Karta tytułowa z nagłówkiem „Qwen4-Max vs Grok 4.5: model mający jeden dzień kontra model już zastąpiony”, z trzema etykietami o treści: Qwen4-Max wydany 16 listopada 2026, Grok 4.5 wydany 8 lipca 2026 i zastąpiony przez Grok 4.6, oraz wynikiem indeksu 43 wobec braku opublikowanego wyniku, z podpisem odsyłającym do stron modeli Artificial Analysis w dniu 17 listopada 2026.
Guides & Insights

Qwen4-Max vs Grok 4.5: Porównujesz model wydany wczoraj z modelem, który jego własny dostawca już zastąpił

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Otwórz stronę modelu Grok 4.5 w serwisie Artificial Analysis, a pierwszą rzeczą, którą zobaczysz na ekranie, nie jest żaden benchmark. To komunikat: ten model jest przestarzały, SpaceXAI wydało nowszą wersję, Grok 4.6, i to ją warto rozważyć zamiast niego. Strona wciąż zawiera pomiary — 10,45 sekundy do pierwszego tokenu odpowiedzi, 65 tokenów na sekundę, okno kontekstu 500 tys., 2,00 USD za wejście i 6,00 USD za wyjście za milion — ale nie zawiera już żadnego wyniku inteligencji, a częstotliwość testów benchmarkowych spadła z co sześć godzin do co osiemnaście. Qwen4-Maxnatomiast jest w sprzedaży od 16 listopada 2026 r. i ma zaledwie jeden dzień. Zestawianie jednodniowego modelu z modelem wypartym to dziwna rzecz do zrobienia celowo, i właśnie dlatego warto to zrobić: to porównanie mówi mniej o tym, który model jest lepszy, a więcej o tym, jak szybko argument o wydajności tokenowej, który uzasadniał Grok 4.5, został prześcignięty.

Czym naprawdę jest każdy model — jeden dzień z życia jednego z nich

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.

• Dostawca — A​libaba vs SpaceXAI, które w połowie roku zmieniło nazwę linii G​rok

• Wydano — Qwen4-Max 16 listopada 2026 vs Grok 4.5 8 lipca 2026, zastąpiony przez Grok 4.6

• Cena za milion tokenów — 1,50 USD za wejście / 4,50 USD za wyjście vs 2,00 USD za wejście / 6,00 USD za wyjście

• Odczyt z pamięci podręcznej — 0,075 USD za milion w przypadku Qwen4-Max vs 0,30 USD za milion w przypadku Grok 4.5

• Okno kontekstu — 1 000 000 tokenów wobec 500 000

• Maksymalne wyjście — 131 072 tokeny w trybie bez myślenia, 262 144 współdzielone w trybie myślenia w porównaniu z 64 000 udokumentowanymi

• Modalności danych wejściowych — tekst, obraz i wideo vs tekst, obraz i plik

• Niezależny wynik indeksu — 43 dla Qwen4-Max w porównaniu z brakiem opublikowanego wyniku dla Grok 4.5

• Status wycofania — obecny flagowiec vs zastąpiony, z następcą na tej samej karcie

Ostatnie trzy wiersze to artykuł. Karta Qwen4-Max jest większa w każdym wymiarze, jaki da się zmierzyć w karcie specyfikacji, a karta Grok 4.5 ma notatkę mówiącą, że istnieje lepsza wersja w tej samej cenie.

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.

Dlaczego ktokolwiek miałby nadal wybierać 4.5 i dlaczego ten powód traci na znaczeniu

Argument za Grok 4.5 nigdy nie opierał się na surowych możliwościach. Chodziło o tokeny: model powstał na fundamencie o 1,5 biliona parametrów, trenowanym równolegle z edytorem kodu, i był sprzedawany jako rozwiązujący zadania z zakresu inżynierii oprogramowania przy znacznie mniejszej liczbie tokenów wyjściowych niż porównywalne modele frontier, w cenie zaprojektowanej pod produkcję wielkoskalową. To naprawdę dobra propozycja, a tę samą propozycję Alibaba składa dla Qwen4-Max — od 24% do 35% mniej tokenów wyjściowych niż poprzednik, od 48% do 49% mniej na Terminal-Bench 4.0, średni koszt zadania spadł z $4.43 do $1.67.

Innymi słowy, obaj dostawcy sprzedają oszczędność. Różnica polega na tym, że jedno z tych twierdzeń wkrótce będzie testowane w sposób ciągły, a drugie przestało być testowane tak często. Artificial Analysis wciąż uruchamia Grok 4.5, ale co osiemnaście godzin, a nie co sześć, co jest uprzejmym sposobem powiedzenia, że model przeszedł z fazy pokrycia do fazy utrzymania. Model, którego zachowanie jest próbkowane cztery razy rzadziej, to model, którego regresje są wykrywane cztery razy wolniej.

Istnieje uzasadniony powód, by trzymać go w katalogu: jest stabilny, jest tani, jego okno 500k obejmuje większość pracy i nie wymaga od ciebie żadnych zmian. To argument za każdym dotychczasowym rozwiązaniem. Przestaje być uzasadniony w momencie, gdy dostępny jest następca z tym samym oknem kontekstu i tą samą ceną bazową, ponieważ wtedy jedyną pozostałą przewagą obecnego rozwiązania jest to, że jeszcze nie dokonałeś migracji.

Jedyna oś, w której Grok 4.5 ma opublikowaną liczbę, a Qwen4-Max nie

Latencja. Według pomiaru Artificial Analysis Grok 4.5 odpowiada w 10,45 sekundy i strumieniuje z szybkością 65 tokenów na sekundę. Te liczby nie są niczym niezwykłym na tle nowoczesnego modelu klasy frontier — Claude Opus 5.5 potrzebuje 352 sekund do pierwszego tokenu przy maksymalnym wysiłku, a GPT-6.1 Sol 169 sekund — ale istnieją, są powtarzalne i można na ich podstawie planować zasoby.

Qwen4-Max nie ma nigdzie publikowanego wskaźnika opóźnienia. Artificial Analysis podaje jego wynik w indeksie, cennik i łączne liczby tokenów, a kolumnę wydajności pozostawia pustą: brak czasu wykonania zadania, brak szybkości generowania, brak czasu do pierwszego tokenu. Materiały premierowe Alibaby podają liczby tokenów, co jest inną wielkością, a model, który zapisuje o połowę mniej tokenów, działając z tą samą szybkością, kończy zadanie w połowie czasu — tych dwóch twierdzeń nie można używać zamiennie.

Uczciwy obraz porównania na dzień 17 listopada jest więc taki, że starszy, zastąpiony model to ten, względem którego można oszacować czas rzeczywisty, a nowy to ten, który trzeba zmierzyć samodzielnie. W przypadku potoku wsadowego to popołudnie pracy. W przypadku produktu interakcyjnego to powód, by uruchamiać Qwen4-Max za mechanizmem zapasowym, a nie przed nim.

Granica 200 000 tokenów, mimochodem

Grok 4.5 ma progi zależne od długości promptu: do 200 000 tokenów wejściowych rozlicza się stawkami 2,00 i 6,00 USD, a powyżej tej wartości stawka podwaja się do 4,00 i 12,00 USD. Qwen4-Max oferuje jeden próg od zera do limitu kontekstu. Ponieważ okno kontekstu Grok 4.5 wynosi 500 tys., a jego tani próg kończy się na 200 tys., górne 300 tys. jego własnego okna jest rozliczane według podwójnej reklamowanej stawki — szczegół, który ma mniejsze znaczenie, niż miałby w modelu z 1 mln tokenów, i nieco większe, niż sugeruje nagłówek z 2,00 USD.

Nisza, w której zastąpiony model wciąż jest właściwym wyborem, jest wąska, ale realna: obciążenia przypięte do jego efektywności tokenowej, już dostrojone pod prompty o długości 200 tys. tokenów i niewarte ponownej walidacji. Jeśli to o Tobie, Grok 4.6 ma to samo okno kontekstu, interfejs wejściowy i cenę bazową, więc migracja to zmiana identyfikatora modelu, a nie projektu.

Wideo to wiersz, który dla niektórych zespołów kończy porównanie.

Qwen4-Max obsługuje tekst, obrazy i wideo. Grok 4.5 obsługuje tekst, obrazy i pliki. Hy4 preview firmy Tencent, Opus 5.5 firmy Anthropic i Sol firmy OpenAI odczytują pliki, a nie wideo, co sprawia, że Qwen4-Max jest nietypowy, a nie tylko nowszy: w przypadku pracy na poziomie klatek — selekcji materiału filmowego, analizy nagrań ekranu, wszystkiego, co ma os czasu — reszta tego porównania nie ma znaczenia, ponieważ nie ma z czym porównywać.

Druga strona medalu jest taka, że {{1}}udokumentowany budżet tokenów wyjściowych na myślenie modelu Qwen4-Max{{/1}} to współdzielone 262,144 tokenów między {{2}}ślad rozumowania a widoczną odpowiedź{{/2}}, z domyślnym budżetem myślenia wynoszącym 131,072, a {{3}}reasoning_effort{{/3}} domyślnie ustawionym na high. Zadanie analizy wideo, które długo rozumuje, zużyje znaczną część budżetu odpowiedzi na rozumowanie. Rozmiar wyjścia należy planować względem 131,072, a nie względem liczby 1M dotyczącej kontekstu podanej w opisie oferty.

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.

Uruchamianie pary — i co „jeden klucz” daje po każdej stronie

OrcaRouter kieruje ruch do modelu Grok 4.5 po $2.00 za wejście i $6.00 za wyjście za milion tokenów do progu 200 000 tokenów oraz $4.00 i $12.00 powyżej niego — według własnej karty cenowej dostawcy, przekazywanej bez narzutu (0% marży) — i kieruje również ruch do jego następcy jako Grok 4.6 po tych samych stawkach bazowych, co sprawia, że migracja z 4.5 do 4.6 jest zmianą jednego pola w regule routingu a nie nową integracją. Ten sam klucz dociera do Claude Opus 5.5, GPT-6.1 Sol, Qwen3.8-Max i T​encent HY4 Preview.

Qwen4-Max nie znajduje się na tej liście. Katalog nie uwzględnił generacji Qwen4, więc dostęp do Qwen4-Max odbywa się na razie przez bezpośredni klucz Alibaba, a uczciwym sposobem opisania tego rozwiązania jest jeden punkt końcowy dla wszystkiego, na co możesz się w razie potrzeby przerzucić, plus jedno bezpośrednie poświadczenie dla modelu, który oceniasz.

Ten podział nadal jest tanim sposobem na odpowiedź na pytanie, które stawia ten artykuł. Skieruj trasę Grok 4.5 i trasę Grok 4.6 na ten sam ruch, opublikuj porównanie na własnych żądaniach i trzymaj Qwen4-Max obok jako trzecią gałąź z automatycznym przełączaniem awaryjnym między dostawcami za nią. Alternatywa — wycofanie działającej ścieżki, by przetestować model bez publikowanych opóźnień — to właśnie sposób, w jaki zespoły kończą, wycofując wdrożenie o 2 w nocy.

Co zrobić z modelem, na którym widnieje powiadomienie

Komunikat na stronie Grok 4.5 nie jest nekrologiem. Model działa, ma konkurencyjną cenę, a jego okno 500k przekracza potrzeby większości zadań. Jednak porównanie go z Qwen4-Max nie jest tak naprawdę wyborem między dwiema opcjami: to wybór między znaną wielkością, która jest wygaszana, a nieznaną wielkością, która właśnie się pojawiła, a czynnikiem rozstrzygającym jest twoja tolerancja wobec samodzielnego mierzenia rzeczy.

Trzy rzeczy, na które warto zwrócić uwagę, po kolei. Jakiekolwiek niezależne dane o opóźnieniach dla Qwen4-Max, które są jedynym brakującym wejściem w tym porównaniu. Czy Alibaba zmieni wspólny budżet rozumowania wynoszący 262 144 tokeny, gdy pojawi się ruch ze strony agentów. I czy Grok 4.5 w ogóle pozostanie w zestawieniu po momencie, w którym jego następca został już gruntownie przetestowany — ponieważ komunikat o wycofaniu to zwykle pierwszy akapit daty zakończenia wsparcia.

Porównane w tym artykule1

Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie