Een titelkaart met als kop 'Qwen4-Max vs Grok 4.5: een model van één dag oud tegen een dat al is vervangen', met drie chips die luiden: Qwen4-Max uitgebracht op 16 november 2026, Grok 4.5 uitgebracht op 8 juli 2026 en opgevolgd door Grok 4.6, en een indexscore van 43 tegenover geen enkele gepubliceerde score, met een bijschrift dat verwijst naar de modelpagina's van Artificial Analysis op 17 november 2026.
Guides & Insights

Qwen4-Max vs Grok 4.5: Je vergelijkt een model dat gisteren is uitgebracht met een model dat zijn eigen leverancier al heeft vervangen

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Open de modelpagina voor Grok 4.5 op Artificial Analysis en het eerste dat je op het scherm ziet, is geen benchmark. Het is een melding: dit model is verouderd, SpaceXAI heeft een nieuwere release uitgebracht, Grok 4.6, en je kunt beter die overwegen. De pagina bevat nog steeds metingen — 10,45 seconden tot het eerste antwoordtoken, 65 tokens per seconde, een contextvenster van 500k, $2,00 in en $6,00 uit per miljoen — maar er staat helemaal geen intelligentiescore meer op, en de benchmarkfrequentie is teruggebracht van elke zes uur naar elke achttien uur. Qwen4-Max, daarentegen is sinds 16 november 2026 te koop en is één dag oud. Een model van één dag oud tegenover een achterhaald model zetten, is een vreemde keuze om bewust te maken, en juist daarom loont het: de vergelijking zegt minder over welk model beter is dan over hoe snel het token-efficiëntieargument dat Grok 4.5 rechtvaardigde, is ingehaald.

Wat elk model eigenlijk is, één dag in een van hun levens

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.

• Leverancier — A​libaba vs SpaceXAI, dat de G​rok-lijn halverwege het jaar hernoemde

• Uitgebracht — Qwen4-Max op 16 november 2026 vs Grok 4.5 op 8 juli 2026, opgevolgd door Grok 4.6

• Prijs per miljoen tokens — $1,50 in / $4,50 uit vs. $2,00 in / $6,00 uit

Cachelezen — $0,075 per miljoen voor Qwen4-Max versus $0,30 per miljoen voor Grok 4.5

• Contextvenster — 1.000.000 tokens tegenover 500.000

• Maximale uitvoer — 131,072 tokens niet-denkend, 262,144 gedeeld in denkmodus vs. 64,000 gedocumenteerd

• Invoermodaliteiten — tekst, afbeelding en video vs. tekst, afbeelding en bestand

• Onafhankelijke indexscore — 43 voor Qwen4-Max versus geen gepubliceerde score voor Grok 4.5

• Deprecatiestatus — huidig vlaggenschip vs. vervangen, met een opvolger op dezelfde kaart

De laatste drie rijen zijn het artikel. De kaart van Qwen4-Max is op elke as die een specificatieblad kan meten groter, en op de kaart van Grok 4.5 staat een opmerking dat er een betere versie bestaat tegen dezelfde prijs.

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.

Waarom iemand nog steeds voor 4.5 zou kiezen, en waarom die reden steeds kleiner wordt

De argumentatie voor Grok 4.5 was nooit pure capaciteit. Het draaide om tokens: het model was gebouwd op een foundation met 1,5 biljoen parameters, getraind naast een code-editor en verkocht op het oplossen van software-engineeringtaken in veel minder outputtokens dan vergelijkbare frontiermodellen, tegen een prijs die gericht was op productie op grote schaal. Dat is een oprecht goed verkoopargument, en het is hetzelfde verkoopargument dat Alibaba maakt voor Qwen4-Max — 24% tot 35% minder outputtokens dan zijn voorganger, 48% tot 49% minder op Terminal-Bench 4.0, gemiddelde kosten per taak omlaag van $4,43 naar $1,67.

Beide leveranciers verkopen met andere woorden zuinigheid. Het verschil is dat een van deze beweringen op het punt staat continu te worden getest en de andere niet meer zo vaak wordt getest. Artificial Analysis draait Grok 4.5 nog steeds, maar elke achttien uur in plaats van elke zes uur, wat een beleefde manier is om te zeggen dat het model is opgeschoven van dekking naar onderhoud. Een model waarvan het gedrag een kwart zo vaak wordt bemonsterd, is een model waarvan regressies een kwart zo snel worden gevonden.

Er is een verdedigbare reden om het in een catalogus te houden: het is stabiel, het is goedkoop, het 500k-venster dekt het grootste deel van het werk, en je hoeft niets te wijzigen. Dat is het argument voor elke gevestigde partij. Het houdt op verdedigbaar te zijn op het moment dat er een opvolger met hetzelfde contextvenster en dezelfde basisprijs beschikbaar is, want op dat punt is het enige overgebleven voordeel van de gevestigde partij dat je nog niet bent gemigreerd.

De enige dimensie waarop Grok 4.5 een gepubliceerd cijfer heeft en Qwen4-Max niet

Latentie. Volgens de meting van Artificial Analysis antwoordt Grok 4.5 in 10,45 seconden en streamt met 65 tokens per seconde. Die cijfers zijn niets bijzonders naast een modern frontiermodel — Claude Opus 5.5 doet er bij maximale inspanning 352 seconden over tot het eerste token, GPT-6.1 Sol 169 seconden — maar ze bestaan, ze zijn reproduceerbaar en je kunt er je capaciteitsplanning op afstemmen.

Voor Qwen4-Max is nergens een gepubliceerd latentiecijfer te vinden. Artificial Analysis vermeldt de indexscore, het prijsoverzicht en de tokentotalen, en laat de prestatiekolom leeg: geen tijd per taak, geen outputsnelheid, geen tijd tot het eerste token. In het lanceringsmateriaal van A​libaba worden tokenaantallen gepubliceerd, wat een andere grootheid is, en een model dat half zoveel tokens schrijft terwijl het even snel draait, voltooit een taak in de helft van de tijd — de twee beweringen zijn niet uitwisselbaar.

De eerlijke stand van de vergelijking op 17 november is dus dat het oudere, vervangen model het model is waarvoor je de kloktijd kunt budgetteren, en het nieuwe het model is dat je zelf moet meten. Voor een batchpipeline is dat een middag werk. Voor een interactief product is het een reden om Qwen4-Max achter een fallback te draaien in plaats van ervoor.

De 200.000-tokenregel, terloops

Grok 4.5 is getrapt op basis van promptlengte: tot 200.000 invoertokens rekent het $2,00 en $6,00, en daarboven verdubbelt het tarief naar $4,00 en $12,00. Qwen4-Max hanteert één tarief van nul tot de contextlimiet. Omdat het contextvenster van Grok 4.5 500k is en het goedkope tarief stopt bij 200k, wordt de bovenste 300k van zijn eigen venster gefactureerd tegen het dubbele van het geadverteerde tarief — een detail dat minder uitmaakt dan het op een 1M-tokenmodel zou doen, en juist meer dan de $2,00 uit de kop doet vermoeden.

De niche waarin een vervangen model nog steeds het juiste antwoord is, is smal maar reëel: workloads die vastzitten aan de token-efficiëntie ervan, al afgestemd op prompts van 200k tokens, en het niet waard zijn om opnieuw te valideren. Als dat op jou van toepassing is, deelt Grok 4.6 het contextvenster, het invoeroppervlak en de basisprijs, dus de migratie is een kwestie van een model-ID in plaats van een project.

Video is de rij waarmee voor sommige teams de vergelijking eindigt.

Qwen4-Max accepteert tekst, afbeeldingen en video. Grok 4.5 accepteert tekst, afbeeldingen en bestanden. Tencent's Hy4 preview, Anthropic's Opus 5.5 en OpenAI's Sol lezen allemaal bestanden in plaats van video, waardoor Qwen4-Max ongebruikelijk is in plaats van slechts nieuwer: voor werk op frameniveau — beoordeling van beeldmateriaal, analyse van schermopnamen, alles met een tijdlijn — is de rest van deze vergelijking irrelevant, want er is niets om mee te vergelijken.

De keerzijde is dat het gedocumenteerde thinking-outputbudget van Qwen4-Max een gedeeld budget van 262.144 tokens is tussen de redeneertrace en het zichtbare antwoord, met een standaard thinking-budget van 131.072 en reasoning_effort dat standaard op high staat. Een video-analysetaak die uitgebreid redeneert, zal een aanzienlijk deel van het antwoordbudget aan het redeneren besteden. Stem de uitvoer af op 131.072, niet op het 1M-contextgetal in de vermelding.

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.

Het paar draaien, en wat "één sleutel" aan elke kant oplevert

OrcaRouter routeert Grok 4.5 voor $2,00 in en $6,00 uit per miljoen tot de grens van 200.000 tokens en $4,00 en $12,00 daarboven — de eigen tariefkaart van de leverancier, doorgegeven zonder opslag — en routeert ook de opvolger als Grok 4.6 tegen dezelfde basistarieven, waardoor de migratie van 4.5 naar 4.6 een wijziging van één veld in een routeringsregel is in plaats van een nieuwe integratie. Dezelfde sleutel bereikt Claude Opus 5.5, GPT-6.1 Sol, Qwen3.8-Max en T​encent HY4 Preview.

Qwen4-Max staat niet op die lijst. De catalogus heeft de Qwen4-generatie nog niet opgenomen, dus een Qwen4-Max-route is voorlopig een directe A​libaba-sleutel, en de eerlijke manier om de opzet te beschrijven is één endpoint voor alles waarop je eventueel kunt terugvallen plus één directe credential voor het model dat je evalueert.

Die splitsing is nog steeds de goedkope manier om de vraag te beantwoorden die dit artikel stelt. Richt de Grok 4.5-route en de Grok 4.6-route op hetzelfde verkeer, publiceer de vergelijking op basis van je eigen requests, en houd Qwen4-Max ernaast als derde tak met automatische failover tussen providers erachter. Het alternatief — een werkend pad buiten gebruik stellen om een model te testen zonder gepubliceerde latency — is hoe teams om 2 uur 's nachts uiteindelijk een rollback moeten doen.

Wat te doen met een model waarop een melding staat

De mededeling op de pagina van Grok 4.5 is geen overlijdensbericht. Het model draait, het is concurrerend geprijsd en zijn contextvenster van 500k is meer dan de meeste taken nodig hebben. Maar een vergelijking tussen het model en Qwen4-Max is niet echt een keuze tussen twee opties: het is een keuze tussen een bekende grootheid die wordt afgebouwd en een onbekende grootheid die net is gearriveerd, en de beslissende factor is je tolerantie voor het zelf meten van dingen.

Drie dingen om in de gaten te houden, in volgorde. Elk onafhankelijk latencycijfer voor Qwen4-Max, de enige ontbrekende input in deze vergelijking. Of A​libaba het gedeelde denkbudget van 262.144 tokens herziet zodra er agentverkeer op gang komt. En of Grok 4.5 überhaupt op de lijst blijft staan voorbij het punt waarop de opvolger goed is ingelopen — want een deprecatiemelding is meestal de eerste alinea van een uitfaserdatum.

Vergeleken in dit artikel1

Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt