Wygenerowana karta tytułowa 16:9 z napisem „Qwen4-Max vs Grok 4.7”, podtytułem „Milion tokenów kontekstu kontra pół miliona, a do tego wynik” i trzema zaokrąglonymi kartami: okno 1 000 000 tokenów, 1,50 USD i 4,50 USD za milion tokenów oraz dwie daty wydania: 16 listopada i 21 września 2026. Logo OrcaRouter w prawym dolnym rogu.
Guides & Insights

Qwen4-Max kontra Grok 4.7: milion tokenów kontekstu przeciw pół milionowi — i wynik, który za tym idzie

Autor

jinhao.song

Data publikacji

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

Żądanie, które odczytuje 400 000 tokenów historii repozytorium i zapisuje łatkę o rozmiarze 20 000 tokenów, kosztuje 6,80 USD w przypadku Qwen4-Max według międzynarodowych cen katalogowych i 8,00 USD w przypadku Grok 4.7 — a tylko jeden z tych dwóch modeli został poddany niezależnej ocenie, która mówi cokolwiek o tym, czy poradzi sobie z zadaniem. Taki jest w jednym zdaniu kształt tego porównania: Qwen4-Max firmy A​libaba, ogólnodostępny z opublikowanym cennikiem od 16 listopada 2026 r., jest tańszy w przeliczeniu na token i ma dwukrotnie większe okno kontekstu; Grok 4.7 firmy SpaceXAI, wydany 21 września 2026 r., to ten ze zmierzonym wynikiem, czterema wybieralnymi poziomami rozumowania i rokiem historii operacyjnej za sobą. To, który z tych dwóch faktów ma większe znaczenie, zależy wyłącznie od tego, co robi Twoje obciążenie, gdy zabraknie mu miejsca.

Oba modele przyjmują tekst na wejściu i zwracają tekst na wyjściu, a obraz jest dodatkowym wejściem; oba obsługują wywoływanie narzędzi i ustrukturyzowane wyjście, a ich ceny mieszczą się w tym samym przedziale. Różnice, które pozostają istotne przy rzeczywistym obciążeniu, to zapas kontekstu, ekonomika buforowania, dowody oraz sposób, w jaki każdy dostawca pozwala przeznaczać moc obliczeniową na rozumowanie.

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.

Czym jest każdy z nich, według terminologii samego dostawcy

Qwen4-Max to flagowy model czwartej generacji Alibaby, udokumentowany jako model multimodalny, który przyjmuje tekst, obrazy i wideo oraz generuje tekst. Podane limity to okno kontekstowe wynoszące 1 000 000 tokenów, maksymalna długość odpowiedzi 131 072 tokenów w trybie bez rozumowania oraz łączny budżet na rozumowanie i odpowiedź wynoszący 262 144 tokeny. Rozumowanie jest domyślnie włączone z budżetem 131 072 tokenów i wysiłkiem rozumowania ustawionym na wysoki; to odmienna domyślna konfiguracja niż w przypadku większości zachodnich modeli flagowych, o czym warto wiedzieć, zanim zacznie się cokolwiek z nim porównywać.

Grok 4.7 to obecny flagowy model tekstowy SpaceXAI – model rozumujący z oknem kontekstowym 500 000 tokenów, datą odcięcia wiedzy w maju 2026 r., wejściem obrazowym oraz czterema poziomami rozumowania, w tym nowym najwyższym ustawieniem. SpaceXAI nie publikuje dla niego liczby parametrów i opisuje to wydanie jako większy model bazowy z dłuższym przebiegiem uczenia ze wzmocnieniem, a nie nową architekturę. Jego cena katalogowa wynosi 2,00 USD za milion tokenów wejściowych, 6,00 USD za milion tokenów wyjściowych i 0,50 USD za milion tokenów wejściowych z pamięci podręcznej.

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.

Zestaw je obok siebie pod względem kryteriów decydujących o zakupie:

• Kontekst — Qwen4-Max 1 000 000 tokenów kontra Grok 4.7 500 000 tokenów

• Maksymalna liczba tokenów wyjściowych — Qwen4-Max: 131,072 w trybie bez myślenia, 262,144 współdzielone z trybem myślenia, w porównaniu z opublikowanym przez dostawcę limitem wyjściowym Grok 4.7, którego SpaceXAI nie wyodrębnia osobno z kontekstu

• Cena wejściowa — Qwen4-Max 1,50 USD za 1 mln w Singapurze, 1,413 USD we Frankfurcie, Wirginii, Tokio, Hongkongu i Pekinie, w porównaniu z Grok 4.7 2,00 USD

• Cena wyjściowa — Qwen4-Max 4,50 USD w Singapurze, 4,24 USD w pozostałych krajach, w porównaniu z Grok 4.7 6,00 USD

• Buforowane dane wejściowe — Qwen4-Max: odczyt za 0,075 USD po pięciominutowym zapisie za 1,875 USD, w porównaniu z Grok 4.7: odczyt za 0,50 USD

• Modalność — Qwen4-Max: tekst, obraz i wideo na wejściu, w porównaniu z Grok 4.7: tekst i obraz na wejściu

• Niezależny wynik — Qwen4-Max: brak opublikowanego, w porównaniu z Grok 4.7, który osiąga 35,5 w Artificial Analysis Intelligence Index v5.0.1 przy wysiłku xhigh, 35,2 przy high i 31,1 przy low

• Wagi — żaden z nich nie publikuje żadnych

Rozwiązany przykład z pokazanymi obliczeniami

Porównania kosztów między modelami o różnych projektach pamięci podręcznej to miejsce, w którym większość publikowanych benchmarków po cichu wprowadza w błąd, więc oto te same trzy obciążenia wycenione od początku do końca według obu cenników, z użyciem międzynarodowych cen katalogowych i z pominięciem wszelkich wynegocjowanych rabatów.

• Odczyt długiego kontekstu, bez ponownego wykorzystania — 400 tys. tokenów wejściowych, 20 tys. tokenów wyjściowych: 0,60 USD za wejście plus 0,09 USD za wyjście w Qwen4-Max Singapore, czyli 0,69 USD; 0,80 USD plus 0,12 USD w Grok 4.7, czyli 0,92 USD. Qwen4-Max jest o 25% tańszy.

• Pętla agenta ze stabilnym prefiksem — 200 tys. tokenów wejściowych, z czego 180 tys. jest w pamięci podręcznej, 10 tys. tokenów wyjściowych, dziesięć tur: Qwen4-Max nalicza 0,0135 USD za odczyty z pamięci podręcznej plus 0,03 USD za świeże dane wejściowe plus 0,045 USD za dane wyjściowe na turę, 0,885 USD łącznie; Grok 4.7 nalicza 0,09 USD za odczyty z pamięci podręcznej plus 0,04 USD za świeże dane wejściowe plus 0,06 USD za dane wyjściowe na turę, 1,90 USD łącznie. Różnica rośnie do ponad 2×, ponieważ stawka za odczyt z pamięci podręcznej różni się prawie siedmiokrotnie.

• Klasyfikacja masowa, bez rozumowania — 2 tys. tokenów wejściowych, 200 wyjściowych, 50 000 wywołań: 1,74 USD w Qwen4-Max Singapore i 2,60 USD w Grok 4.7. W obu przypadkach to niewielkie kwoty na tysiąc wywołań, a w obu dominuje strona wyjściowa licznika.

Zwr��ć uwagę, czego pierwszy wiersz nie mówi. 25% przewagi cenowej przy odczycie długiego kontekstu warto mieć, ale jest ona warta znacznie mniej niż koszt błędnej odpowiedzi, a model z opublikowanym wynikiem to ten, o którym możesz rozumować, zanim cokolwiek wydasz. Cena za token to fakt o dostawcy; cena za ukończone zadanie to fakt o modelu, a nikt jeszcze nie opublikował drugiej liczby dla Qwen4-Max.

Gdzie okno 1M faktycznie zmienia decyzję

Podwojenie okna kontekstu z 500K do 1M brzmi jak chwyt marketingowy, dopóki nie natrafisz na konkretne obciążenia, które mieszczą się między tymi dwiema liczbami. Trzy, które powtarzają się w praktyce: refaktoryzacja w całym monorepo, gdzie istotny fragment to graf zależności o rozmiarze 600K tokenów, a nie pojedynczy plik; przegląd umowy, który musi jednocześnie utrzymywać w kontekście całą umowę wraz z załącznikami i wcześniejszymi aneksami; oraz długotrwała sesja agenta, w której rośnie transkrypt, a nie prompt.

W trzecim z tych przypadków ekonomia pamięci podręcznej ma większe znaczenie niż okno. Sesja, która tura po turze dopisuje do transkryptu o długości 300 tys. tokenów, płaci za odczyty z pamięci podręcznej znacznie częściej niż za świeże dane wejściowe, a stawka Qwen4-Max wynosząca 0,075 USD za odczyt w porównaniu z 0,50 USD w Grok 4.7 to największa pojedyncza różnica strukturalna między cennikami obu dostawców — większa, w ujęciu procentowym, niż różnica między ich cenami katalogowymi, która wynosi zaledwie 25% na wejściu i 25% na wyjściu. Zwróć też uwagę na koszt zapisu do pamięci podręcznej: Qwen4-Max pobiera 1,875 USD za milion, aby wypełnić wpis pamięci podręcznej ważny pięć minut, co jest powyżej jego własnej ceny wejściowej, więc obciążenie, które buforuje prefiks odczytywany tylko raz, płaci za to premię. To rozwiązanie zaprojektowane pod wielokrotne odczyty, a nie pod jednorazowe prompty.

Odpowiedź Grok 4.7 na ten sam problem różni się jakościowo, a nie stopniem: cztery poziomy rozumowania oznaczają, że można obniżyć moc obliczeniową w turach, które jej nie potrzebują, a zwiększyć ją w tych, które jej potrzebują, a SpaceXAI wycenia wszystkie cztery identycznie. To dźwignia, którą Qwen4-Max udostępnia jako wartość konfiguracji — poziom wysiłku rozumowania domyślnie wynosi wysoki, z budżetem myślenia wynoszącym 131 072 tokeny — ale bez niezależnego pomiaru tego, co daje każde ustawienie, trudniej jest pociągnąć za tę dźwignię z pewnością.

Ile kosztuje Cię w praktyce brakujący benchmark

Wynik 35,5 modelu Grok 4.7 w Index v5.0.1 nie jest spektakularną liczbą. Znajduje się znacznie poniżej wyniku 46,5 modelu Kimi K3.1 Pro w tej samej wersji indeksu i za czołowymi zachodnimi flagowcami. Daje jednak możliwość porównania go z czymś. Zespół wybierający między dwoma modelami z wynikami może w ciągu jednego popołudnia zdecydować, czy tańszy jest wystarczająco dobry; zespół wybierający między modelem z wynikiem a modelem bez wyniku musi najpierw kupić czas na ocenę, zanim w ogóle będzie mógł zdecydować.

A​libaba nie opublikowała żadnej tabeli wyników dla Qwen4-Max — ani zgłoszonej przez dostawcę, ani niezależnej. W indeksie modeli Artificial Analysis nie ma wpisu Qwen4, a strona danego modelu zwraca 404. Jedyne dostępne stwierdzenia dotyczące możliwości pochodzą z samej dokumentacji: głębokie rozumowanie, równoległe wywoływanie narzędzi, wyszukiwanie w sieci, uzupełnianie prefiksów, ustrukturyzowane dane wyjściowe w trybach JSON Object i JSON Schema oraz buforowanie promptów w formie jawnej i niejawnej. To są deklaracje dotyczące funkcji i zazwyczaj są prawdziwe. Nie stanowią jednak dowodu jakości w żadnym zadaniu, na którym Ci zależy.

Praktyczne zalecenie jest więc takie: zanim dokonasz przełączenia, przeprowadź własną ewaluację i uczciwie oszacuj jej skalę. Sto reprezentatywnych promptów z własnego ruchu, ocenionych według dowolnych kryteriów, których Twój zespół już używa, powie Ci więcej o tym, czy Qwen4-Max zastąpi Grok 4.7, niż jakikolwiek ranking — a kosztuje to kilka dolarów według obu cenników, ponieważ wejściowa strona obu liczników jest tańszą stroną.

Łączenie obu pod jednym kluczem

OrcaRouter wymienia Grok 4.7 jako grok/grok-4.7 w cenie katalogowej samego SpaceXAI: 2,00 USD za milion tokenów wejściowych i 6,00 USD za milion tokenów wyjściowych, przekazywanej bez narzutu pod tym samym bazowym adresem URL zgodnym z OpenAI co reszta katalogu. Qwen4-Max nie jest dziś w katalogu; można się do niego dostać przez własne API A​libaba, gdzie obowiązuje powyższa cena regionalna i gdzie klucz singapurski otrzymuje stawkę 1,50 USD. Przydatnym podejściem, dopóki wciąż oceniasz, jest utrzymanie obu tras aktywnych i pozwolenie polityce routingu decydować przy każdym żądaniu, zamiast przypisywania ścieżki kodu do którejkolwiek z nich.

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.

Dwie rzeczy w warstwie routingu się tu bronią. Pierwszą jest fuzja modeli: panel, który odpowiada na trudny prompt za pomocą obu modeli i trzeciego sędziego, to najszybszy sposób, by sprawdzić, czy brakujący wynik Qwen4-Max ukrywa lukę, czy ukrywa zwycięstwo, a kosztuje dwa wywołania zamiast migracji. Drugą jest automatyczny failover — nowy model GA to dokładnie ten przypadek, w którym chcesz mieć skonfigurowany łańcuch awaryjny przed pierwszym produkcyjnym żądaniem, a nie po pierwszym 5xx.

Jak zdecydować w tym tygodniu

Jeśli Twoje obciążenia mieszczą się w 500 tys. tokenów i nie masz ochoty na ewaluację, Grok 4.7 jest wyborem, którego można bronić: ma za sobą pomiary, od września jest dojrzały operacyjnie i oferuje pokrętło rozumowania, które model z wynikami pozwala kalibrować. Jeśli Twoje obciążenia to te konkretne, które wymagają ponad pół miliona tokenów — monorepo, pełny zestaw umów, transkrypt, który stale rośnie — wtedy Qwen4-Max jest nie tylko tańszy, lecz jest jedynym z tych dwóch, który w ogóle przyjmie żądanie, a brak benchmarku staje się kosztem prowadzenia działalności, a nie powodem do czekania. Jeśli jesteś gdzieś pomiędzy, uczciwa odpowiedź to ta, która kosztuje kilka dolarów i popołudnie: uruchom oba na własnym ruchu i pozwól, by porównanie ukończonych zadań przeważyło nad porównaniem na token.

Porównane w tym artykule1

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