서 주장한 혼합 전략, 즉 Qwen4-Max로 긴 컨텍스트 읽기, Grok 4.7로 장문 생성하기에는 각 측면마다 하나의 벤더 관계가 필요하며, 라우팅 규칙은 그 아래의 두 엔드포인트만큼만 좋다는 것입니다.

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.

이 글에서 비교한 모델1

이 글에서 자동 인식 · 벤치마크: Artificial Analysis · 매일 업데이트