
Qwen4-Max vs Grok 4.5: Du jämför en modell som släpptes igår med en som dess egen leverantör redan har ersatt
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 90 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNYOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 88 tok/s
- OrcaNYOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 133 tok/s
- OrcaNYOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M tokens · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligens
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligens
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M tokens · 185 tok/s
Öppna modelsidan för Grok 4.5 på Artificial Analysis, och det första som syns på skärmen är inte ett benchmark. Det är ett meddelande: den här modellen är utfasad, SpaceXAI har lanserat en nyare version, Grok 4.6, och du bör överväga den i stället. Sidan innehåller fortfarande mätvärden – 10,45 sekunder till första svarstoken, 65 token per sekund, ett kontextfönster på 500k, 2,00 USD för indata och 6,00 USD för utdata per miljon token – men den har inte längre någon intelligenspoäng alls, och benchmarkfrekvensen har sjunkit från var sjätte timme till var artonde timme. Qwen4-Max har däremot varit till salu sedan 16 november 2026 och är en dag gammal. Att ställa en dagsgammal modell mot en ersatt är en märklig sak att göra medvetet, och det är just därför det är värt att göra det: jämförelsen säger dig mindre om vilken modell som är bättre än om hur snabbt token-effektivitetsargumentet som motiverade Grok 4.5 har blivit överspelat.
Vad varje modell egentligen är, en dag in i ett av deras liv

• Leverantör — Alibaba vs SpaceXAI, som döpte om Grok-serien i mitten av året
• Släppt — Qwen4-Max den 16 november 2026 vs Grok 4.5 den 8 juli 2026, ersatt av Grok 4.6
• Pris per miljon tokens — $1,50 in / $4,50 ut mot $2,00 in / $6,00 ut
• Cacheläsning – 0,075 USD per miljon för Qwen4-Max jämfört med 0,30 USD per miljon för Grok 4.5
• Kontextfönster — 1 000 000 tokens mot 500 000
• Maximal utdata — 131 072 tokens i icke-tänkandeläge, 262 144 delade i tänkandeläge jämfört med 64 000 dokumenterade
• Inmatningsmodaliteter – text, bild och video vs. text, bild och fil
• Oberoende indexpoäng — 43 för Qwen4-Max jämfört med ingen publicerad för Grok 4.5
• Utfasningsstatus – nuvarande flaggskepp kontra ersatt, med en efterträdare på samma kort
De tre sista raderna är artikeln. Qwen4-Maxs kort är större på varje axel som ett datablad kan mäta, och Grok 4.5s kort har en anteckning på sig som säger att en bättre version finns till samma pris.

Varför någon fortfarande skulle välja 4.5, och varför det skälet blir allt mindre
Argumentet för Grok 4.5 handlade aldrig om rå kapacitet. Det handlade om tokens: modellen byggdes på en grund med 1,5 biljoner parametrar som tränades tillsammans med en kodredigerare och såldes in med att lösa programvarutekniska uppgifter med långt färre utdatatoken än jämförbara frontiermodeller, till ett pris som var positionerat för storskalig produktion. Det är ett genuint bra säljargument, och det är samma argument som Alibaba för fram för Qwen4-Max – 24 % till 35 % färre utdatatoken än föregångaren, 48 % till 49 % färre på Terminal-Bench 4.0, genomsnittlig kostnad per uppgift ned från 4,43 dollar till 1,67 dollar.
Båda leverantörerna säljer med andra ord sparsamhet. Skillnaden är att ett av dessa påståenden snart kommer att testas kontinuerligt, medan det andra har slutat testas lika ofta. Artificial Analysis kör fortfarande Grok 4.5, men var artonde timme i stället för var sjätte, vilket är det artiga sättet att säga att modellen har gått från täckning till underhåll. En modell vars beteende samplas en fjärdedel så ofta är en modell vars regressioner hittas en fjärdedel så snabbt.
Det finns ett försvarbart skäl att behålla den i en katalog: den är stabil, den är billig, dess 500k-fönster täcker det mesta av arbetet och den kräver inte att du ändrar något. Det är argumentet för varje befintlig lösning. Det upphör att vara försvarbart i samma stund som en efterträdare med samma kontextfönster och samma baspris finns tillgänglig, eftersom den befintliga lösningens enda kvarvarande fördel då är att du ännu inte har migrerat.
Den enda axeln där Grok 4.5 har ett publicerat nummer och Qwen4-Max inte har det
Latens. Enligt mätningen från Artificial Analysis svarar Grok 4.5 på 10,45 sekunder och strömmar med 65 tokens per sekund. Siffrorna är oanmärkningsvärda jämfört med en modern frontier-modell – Claude Opus 5.5 tar 352 sekunder till första token vid maximal ansträngning, GPT-6.1 Sol 169 sekunder – men de finns, de är reproducerbara och du kan kapacitetsplanera utifrån dem.
Qwen4-Max har ingen publicerad latenssiffra någonstans. Artificial Analysis listar sin indexpoäng, sitt priskort och sina tokenvolymer, och lämnar prestandakolumnen tom: ingen tid per uppgift, ingen utdatahastighet, ingen tid till första token. Alibabas lanseringsmaterial publicerar tokenantal, vilket är en annan kvantitet, och en modell som skriver hälften så många token medan den körs i samma hastighet slutför en uppgift på halva tiden – de två påståendena är inte utbytbara.
Det ärliga läget i jämförelsen den 17 november är att den äldre, ersatta modellen är den du kan budgetera väggklockstid utifrån, och den nya är den du måste mäta själv. För en batchpipeline är det en eftermiddags arbete. För en interaktiv produkt är det ett skäl att köra Qwen4-Max bakom en fallback snarare än framför en.
Linjen på 200 000 token, i förbigående
Grok 4.5 är indelad i nivåer efter promptlängd: upp till 200 000 indata-tokens debiteras den $2.00 och $6.00, och däröver fördubblas taxan till $4.00 och $12.00. Qwen4-Max säljer en enda nivå från noll till kontextgränsen. Eftersom Grok 4.5:s kontextfönster är 500k och dess billiga nivå slutar vid 200k, debiteras de övre 300k av dess eget fönster till dubbelt så hög taxa som den annonserade — en detalj som spelar mindre roll än den skulle göra på en modell med 1M tokens, och ganska mycket mer än $2.00-rubriken antyder.
Den nisch där en ersatt modell fortfarande är rätt svar är smal men verklig: arbetsbelastningar som är låsta vid dess token-effektivitet, redan trimmade mot prompter på 200k token och inte värda att validera om. Om det gäller dig delar Grok 4.6 kontextfönstret, inmatningsytan och baspriset, så migreringen är en modellidentifierare snarare än ett projekt.
Video är raden som avslutar jämförelsen för vissa team
Qwen4-Max accepterar text, bilder och video. Grok 4.5 accepterar text, bilder och filer. Tencents Hy4 preview, Anthropics Opus 5.5 och OpenAIs Sol läser alla filer i stället för video, vilket gör Qwen4-Max ovanlig snarare än bara nyare: för arbete på bildrutenivå — sortering av filmmaterial, analys av skärminspelningar, allt med en tidslinje — är resten av den här jämförelsen irrelevant, eftersom det inte finns något att jämföra med.
Baksidan är att Qwen4-Max dokumenterade utdatabudget för tänkande är delade 262 144 tokens mellan resonemangsspår och synligt svar, med en standardbudget för tänkande på 131 072 och reasoning_effort som standardmässigt är high. Ett videoanalysjobb som resonerar länge kommer att lägga en betydande del av svarsbudgeten på resonemanget. Dimensionera utdata mot 131 072, inte mot 1M-kontextsiffran i listningen.

Att köra paret – och vad "en nyckel" ger på varje sida
OrcaRouter dirigerar Grok 4.5 till $2.00 för indata och $6.00 för utdata per miljon token upp till gränsen på 200 000 token och $4.00 och $12.00 över den – leverantörens egen prislista, förmedlad med 0 % påslag – och dirigerar även sin efterträdare som Grok 4.6 till samma baspriser, vilket innebär att migreringen från 4.5 till 4.6 blir en ändring av ett fält i en dirigeringsregel i stället för en ny integration. Samma nyckel når Claude Opus 5.5, GPT-6.1 Sol, Qwen3.8-Max och Tencent HY4 Preview.
Qwen4-Max finns inte med på den listan. Katalogen har inte fått med Qwen4-generationen, så vägen till Qwen4-Max går för närvarande via en direkt Alibaba-nyckel, och det ärliga sättet att beskriva upplägget är en slutpunkt för allt du kan behöva falla tillbaka på plus en direkt autentiseringsuppgift för modellen du utvärderar.
Den uppdelningen är fortfarande det billiga sättet att besvara frågan som den här artikeln ställer. Rikta Grok 4.5-vägen och Grok 4.6-vägen mot samma trafik, publicera jämförelsen på dina egna förfrågningar och ha Qwen4-Max kvar vid sidan som en tredje gren med automatisk redundansväxling mellan leverantörer bakom den. Alternativet – att avveckla en fungerande väg för att testa en modell utan publicerad latens – är hur team till slut rullar tillbaka klockan 2 på natten.
Vad ska man göra åt en modell som har ett meddelande på sig?
Notisen på Grok 4.5:s sida är inte en dödsruna. Modellen körs, den är konkurrenskraftigt prissatt och dess 500k-fönster är mer än vad de flesta uppgifter behöver. Men en jämförelse mellan den och Qwen4-Max är egentligen inte ett val mellan två alternativ: det är ett val mellan en känd storhet som håller på att avvecklas och en okänd storhet som just har anlänt, och det som avgör är din tolerans för att mäta saker själv.
Tre saker att hålla koll på, i tur och ordning. Eventuella oberoende latenssiffror för Qwen4-Max, vilket är den enda saknade indatan i den här jämförelsen. Om Alibaba reviderar den delade tankebudgeten på 262 144 token när agenttrafiken kommer in. Och om Grok 4.5 överhuvudtaget finns kvar på listan förbi den punkt där dess efterträdare har soak-testats — eftersom ett utfasningsmeddelande vanligtvis är första stycket i ett avvecklingsdatum.
Jämförda i den här artikeln1
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
