
Qwen 4 vs Grok 4.7: A linha de 200.000 tokens decide este confronto
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligência
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligência
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 219 tok/s
Grok 4.7 e Qwen4-Max são ambos cobrados a dois dólares de entrada e seis dólares de saída por milhão de tokens — mas apenas o Grok 4.7 permanece nesse patamar. Nosso próprio registro de catálogo do Grok 4.7 traz duas faixas de entrada, US$ 2,00/US$ 6,00 até um prompt de 200.000 tokens e US$ 4,00/US$ 12,00 acima disso, enquanto o Qwen4-Max fica em US$ 1,50 de entrada e US$ 4,50 de saída por milhão ao longo de sua janela completa de 1.000.000 de tokens. Essa única diferença estrutural vale mais do que os oito pontos de índice que separam os dois no papel, porque trabalho com contexto longo é precisamente o tipo de trabalho para o qual ambos os modelos são vendidos. Uma nota sobre nomes antes de qualquer coisa, já que os dois são constantemente confundidos: Qwen 4 é o nome de geração que a Alibaba usa, e Qwen4-Max é o único membro dela que você pode chamar hoje — lançado em 16 de novembro de 2026, com camadas menores prometidas para código aberto e sem data definida. O Grok 4.7 está sendo disponibilizado desde 21 de setembro de 2026. Esta é uma comparação de preços e evidências, não um relatório de lançamento de nenhum dos dois.
A forma dos dois modelos, brevemente.
Qwen4-Max é o modelo principal de quarta geração da Alibaba, um modelo esparso de mistura de especialistas com uma espinha dorsal de 2,4 trilhões de parâmetros, 71 bilhões de parâmetros ativos por token e mais 328 bilhões de parâmetros de embedding N-gram. Ele aceita texto, imagens e vídeo, retorna texto e possui uma janela de contexto de um milhão de tokens. O raciocínio vem ativado por padrão, e o modelo compartilha um orçamento de 262.144 tokens entre seu raciocínio e sua resposta final — portanto, uma resposta de 131.072 tokens só está disponível se o raciocínio couber na outra metade.
Grok 4.7 é o atual carro-chefe de texto da SpaceXAI. É um modelo de raciocínio com contexto de 500.000 tokens, até 450.000 tokens de saída, entrada de texto e imagem, e três níveis de raciocínio selecionáveis. A SpaceXAI não publica uma contagem de parâmetros para ele e descreve o lançamento como um modelo base maior com uma execução de aprendizado por reforço mais longa, em vez de uma nova arquitetura.
Nas dimensões que decidem uma compra:
• Contexto — Qwen4-Max 1.000.000 de tokens vs Grok 4.7 500.000
• Saída máxima — Qwen4-Max 262.144 compartilhados com raciocínio, ou 131.072 com raciocínio suprimido, vs Grok 4.7 450.000
• Preço de entrada até 200K — Qwen4-Max $1,50 vs Grok 4.7 $2,00 por 1M
• Preço de saída para 200K — Qwen4-Max $4.50 vs Grok 4.7 $6.00 por 1M
Preço de entrada acima de 200K — Qwen4-Max ainda US$ 1,50 contra Grok 4.7 US$ 4,00; saída US$ 4,50 contra US$ 12,00
• Leitura em cache — Qwen4-Max $0,075 vs Grok 4.7 $0,50 abaixo de 200K, $1,00 acima
• Modalidade — Qwen4-Max: entrada de texto, imagem e vídeo vs. Grok 4.7: entrada de texto e imagem
• Pontuação independente — Qwen4-Max 43 no Artificial Analysis Intelligence Index, 38º lugar entre 81, contra Grok 4.7 com 35, 46º lugar entre 81
• Pesos — nenhum dos fornecedores publica qualquer informação
Quanto custa realmente uma requisição de 400.000 tokens
Pegue a carga de trabalho que ambos os modelos convidam: ler um repositório grande ou um pacote de evidências extenso e, em seguida, escrever um patch ou relatório substancial. 400.000 tokens de entrada, 20.000 tokens de saída, sem reutilização de cache.
No Qwen4-Max, à tarifa internacional de US$ 1,413 por milhão de entrada e US$ 4,24 de saída, isso dá US$ 0,565 de entrada e US$ 0,085 de saída, cerca de US$ 0,65. À tarifa de Singapura de US$ 1,50/US$ 4,50, fica em US$ 0,69.
No Grok 4.7, a mesma solicitação nunca atinge a camada barata, porque 400.000 é o dobro do limite. Ela cobra US$ 1,60 de entrada e US$ 0,24 de saída: US$ 1,84. A proporção é de 2,7 para 1, e não é um artefato de arredondamento — é a diferença entre um cartão plano e um cartão com um degrau.
Reduza a solicitação para 150.000 de entrada e 15.000 de saída, e o quadro muda de caráter. Qwen4-Max Singapura: US$ 0,225 mais US$ 0,0675, cerca de US$ 0,29. Grok 4.7 no nível um: US$ 0,30 mais US$ 0,09, cerca de US$ 0,39. Uma diferença de 25 por cento, nada notável, mais ou menos o que os preços de destaque sugerem. Os dois cartões só se separam violentamente nas cargas de trabalho em que um deles muda de nível.
Essa é a aritmética que as páginas de marketing omitem. Quando um fornecedor anuncia um preço e depois adiciona uma faixa de contexto longo, a comparação honesta é por carga de trabalho, não por token, porque o limite da faixa cai exatamente onde o produto deveria ser útil.
O loop do agente é onde o design do cache importa mais do que o preço.
Leitores de contexto longo raramente fazem uma única chamada; fazem dez contra um prefixo estável. Considere um prompt de 200.000 tokens, dos quais 180.000 são cacheáveis, 10.000 de entrada nova e 10.000 de saída, ao longo de dez turnos.
O Qwen4-Max cobra, por turno, US$ 0,027 de entrada nova, US$ 0,0135 de leituras de cache a US$ 0,075 e US$ 0,045 de saída — US$ 0,0855, portanto US$ 0,855 pela execução. A própria gravação no cache é cobrada uma vez, a US$ 1,875 por milhão para um armazenamento de cinco minutos, e é pequena o suficiente neste tamanho para ignorar.
O Grok 4.7 cobra US$ 0,04 de entrada nova, US$ 0,09 de leituras de cache a US$ 0,50 e US$ 0,06 de saída — US$ 0,19 por turno, US$ 1,90 pela execução. Só a taxa de leitura de cache já é quase sete vezes a do Qwen4-Max, e é por isso que a diferença mais que dobra, embora nenhum dos modelos esteja em sua faixa cara aqui.
Se você operar isso por meio de um único endpoint em vez de dois contratos com fornecedores, a camada de roteamento não altera nenhum desses números — 0% de markup significa que o preço de tabela do provedor é repassado sem alteração, então um corte de preço do fornecedor chega à sua fatura no mesmo dia em que é publicado, e não na próxima renovação do contrato. Esse é o argumento para manter uma combinação de modelos por trás de uma única chave, e é o único argumento neste artigo que diz respeito ao nosso produto, e não ao deles.
Onde o Grok 4.7 ainda vence de forma incontestável
Dois lugares, e nenhum deles é pequeno.
O primeiro é o comprimento da saída. O Grok 4.7 publica um teto de saída de 450.000 tokens. O Qwen4-Max não publica um limite separado de saída; ele tem um orçamento de 262.144 tokens compartilhado com seu próprio raciocínio e, com o raciocínio suprimido, o teto é 131.072. Para trabalhos que produzem um artefato longo em vez de uma resposta curta — uma base de código gerada, um rascunho jurídico longo, um corpus transcrito e analisado —, a diferença não é de qualidade. É se o trabalho é concluído em uma única chamada ou precisa ser dividido em blocos.
O segundo é evidência medida no extremo superior. O Grok 4.7 está no Artificial Analysis Intelligence Index desde setembro e tem três leituras de esforço de raciocínio: 35 em xhigh, 35 em high, 31 em low, com o tempo até o primeiro token da resposta passando de 52,9 segundos na configuração mais alta para 10,6 segundos na mais baixa. O Qwen4-Max tem uma única pontuação de índice publicada de 43 e, até o momento da redação, nenhuma velocidade de saída ou medição de tempo por tarefa no mesmo painel. Um 43 contra um 35 é uma vantagem real, mas uma pontuação sem uma leitura de velocidade não diz nada sobre se o modelo é prático dentro do seu orçamento de latência.
Há uma terceira assimetria fácil de passar despercebida: o controle de esforço do Grok 4.7 é uma alavanca de custo que você pode acionar por solicitação, e os tempos publicados mostram quanto cada configuração custa em espera. O Qwen4-Max também expõe o esforço de raciocínio, mas a Alibaba descreve a economia apenas em termos relativos — uso de tokens 24% menor em xhigh e 35% menor em high na sua suíte Work360, 48% e 49% no Terminal-Bench 4.0, todos medidos em relação ao Qwen3.8-Max, em vez de publicados como uma tabela de tarifas por nível de esforço. Relatado pelo fornecedor, não reproduzido e relativo a um modelo diferente: útil como direção, inútil como dado de orçamento.
Onde o Qwen4-Max vence de forma absoluta
Contexto e a forma do medidor.
Um milhão de tokens contra meio milhão não é dobrar uma especificação; muda quais tarefas se encaixam. Três que ficam entre os dois números: uma refatoração de todo o monorepo em que a fatia relevante são 600.000 tokens de grafo de dependências e histórico; um exercício de descoberta sobre um conjunto de documentos que precisa ser lido por inteiro em vez de recuperado; e um agente 24 horas por dia, 7 dias por semana, que acumula estado ao longo de um dia de trabalho sem resumir. O Qwen4-Max comporta as três. O Grok 4.7 não comporta nenhuma delas em uma única chamada, e empurrar 600.000 tokens para ele significa ou recuperação ou o nível $4/$12 — precificado exatamente no ponto em que a diferença de 2,7× se torna difícil de justificar.
O cartão fixo também torna possível fazer previsões. Um responsável pelo orçamento pode multiplicar os tokens por uma única tarifa e acertar. Um cartão escalonado significa que o modelo financeiro tem de adivinhar a distribuição do comprimento dos prompts, o que, na prática, significa que a estimativa fica errada para o lado mais caro.
E a pontuação independente, tal como é, favorece o Qwen4-Max: 43 contra 35 no mesmo quadro. A ressalva é real — um modelo com apenas alguns dias de existência teve muito menos escrutínio, e um único agregado de índice esconde uma enorme variância por tarefa — mas a direção não é ambígua.

O que nenhum dos dois modelos te conta
Nenhum dos fornecedores publica os pesos, então nenhum dos dois pode ser auto-hospedado, auditado ou fixado a uma versão que você controla. A SpaceXAI não publica nenhuma contagem de parâmetros para o Grok 4.7. A Alibaba publica uma descrição de arquitetura para o Qwen4-Max — camadas DeltaNet com gates intercaladas com um mecanismo de atenção esparso, quatro ramos residuais paralelos com gates dinâmicos, uma tabela de embeddings N-gram —, mas não os pesos.
Os números de benchmark de nenhum dos dois fornecedores são auditados de forma independente como os do índice. O valor de 52,69 do Work360 da Alibaba contra 47,74 do Qwen3.8-Max, sua afirmação de que o custo médio por tarefa caiu de US$ 4,43 para US$ 1,67, e seus valores de bits por byte de 5% a 13% menores em cinco checkpoints de base são todos dados próprios e não reproduzidos. As vantagens do Grok 4.7 são igualmente não documentadas além do índice: não há custo por tarefa publicado pela SpaceXAI, apenas um preço por token.
A única cifra de custo independente que existe vai contra a opção mais barata. A Artificial Analysis coloca o Qwen4-Max em US$ 3,27 por tarefa do Intelligence Index, e o perfil do Grok 4.7 na Artificial Analysis não lista nenhum número comparável. Leia isso com atenção: o modelo que parece mais barato aqui é justamente o que tem um custo por tarefa documentado, e o outro simplesmente não foi medido. Isso não é evidência de que o Qwen4-Max seja caro. É evidência de que apenas um desses dois teve o custo calculado de ponta a ponta por alguém.
Como escolher
Se os seus prompts costumam ultrapassar 200.000 tokens, o Qwen4-Max é o modelo mais barato por um fator que cresce com o comprimento, e a estrutura de faixas do Grok 4.7 faz com que o instinto habitual de "é só enviar mais contexto" fique caro rapidamente. Direcione o trabalho com contexto longo para o Qwen4-Max.
Se o seu trabalho é emitir um artefato muito longo em uma única chamada, o teto de saída de 450.000 tokens do Grok 4.7 é o número decisivo, e o orçamento compartilhado de 262.144 tokens do Qwen4-Max é o desqualificador. Dividir uma geração em blocos não é uma solução alternativa neutra; isso custa coerência nas emendas.
Se você precisa de um número de latência antes de se comprometer, o Grok 4.7 publicou esses números em três níveis de esforço, e o Qwen4-Max não. Essa assimetria vai se fechar conforme os testes independentes avançarem, mas hoje é um motivo para fazer um piloto em vez de padronizar.
Se você já usa o Grok 4.7 e a questão é se deve adicionar o Qwen4-Max, a resposta honesta é adicioná-lo seletivamente: leituras de contexto longo, entrada de vídeo e trabalho em lote sensível a custo, deixando a geração de textos longos no modelo com um teto de saída documentado. Ter dois modelos por trás de uma única chave custa uma regra de roteamento, não uma migração, e significa que uma semana ruim em qualquer um dos fornecedores é um failover, não uma indisponibilidade.

O placar, com suas fontes anexadas.
O único número que separa estes modelos com mais clareza não é a pontuação do índice — é o preço para 400.000 tokens. Qwen4-Max $0,69, Grok 4.7 $1,84, segundo a tarifa internacional publicada por cada fornecedor. Todo o resto nesta comparação é um julgamento sobre evidências e margem.
Uma palavra sobre as pontuações do índice, porque serão citadas fora de contexto. O 43 e o 35 vêm do mesmo ranking da Artificial Analysis, consultado em 17 de novembro de 2026. São comparáveis entre si. Não são comparáveis aos 55 que o Kimi K3.1 Pro trazia numa rubrica anterior, e qualquer artigo que coloque esses dois números na mesma frase está comparando dois testes diferentes. Os números dos fornecedores — Work360, as reduções de tokens, os deltas de bits por byte — são da própria Alibaba e não têm qualquer verificação independente.
Mais uma coisa que vale saber antes de planejar uma conta em torno do 43: a pontuação é um único ajuste de esforço. A Alibaba entrega o modo de raciocínio ativado por padrão com um orçamento de 131.072 tokens e esforço definido como alto, e testes independentes ainda não publicaram qual é a pontuação do modelo com esforço baixo nem quanto isso economizaria. Até que publiquem, trate o 43 como o preço da postura padrão do modelo, e não como um ajuste que você pode reduzir.
Ambos os cartões, em uma única rota
Vale a pena explicitar a diferença operacional entre ler duas tabelas de preços e executar dois modelos, porque ela é menor do que a diferença de preço sugere. grok/grok-4.7 é um dos 215 identificadores que servimos, pelo preço de tabela do fornecedor sem nada acrescentado, então o limite da sua faixa e a sua tarifa de cache são o que a SpaceXAI publicar no dia. O Qwen4-Max não é um deles; ele é roteado pela própria API Model Studio da Alibaba. A consequência prática é que a estratégia mista defendida acima — leitura de contexto longo no Qwen4-Max, geração de texto longo no Grok 4.7 — exige um relacionamento com fornecedor para cada lado, e uma regra de roteamento só é tão boa quanto os dois endpoints por baixo dela.

Comparados neste artigo1
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
