Wygenerowana karta tytułowa z napisem Qwen 4 vs Grok 4.7, z podtytułem „Gdzie linia 200 000 tokenów zmienia rachunek”, osią długości promptu oznaczoną przy 200 000 tokenów oraz dwiema kartami cenowymi z napisami 1,50 USD wejście / 4,50 USD wyjście, jedną stawką ryczałtową dla Qwen4-Max i 4 USD wejście / 12 USD wyjście powyżej 200 tys. dla Grok 4.7.
Guides & Insights

Qwen 4 kontra Grok 4.7: granica 200 000 tokenów decyduje o tym starciu

Autor

jinhao.song

Data publikacji

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

Grok 4.7 i Qwen4-Max są rozliczane po dwa dolary za wejście i sześć dolarów za wyjście za milion tokenów — ale tylko Grok 4.7 pozostaje na tym poziomie. Nasz własny wpis katalogowy dla Grok 4.7 zawiera dwa progi cenowe wejścia: $2.00/$6.00 do promptu o długości 200 000 tokenów i $4.00/$12.00 powyżej tego, podczas gdy Qwen4-Max utrzymuje $1.50 za wejście i $4.50 za wyjście za milion w całym swoim oknie 1 000 000 tokenów. Ta jedna różnica strukturalna jest warta więcej niż osiem punktów indeksu, które dzielą je na papierze, ponieważ praca z długim kontekstem jest dokładnie tym, do czego oba modele są sprzedawane. Uwaga o nazwach na wstępie, ponieważ te dwa są ciągle mylone: Qwen 4 to nazwa generacji używana przez Alibabę, a Qwen4-Max to jedyny jej członek, który można dziś wywołać — wydany 16 listopada 2026 r., z mniejszymi wariantami obiecanymi dla open source i bez podanej daty. Grok 4.7 jest dostarczany od 21 września 2026 r. To porównanie cen i dowodów, a nie raport z premiery któregoś z nich.

Kształt obu modeli w skrócie

Qwen4-Max to flagowy model Alibaby czwartej generacji — rzadki model mieszaniny ekspertów z rdzeniem o 2,4 biliona parametrów, 71 miliardami parametrów aktywnych na token oraz dodatkowymi 328 miliardami parametrów osadzeń N-gram. Przyjmuje tekst, obrazy i wideo, zwraca tekst i dysponuje oknem kontekstu o długości miliona tokenów. Tryb myślenia jest domyślnie włączony, a model współdzieli budżet 262 144 tokenów między rozumowanie a odpowiedź końcową — odpowiedź o długości 131 072 tokenów jest więc dostępna tylko wtedy, gdy rozumowanie zmieści się w drugiej połowie.

Grok 4.7 to obecny flagowy model tekstowy SpaceXAI. Jest to model rozumujący z kontekstem 500 000 tokenów, generowaniem do 450 000 tokenów wyjściowych, wejściem tekstowym i obrazowym oraz trzema wybieralnymi poziomami rozumowania. SpaceXAI nie publikuje dla niego liczby parametrów i opisuje premierę jako większy model bazowy z dłuższym przebiegiem uczenia ze wzmocnieniem, a nie nową architekturę.

W odniesieniu do wymiarów, które decydują o zakupie:

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

• Maksymalna długość wyjścia — Qwen4-Max 262 144 współdzielone z rozumowaniem lub 131 072 przy wyłączonym rozumowaniu, w porównaniu z Grok 4.7 450 000

• Cena tokenów wejściowych do 200K — Qwen4-Max 1,50 USD vs Grok 4.7 2,00 USD za 1 mln

• Cena tokenów wyjściowych do 200K — Qwen4-Max 4,50 USD vs Grok 4.7 6,00 USD za 1 mln

• Cena wejściowa powyżej 200K — Qwen4-Max nadal $1.50 vs Grok 4.7 $4.00; wyjściowa $4.50 vs $12.00

• Odczyt z pamięci podręcznej — Qwen4-Max 0,075 USD vs Grok 4.7 0,50 USD poniżej 200K, 1,00 USD powyżej

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

• Niezależny wynik — Qwen4-Max: 43 w Artificial Analysis Intelligence Index, 38. miejsce na 81, wobec Grok 4.7: 35, 46. miejsce na 81

• Wagi — żaden z dostawców ich nie publikuje

Ile naprawdę kosztuje żądanie o rozmiarze 400 000 tokenów

Podejmij obciążenie, do którego oba modele zachęcają: przeczytaj duże repozytorium lub długi pakiet dowodów, a następnie napisz znaczącą poprawkę lub raport. 400 000 tokenów wejściowych, 20 000 tokenów wyjściowych, bez ponownego wykorzystania pamięci podręcznej.

Na Qwen4-Max przy międzynarodowej stawce 1,413 USD za milion tokenów wejściowych i 4,24 USD za milion tokenów wyjściowych to 0,565 USD za wejście i 0,085 USD za wyjście, około 0,65 USD. Przy stawce singapurskiej 1,50/4,50 USD to 0,69 USD.

W przypadku Grok 4.7 to samo żądanie nigdy nie sięga do taniej warstwy, ponieważ 400 000 to dwukrotność progu. Rozlicza 1,60 USD danych wejściowych i 0,24 USD danych wyjściowych: 1,84 USD. Stosunek wynosi 2,7 do jednego i nie jest artefaktem zaokrąglenia — to różnica między płaską kartą a kartą z uskokiem.

Zmniejsz żądanie do 150 000 tokenów wejściowych i 15 000 wyjściowych, a obraz zmienia charakter. Qwen4-Max Singapur: 0,225 USD plus 0,0675 USD, około 0,29 USD. Grok 4.7 w pierwszym progu: 0,30 USD plus 0,09 USD, około 0,39 USD. Różnica 25 procent, nieznacząca, w przybliżeniu taka, jak sugerują ceny z nagłówków. Obie karty wyraźnie się rozdzielają dopiero przy obciążeniach, w których jedna z nich zmienia próg.

To jest ta arytmetyka, którą strony marketingowe pomijają. Kiedy dostawca reklamuje cenę, a następnie dodaje próg dla długiego kontekstu, uczciwe porównanie dotyczy obciążenia, a nie tokenu, ponieważ granica progu wypada dokładnie tam, gdzie produkt ma być użyteczny.

Pętla agenta to obszar, w którym projekt pamięci podręcznej ma większe znaczenie niż cena.

Czytniki długiego kontekstu rzadko wykonują jedno wywołanie; wykonują dziesięć względem stabilnego prefiksu. Rozważ prompt o długości 200 000 tokenów, z których 180 000 można objąć pamięcią podręczną, 10 000 to nowe dane wejściowe, a 10 000 to dane wyjściowe, w ciągu dziesięciu tur.

Qwen4-Max nalicza za turę 0,027 USD za świeże dane wejściowe, 0,0135 USD za odczyty z pamięci podręcznej po 0,075 USD oraz 0,045 USD za dane wyjściowe — 0,0855 USD, czyli 0,855 USD za cały przebieg. Sam zapis do pamięci podręcznej jest naliczany jednorazowo, po 1,875 USD za milion za pięciominutowe przechowywanie, i przy tym rozmiarze jest na tyle mały, że można go pominąć.

Grok 4.7 nalicza 0,04 USD za świeże dane wejściowe, 0,09 USD za odczyty z pamięci podręcznej po 0,50 USD oraz 0,06 USD za dane wyjściowe — 0,19 USD na turę, 1,90 USD za cały przebieg. Sama stawka za odczyt z pamięci podręcznej jest prawie siedmiokrotnie wyższa niż u Qwen4-Max, dlatego różnica powiększa się ponad dwukrotnie, mimo że żaden z modeli nie znajduje się tu w swoim drogim przedziale cenowym.

Jeśli obsłużysz to przez jeden punkt końcowy zamiast dwóch umów z dostawcami, warstwa routingu nie zmieni żadnej z tych liczb — 0 procent marży oznacza, że cena z cennika dostawcy przechodzi bez zmian, więc obniżka ceny przez dostawcę trafia na Twoje rozliczenie tego samego dnia, w którym zostaje opublikowana, a nie dopiero przy kolejnym odnowieniu umowy. To argument za utrzymywaniem mieszanki modeli za jednym kluczem i jedyny argument w tym artykule, który dotyczy naszego produktu, a nie ich.

Gdzie Grok 4.7 wciąż wygrywa bezapelacyjnie

Dwa miejsca i żadne z nich nie jest małe.

Pierwszą kwestią jest długość danych wyjściowych. Grok 4.7 podaje górny limit danych wyjściowych wynoszący 450 000 tokenów. Qwen4-Max nie podaje odrębnego limitu danych wyjściowych; ma budżet 262 144 tokenów współdzielony z własnym „myśleniem”, a przy wyłączonym myśleniu limit wynosi 131 072. W przypadku pracy, której efektem jest długi artefakt, a nie krótka odpowiedź — wygenerowana baza kodu, długi projekt prawny, transkrybowany i przeanalizowany korpus — różnica nie dotyczy jakości. Chodzi o to, czy zadanie zostanie ukończone w jednym wywołaniu, czy trzeba je dzielić na fragmenty.

Drugi to zmierzone dowody w górnym przedziale. Grok 4.7 znajduje się w Artificial Analysis Intelligence Index od września i ma trzy odczyty poziomu wysiłku rozumowania: 35 przy xhigh, 35 przy high, 31 przy low, a czas do pierwszego tokenu odpowiedzi zmienia się z 52,9 sekundy przy najwyższym ustawieniu do 10,6 sekundy przy najniższym. Qwen4-Max ma jeden opublikowany wynik indeksu wynoszący 43 i, na moment pisania, brak prędkości generowania lub czasu wykonania poszczególnych zadań na tej samej tablicy. 43 przeciw 35 to realna przewaga, ale wynik bez odczytu prędkości nie mówi nic o tym, czy model jest praktyczny przy Twoim budżecie opóźnień.

Jest trzecia asymetria, którą łatwo przeoczyć: kontrola wysiłku w Grok 4.7 to dźwignia kosztowa, którą można pociągnąć przy każdym żądaniu, a publikowane czasy pokazują, ile każde ustawienie kosztuje cię w oczekiwaniu. Qwen4-Max również udostępnia wysiłek rozumowania, ale Alibaba opisuje oszczędność jedynie w ujęciu względnym — zużycie tokenów spada o 24 proc. przy xhigh i o 35 proc. przy high w zestawie Work360, o 48 i 49 proc. w Terminal-Bench 4.0, wszystko mierzone względem Qwen3.8-Max, a nie publikowane jako cennik dla każdego poziomu wysiłku. Zgłoszone przez dostawcę, niepowtórzone i względem innego modelu: przydatne jako kierunek, bezużyteczne jako dane wejściowe do budżetu.

Gdzie Qwen4-Max wygrywa bezapelacyjnie

Kontekst i kształt metrum.

Milion tokenów w porównaniu z pół milionem nie jest podwojeniem specyfikacji; zmienia to, które zadania się mieszczą. Trzy przypadki, które lokują się między tymi dwiema liczbami: refaktoryzacja w całym monorepo, w której istotny wycinek to 600 000 tokenów grafu zależności i historii; ćwiczenie odkrywcze na zbiorze dokumentów, który trzeba przeczytać w całości, a nie pobierać fragmentarycznie; oraz agent działający 24/7, który gromadzi stan przez cały dzień pracy bez streszczania. Qwen4-Max pasuje do wszystkich trzech. Grok 4.7 nie pasuje do żadnego z nich w jednym wywołaniu, a wciśnięcie w niego 600 000 tokenów oznacza albo retrieval, albo poziom $4/$12 — wyceniony dokładnie w punkcie, w którym różnica 2,7× staje się trudna do obrony.

Karta z jednolitą stawką umożliwia też prognozowanie. Właściciel budżetu może pomnożyć liczbę tokenów przez jedną stawkę i wynik będzie poprawny. Karta z progresywnymi stawkami oznacza, że model finansowy musi zgadywać rozkład długości promptów, co w praktyce sprawia, że szacunek jest błędny w tę droższą stronę.

A niezależny wynik, taki jaki jest, przemawia na korzyść Qwen4-Max: 43 do 35 na tej samej tablicy wyników. Zastrzeżenie jest realne — model mający zaledwie kilka dni doczekał się znacznie mniejszej weryfikacji, a pojedyncza agregacja indeksu ukrywa ogromne różnice między poszczególnymi zadaniami — ale kierunek nie jest niejednoznaczny.

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.

Czego nie mówi ci żaden z modeli

Żaden z dostawców nie publikuje wag, więc żadnego nie można hostować we własnej infrastrukturze, audytować ani przypiąć do wersji, którą kontrolujesz. SpaceXAI nie publikuje żadnej liczby parametrów dla Grok 4.7. Alibaba publikuje opis architektury Qwen4-Max — warstwy DeltaNet z bramkowaniem przeplatane z mechanizmem rzadkiej uwagi, cztery równoległe gałęzie rezydualne z dynamicznymi bramkami, tabela embeddingów N-gramów — ale nie publikuje wag.

Wyniki benchmarków żadnego z dostawców nie są niezależnie audytowane w taki sposób, w jaki audytowany jest indeks. Wynik 52,69 dla Work360 firmy Alibaba wobec 47,74 dla Qwen3.8-Max, jej twierdzenie, że średni koszt na zadanie spadł z 4,43 USD do 1,67 USD, oraz o 5 do 13 procent niższa liczba bitów na bajt w pięciu bazowych checkpointach — wszystko to pochodzi wyłącznie od samego przedsiębiorstwa i nie zostało odtworzone. Przewagi Grok 4.7 są równie nieudokumentowane poza indeksem: SpaceXAI nie opublikowała kosztu na zadanie, jedynie cenę tokena.

Jedyna niezależna wartość kosztowa, jaka istnieje, przemawia przeciwko tańszej karcie. Artificial Analysis podaje, że Qwen4-Max kosztuje 3,27 USD za zadanie w Intelligence Index, a jego profil Grok 4.7 w ogóle nie zawiera porównywalnej wartości. Przeczytaj to uważnie: najtaniej wyglądający model tutaj to ten z udokumentowanym kosztem na zadanie, a drugi jest po prostu niezmierzony. To nie jest dowód, że Qwen4-Max jest drogi. To dowód, że tylko jeden z tych dwóch został przez kogokolwiek wyceniony od początku do końca.

Jak wybrać

Jeśli Twoje prompty regularnie przekraczają 200 000 tokenów, Qwen4-Max jest tańszym modelem, a jego przewaga kosztowa rośnie wraz z długością; z kolei podział na poziomy w Grok 4.7 sprawia, że typowy odruch „po prostu wyślij więcej kontekstu” szybko staje się kosztowny. Kieruj zadania z długim kontekstem do Qwen4-Max.

Jeśli Twoim zadaniem jest wygenerowanie bardzo długiego artefaktu w jednym wywołaniu, pułap wyjściowy Grok 4.7 wynoszący 450 000 tokenów jest decydującą liczbą, a współdzielony budżet Qwen4-Max wynoszący 262 144 tokeny jest czynnikiem dyskwalifikującym. Dzielenie generowania na fragmenty nie jest neutralnym obejściem problemu; kosztuje Cię spójność na łączeniach.

Jeśli potrzebujesz wartości opóźnienia przed podjęciem decyzji, Grok 4.7 opublikował je dla trzech poziomów wysiłku, a Qwen4-Max nie. Ta asymetria zniknie, gdy niezależne testy nadrobią zaległości, ale dziś jest powodem, by raczej prowadzić pilotaż niż standaryzować.

Jeśli już korzystasz z Grok 4.7 i pytanie brzmi, czy dodać Qwen4-Max, uczciwa odpowiedź brzmi: dodaj go selektywnie — do odczytów długiego kontekstu, wejścia wideo i prac wsadowych wrażliwych na koszty, pozostawiając generowanie długich form na modelu z udokumentowanym limitem wyjścia. Dwa modele za jednym kluczem kosztują cię jedną regułę routingu, a nie migrację, a to oznacza, że zły tydzień u któregokolwiek z dostawców to przełączenie awaryjne, a nie awaria.

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.

Tablica wyników wraz z dołączonymi źródłami

Jedyną liczbą, która najwyraźniej odróżnia te modele, nie jest wynik indeksu — jest nią cena przy 400 000 tokenów. Qwen4-Max 0,69 USD, Grok 4.7 1,84 USD, według opublikowanej przez każdego dostawcę stawki międzynarodowej. Wszystko inne w tym porównaniu to ocena dotycząca dowodów i potencjału.

Słowo o wynikach indeksu, ponieważ będą cytowane bez kontekstu. Liczby 43 i 35 pochodzą z tego samego zestawienia Artificial Analysis, odczytanego 17 listopada 2026 r. Są porównywalne ze sobą. Nie są porównywalne z wynikiem 55, który Kimi K3.1 Pro otrzymał według wcześniejszej rubryki, a każdy artykuł, który umieszcza te dwie liczby w jednym zdaniu, porównuje dwa różne testy. Dane dostawcy — Work360, redukcje tokenów, delty bitów na bajt — pochodzą od samej Alibaby i nie mają żadnej weryfikacji przez strony trzecie.

Jeszcze jedna rzecz warta wiedzy, zanim zaplanujesz rachunek wokół 43: wynik to pojedyncze ustawienie wysiłku. Alibaba domyślnie dostarcza myślenie włączone z budżetem 131 072 tokenów i wysiłkiem ustawionym na wysoki, a niezależne testy nie opublikowały jeszcze, jaki wynik model osiąga przy niskim wysiłku ani ile by to zaoszczędziło. Dopóki tego nie zrobią, traktuj 43 jako cenę domyślnej postawy modelu, a nie pokrętło, które można przełączyć na niższe.

Obie karty, na jednej trasie

Warto zaznaczyć różnicę operacyjną między czytaniem dwóch cenników a uruchamianiem dwóch modeli, ponieważ jest ona mniejsza, niż sugeruje różnica w cenie. grok/grok-4.7 jest jednym ze 215 identyfikatorów, które obsługujemy, w cenie katalogowej dostawcy, bez żadnych dodatków, więc jego granica poziomu cenowego i stawka za pamięć podręczną są takie, jakie SpaceXAI opublikuje w danym dniu. Qwen4-Max nie należy do nich; jest kierowany przez własne API Model Studio firmy Alibaba. Praktyczną konsekwencją jest to, że zalecana powyżej strategia mieszana — odczyt długiego kontekstu na Qwen4-Max, generowanie długich form na Grok 4.7 — wymaga odrębnej relacji z dostawcą dla każdej ze stron, a reguła routingu jest tylko tak dobra, jak dwa punkty końcowe, na których się opiera.

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.

Porównane w tym artykule2

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