Ett genererat titelkort i 16:9 med texten ”Qwen4-Max vs Grok 4.7”, undertexten ”En miljon tokens kontext mot en halv miljon, och en poäng därtill”, samt tre rundade kort: ett fönster på 1 000 000 token, $1,50 och $4,50 per miljon token, och de två releasedatumen 16 november och 21 september 2026. OrcaRouter-logotyp nere till höger.
Guides & Insights

Qwen4-Max vs Grok 4.7: En miljon tokens kontext mot en halv miljon – och en poäng som följer med

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

En begäran som läser 400 000 tokens repository-historik och skriver en patch på 20 000 tokens kostar 6,80 USD på Qwen4-Max enligt internationella listpriser och 8,00 USD på Grok 4.7 – och bara en av dessa två modeller har genomgått en oberoende utvärdering som säger något om huruvida den klarar uppgiften. Så här kan den här jämförelsen sammanfattas i en mening: A​libabas Qwen4-Max, allmänt tillgänglig med en publicerad prislista sedan 16 november 2026, är billigare per token och har dubbelt så stort kontextfönster; SpaceXAI:s Grok 4.7, lanserad den 21 september 2026, är den som har ett uppmätt resultat, fyra valbara resonemangsnivåer och ett års operativ historik bakom sig. Vilket av dessa två faktum som väger tyngre beror helt och hållet på vad din arbetsbelastning gör när den får slut på utrymme.

Båda modellerna tar emot text och ger text, med bildinmatning vid sidan om, båda stöder verktygsanrop och strukturerad utdata, och båda ligger i samma prisklass. De skillnader som består vid kontakt med en verklig arbetsbelastning är kontextutrymme, cacheekonomi, evidens och sättet som respektive leverantör låter dig lägga beräkningskraft på resonemang.

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.

Vad var och en är, med leverantörens egna ord

Qwen4-Max är A​libaba:s fjärde generationens flaggskeppsmodell och dokumenteras som en multimodell som tar emot text, bilder och video och producerar text. Dess publicerade gränser är ett kontextfönster på 1 000 000 token, maximal utdata på 131 072 token i icke-tänkande läge samt en sammanlagd budget för tänkande och svar på 262 144 token. Tänkande är på som standard med en budget på 131 072 token och resonemangsansträngningen inställd på hög, vilket är ett annat standardläge än de flesta västerländska flaggskeppsmodeller och värt att känna till innan du benchmarkar något mot den.

SpaceXAI:s nuvarande textflaggskepp är Grok 4.7, en resonemangsmodell med ett kontextfönster på 500 000 token, en kunskapsgräns i maj 2026, bildinmatning och fyra resonemangsnivåer, inklusive en ny högsta inställning. SpaceXAI publicerar inget parameterantal för den och beskriver lanseringen som en större basmodell med en längre förstärkningsinlärningskörning snarare än en ny arkitektur. Listpriset är 2,00 USD per miljon indatatoken, 6,00 USD per miljon utdatatoken och 0,50 USD per miljon cachade indatatoken.

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.

Ställ dem sida vid sida utifrån de dimensioner som avgör köp:

• Kontext — Qwen4-Max 1 000 000 tokens jämfört med Grok 4.7 500 000 tokens

• Max utdata – Qwen4-Max 131 072 utan tänkande, 262 144 delat med tänkande, jämfört med Grok 4.7:s leverantörspublicerade utdatatak, som SpaceXAI inte redovisar separat från kontexten

• Indatapris — Qwen4-Max 1,50 USD per 1 miljon i Singapore, 1,413 USD i Frankfurt, Virginia, Tokyo, Hong Kong och Beijing, jämfört med Grok 4.7 2,00 USD

• Utpris – Qwen4-Max 4,50 USD i Singapore, 4,24 USD på andra håll, jämfört med Grok 4.7 6,00 USD

• Cachad indata – Qwen4-Max $0.075 för läsning efter en femminuters skrivning för $1.875, jämfört med Grok 4.7 $0.50 för läsning

• Modalitet – Qwen4-Max med text, bild och video som indata, jämfört med Grok 4.7 med text och bild som indata

Oberoende poäng – Qwen4-Max: inget publicerat, jämfört med Grok 4.7 på 35,5 i Artificial Analysis Intelligence Index v5.0.1 vid xhigh effort, 35,2 vid high, 31,1 vid low

• Vikter — ingen av dem publicerar några

Det genomräknade exemplet, med uträkningen visad

Kostnadsjämförelser mellan modeller med olika cacheutformningar är där de flesta publicerade benchmarkresultat i tysthet vilseleder, så här är samma tre arbetsbelastningar prissatta från början till slut på båda prislistorna, med internationella listpriser och utan hänsyn till någon förhandlad rabatt.

• Läsning med lång kontext, ingen återanvändning – 400K indata, 20K utdata: 0,60 USD i indata plus 0,09 USD i utdata på Qwen4-Max Singapore, alltså 0,69 USD; 0,80 USD plus 0,12 USD på Grok 4.7, alltså 0,92 USD. Qwen4-Max är 25 % billigare.

• Agentloop med ett stabilt prefix – 200K indata varav 180K är cachade, 10K utdata, tio turer: Qwen4-Max debiterar $0,0135 för cacheläsningar plus $0,03 för ny indata plus $0,045 för utdata per tur, $0,885 totalt; Grok 4.7 debiterar $0,09 för cacheläsningar plus $0,04 för ny indata plus $0,06 för utdata per tur, $1,90 totalt. Skillnaden ökar till mer än 2× eftersom kostnaden för cacheläsningar skiljer sig med nästan en faktor sju.

• Massklassificering, utan resonemang — 2K indata, 200 utdata, 50 000 anrop: $1.74 på Qwen4-Max Singapore och $2.60 på Grok 4.7. Båda är små belopp per tusen anrop, och båda domineras av mätarens utdatasida.

Notera vad den första raden inte säger. En prisfördel på 25 % för en läsning med lång kontext är värd att ha, men den är värd långt mindre än kostnaden för att få fel svar, och modellen med den publicerade poängen är den du kan resonera kring innan du spenderar något. Pris per token är ett faktum om leverantören; pris per slutförd uppgift är ett faktum om modellen, och ingen har ännu publicerat den andra siffran för Qwen4-Max.

Där 1M-fönstret faktiskt ändrar ett beslut

Att dubbla ett kontextfönster från 500K till 1M låter som en marknadsföringspunkt tills man stöter på de specifika arbetsbelastningar som ligger mellan de två siffrorna. Tre som återkommer i praktiken: en refaktorering över hela monorepot där den relevanta delen är en beroendegraf på 600K token snarare än en enskild fil; en avtalsgranskning som måste hålla hela avtalet plus dess bilagor och tidigare ändringar i kontexten samtidigt; och en långvarig agentsession där det är transkriptet, inte prompten, som växer.

I det tredje av dessa fall spelar cacheekonomin större roll än fönstret. En session som lägger till i ett transkript på 300K tokens tur efter tur betalar för cache-läsningar mycket oftare än för ny indata, och Qwen4-Max läspris på $0,075 jämfört med Grok 4.7:s $0,50 är den största enskilda strukturella skillnaden mellan de två leverantörernas prislistor – större, i procent, än skillnaden mellan deras listpriser, som bara är 25 % på indata och 25 % på utdata. Notera också kostnaden för cache-skrivning: Qwen4-Max tar $1,875 per miljon för att fylla en cachepost med fem minuters livslängd, vilket ligger över dess eget indatapris, så en arbetsbelastning som cachar ett prefix som den bara läser en gång betalar en premie för det. Det är en design för upprepade läsningar, inte för engångsprompter.

Grok 4.7:s svar på samma problem skiljer sig {{1}}till sin art snarare än{{/1}} i grad: fyra resonemangsnivåer innebär att du kan skruva ner beräkningskraften på de turer som inte behöver den och upp på de som gör det, och SpaceXAI prissätter alla fyra identiskt. Det är en spak som Qwen4-Max exponerar som ett konfigurationsvärde – resonemangsansträngning är som standard hög, med en tankebudget på 131 072 token – men utan en oberoende mätning av vad varje inställning ger är spaken svårare att dra med tillförsikt.

Vad en saknad benchmark kostar dig i praktiken

Grok 4.7:s 35,5 på Index v5.0.1 är inte en spektakulär siffra. Det ligger klart under Kimi K3.1 Pro:s 46,5 på samma indexversion och bakom de främsta västerländska flaggskeppen. Vad det gör är att låta dig jämföra det med något. Ett team som väljer mellan två modeller med poäng kan avgöra på en eftermiddag om den billigare är tillräckligt bra; ett team som väljer mellan en modell med poäng och en utan måste köpa utvärderingstid innan det alls kan avgöra.

Alibaba har inte publicerat någon benchmarktabell för Qwen4-Max – varken en leverantörsrapporterad eller en oberoende. Det finns ingen Qwen4-post i Artificial Analysis modellindex, och sidan för den enskilda modellen returnerar 404. De enda tillgängliga kapacitetspåståendena är dokumentationens egna: djupt resonemang, parallella verktygsanrop, webbsökning, prefixkomplettering, strukturerade utdata med lägena JSON Object och JSON Schema samt prompt-cachning i explicita och implicita former. Det är funktionspåståenden, och de är av det slag som vanligtvis är sanna. De är inte bevis på kvalitet för någon uppgift du bryr dig om.

Så den praktiska instruktionen är att köra din egen utvärdering innan du byter, och att dimensionera den ärligt. Hundra representativa prompts från din egen trafik, poängsatta enligt vilken rubric ditt team än redan använder, kommer att berätta mer för dig om huruvida Qwen4-Max ersätter Grok 4.7 än någon leaderboard gör – och det kostar några dollar enligt endera prislistan, eftersom inputsidan hos båda mätarna är den billiga sidan.

Att få båda bakom en och samma tangent

OrcaRouter listar Grok 4.7 som grok/grok-4.7 till SpaceXAI:s eget listpris, $2.00 in och $6.00 ut per miljon, vidarebefordrat utan påslag på samma OpenAI-kompatibla bas-URL som resten av katalogen. Qwen4-Max finns inte i katalogen i dag; den nås via Alibabas eget API, där den regionala prissättningen ovan gäller och där en Singapore-nyckel får $1.50-taxan. En användbar hållning medan du fortfarande utvärderar är att hålla båda vägarna aktiva och låta en routingpolicy avgöra per begäran i stället för att låsa en kodväg till någon av dem.

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.

Två saker i routingskiktet gör verkligen nytta här. Den första är modellfusion: en panel som besvarar en svår prompt med båda modellerna och en tredje domare är det snabbaste sättet att ta reda på om den saknade poängen för Qwen4-Max döljer en lucka eller döljer en vinst, och det kostar två anrop i stället för en migrering. Den andra är automatisk failover — en ny GA-modell är precis ett sådant fall där du vill ha en reservkedja konfigurerad före den första produktionsförfrågan, inte efter den första 5xx.

Hur man fattar beslut den här veckan

Om dina arbetsbelastningar ryms inom 500K tokens och du inte har någon lust att göra en utvärdering är Grok 4.7 det försvarbara valet: det är uppmätt, det är driftsmässigt moget sedan september och det erbjuder ett reasoning-reglage som en poängsatt modell låter dig kalibrera. Om dina arbetsbelastningar är de specifika som behöver mer än en halv miljon tokens – monorepot, hela kontraktsuppsättningen, transkriptet som bara fortsätter växa – då är Qwen4-Max inte bara billigare, det är den enda av de två som överhuvudtaget accepterar förfrågan, och avsaknaden av ett benchmark blir en affärskostnad snarare än ett skäl att vänta. Om du ligger någonstans mittemellan är det ärliga svaret det som kostar några dollar och en eftermiddag: kör båda på din egen trafik och låt en jämförelse av slutförda uppgifter övertrumfa en per-token-jämförelse.