Một thẻ tiêu đề mang tiêu đề 'Qwen4-Max vs Grok 4.5: một mô hình mới một ngày tuổi đối đầu với một mô hình đã bị thay thế', với ba chip ghi Qwen4-Max phát hành ngày 16 tháng 11 năm 2026, Grok 4.5 phát hành ngày 8 tháng 7 năm 2026 và đã được Grok 4.6 thay thế, cùng điểm chỉ số 43 so với không có điểm nào được công bố, chú thích dẫn tới các trang mô hình của Artificial Analysis vào ngày 17 tháng 11 năm 2026.
Guides & Insights

Qwen4-Max vs Grok 4.5: Bạn đang so sánh một mô hình ra mắt hôm qua với một mô hình mà chính nhà cung cấp của nó đã thay thế

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Mở trang mô hình của Grok 4.5 trên Artificial Analysis và điều đầu tiên hiện trên màn hình không phải là một benchmark. Đó là một thông báo: mô hình này đã bị ngừng hỗ trợ, SpaceXAI đã ra mắt một bản phát hành mới hơn, Grok 4.6, và bạn nên cân nhắc bản đó thay thế. Trang vẫn có các số đo — 10.45 giây để có token trả lời đầu tiên, 65 token mỗi giây, cửa sổ ngữ cảnh 500k, $2.00 khi vào và $6.00 khi ra trên mỗi triệu token — nhưng không còn có điểm trí tuệ nào cả, và tần suất benchmark đã giảm từ sáu giờ một lần xuống mười tám giờ một lần. Qwen4-Max, ngược lại, đã được mở bán từ ngày 16 tháng 11 năm 2026 và mới chỉ một ngày tuổi. Đặt một mô hình mới một ngày tuổi so với một mô hình đã bị thay thế là một việc kỳ lạ nếu làm có chủ đích, và đó chính xác là lý do việc này đáng làm: so sánh này cho bạn biết ít hơn về việc mô hình nào tốt hơn, mà nhiều hơn về việc lập luận hiệu quả token từng biện minh cho Grok 4.5 đã bị vượt qua nhanh đến mức nào.

Mỗi mô hình thực sự là gì, sau một ngày bước vào một trong những cuộc đời của chúng

A two-column scoreboard comparing Qwen4-Max and Grok 4.5 across six rows: release date 16 November 2026 against 8 July 2026; $1.50 in and $4.50 out against $2.00 and $6.00; 1,000,000 context against 500,000; index 43 against none published; latency not published against 10.45 seconds and 65 tokens per second; text, image and video against text, image and file. Footer notes Grok 4.5 is marked deprecated on Artificial Analysis and runs at 18-hour intervals instead of 6.

• Nhà cung cấp — Alibaba so với SpaceXAI, đơn vị đã đổi tên dòng Grok vào giữa năm

• Ra mắt — Qwen4-Max vào ngày 16 tháng 11 năm 2026 so với Grok 4.5 vào ngày 8 tháng 7 năm 2026, được thay thế bởi Grok 4.6

• Giá mỗi triệu token — $1.50 đầu vào / $4.50 đầu ra so với $2.00 đầu vào / $6.00 đầu ra

• Đọc bộ nhớ đệm — 0,075 USD mỗi triệu token cho Qwen4-Max so với 0,30 USD mỗi triệu token cho Grok 4.5

• Cửa sổ ngữ cảnh — 1.000.000 token so với 500.000

• Đầu ra tối đa — 131,072 token ở chế độ không suy nghĩ, 262,144 token dùng chung ở chế độ suy nghĩ so với 64,000 token theo tài liệu

• Các phương thức đầu vào — văn bản, hình ảnh và video so với văn bản, hình ảnh và tệp

• Điểm số chỉ số độc lập — 43 cho Qwen4-Max so với không có công bố nào cho Grok 4.5

• Trạng thái ngừng hỗ trợ — flagship hiện tại so với bản đã bị thay thế, cùng với sản phẩm kế nhiệm trên cùng thẻ

Ba hàng cuối là bài viết. Thẻ của Qwen4-Max lớn hơn ở mọi trục mà bảng thông số có thể đo được, và thẻ của Grok 4.5 có một ghi chú trên đó nói rằng có một phiên bản tốt hơn với cùng mức giá.

A screenshot of the Artificial Analysis page for Grok 4.5, headed by a deprecation banner stating the model is still benchmarked but every 18 hours instead of every 6, and that SpaceXAI has launched a newer release, Grok 4.6.

Tại sao vẫn có người sẽ chọn 4.5, và tại sao lý do đó đang ngày càng thu hẹp

Lập luận dành cho Grok 4.5 chưa bao giờ là năng lực thô. Mà là token: mô hình được xây dựng trên nền tảng 1,5 nghìn tỷ tham số, được huấn luyện song song với một trình soạn thảo mã và được bán dựa trên khả năng giải quyết các tác vụ kỹ thuật phần mềm với lượng token đầu ra ít hơn nhiều so với các mô hình tiên phong tương đương, ở mức giá được định vị cho sản xuất khối lượng lớn. Đó là một lời chào hàng thực sự tốt, và cũng là lời chào hàng tương tự mà A​libaba đang đưa ra cho Qwen4-Max — ít hơn 24% đến 35% token đầu ra so với phiên bản tiền nhiệm, ít hơn 48% đến 49% trên Terminal-Bench 4.0, chi phí trung bình mỗi tác vụ giảm từ $4,43 xuống $1,67.

Nói cách khác, cả hai nhà cung cấp đều đang bán sự tiết kiệm. Điểm khác biệt là một trong những lời quảng cáo này sắp được kiểm chứng liên tục, còn lời kia đã không còn được kiểm chứng thường xuyên như trước. Artificial Analysis vẫn chạy Grok 4.5, nhưng cứ mười tám giờ một lần thay vì sáu giờ một lần, một cách nói lịch sự để ngụ ý rằng mô hình đã chuyển từ diện bao phủ sang bảo trì. Một mô hình mà hành vi được lấy mẫu với tần suất chỉ bằng một phần tư là một mô hình mà các hồi quy được phát hiện với tốc độ chỉ bằng một phần tư.

Có một lý do chính đáng để giữ nó trong danh mục: nó ổn định, nó rẻ, cửa sổ 500k của nó bao phủ hầu hết công việc và nó không buộc bạn phải thay đổi bất cứ điều gì. Đó là lập luận dành cho bất kỳ sản phẩm hiện hành nào. Lý do đó không còn chính đáng ngay khi có một sản phẩm kế nhiệm với cùng cửa sổ ngữ cảnh và cùng giá cơ bản, vì lúc đó lợi thế duy nhất còn lại của sản phẩm hiện hành là bạn vẫn chưa chuyển sang sản phẩm mới.

Trục duy nhất mà Grok 4.5 có số liệu được công bố còn Qwen4-Max thì không.

Độ trễ. Theo đo lường của Artificial Analysis, Grok 4.5 trả lời trong 10,45 giây và truyền phát ở tốc độ 65 token mỗi giây. Những con số đó không có gì đáng chú ý so với một mô hình tiên tiến hiện đại — Claude Opus 5.5 mất 352 giây để có token đầu tiên ở mức nỗ lực tối đa, GPT-6.1 Sol là 169 giây — nhưng chúng tồn tại, chúng có thể tái lập được, và bạn có thể lập kế hoạch năng lực dựa trên chúng.

Qwen4-Max không có số liệu độ trễ nào được công bố ở bất kỳ đâu. Artificial Analysis liệt kê điểm chỉ số, bảng giá và tổng số token của nó, đồng thời để trống cột hiệu năng: không có thời gian mỗi tác vụ, không có tốc độ đầu ra, không có thời gian đến token đầu tiên. Tài liệu ra mắt của Alibaba công bố số lượng token, vốn là một đại lượng khác, và một mô hình viết ít token bằng một nửa trong khi chạy với cùng tốc độ sẽ hoàn thành tác vụ trong một nửa thời gian — hai tuyên bố này không thể thay thế cho nhau.

Vậy nên, tình trạng thực tế của phép so sánh tính đến ngày 17 tháng 11 là: mô hình cũ đã bị thay thế là mô hình mà bạn có thể lấy đó làm cơ sở để dự trù thời gian chạy thực tế, còn mô hình mới là mô hình bạn phải tự đo lấy. Với một pipeline xử lý theo lô, đó là công việc của một buổi chiều. Với một sản phẩm tương tác, đó là lý do để chạy Qwen4-Max phía sau một cơ chế dự phòng thay vì phía trước một cơ chế dự phòng.

Giới hạn 200.000 token, nhân tiện

Grok 4.5 được chia bậc theo độ dài prompt: với tối đa 200.000 token đầu vào, mức tính giá là $2.00 và $6.00, còn trên ngưỡng đó, mức giá tăng gấp đôi thành $4.00 và $12.00. Qwen4-Max chỉ bán một bậc từ 0 đến giới hạn ngữ cảnh. Vì cửa sổ ngữ cảnh của Grok 4.5 là 500k và bậc giá rẻ của nó dừng ở 200k, 300k phía trên trong chính cửa sổ của nó bị tính gấp đôi mức giá quảng cáo — một chi tiết ít quan trọng hơn so với trên một mô hình 1M token, và quan trọng hơn khá nhiều so với mức tiêu đề $2.00 gợi ý.

Ngách mà ở đó một mô hình đã bị thay thế vẫn là câu trả lời đúng thì hẹp nhưng có thật: những khối lượng công việc gắn chặt với hiệu quả token của nó, đã được tinh chỉnh theo các prompt 200k token, và không đáng để xác thực lại. Nếu đó là bạn, Grok 4.6 dùng chung cửa sổ ngữ cảnh, bề mặt đầu vào và giá cơ bản, nên việc chuyển đổi chỉ là đổi mã định danh mô hình chứ không phải một dự án.

Video là hàng cuối cùng trong bảng so sánh đối với một số đội.

Qwen4-Max nhận văn bản, hình ảnh và video. Grok 4.5 nhận văn bản, hình ảnh và tệp. Hy4 preview của Tencent, Opus 5.5 của Anthropic và Sol của OpenAI đều đọc tệp thay vì video, khiến Qwen4-Max trở nên khác thường chứ không chỉ đơn thuần là mới hơn: với công việc ở cấp độ khung hình — sàng lọc cảnh quay, phân tích bản ghi màn hình, bất kỳ thứ gì có dòng thời gian — phần còn lại của so sánh này là vô nghĩa, vì không có gì để so sánh.

Mặt trái là ngân sách đầu ra suy nghĩ được ghi nhận của Qwen4-Max là 262,144 token dùng chung giữa dấu vết lập luận và câu trả lời hiển thị, với ngân sách suy nghĩ mặc định là 131,072 và reasoning_effort mặc định là high. Một tác vụ phân tích video suy luận dài sẽ dành một phần đáng kể ngân sách câu trả lời cho phần lập luận. Hãy định cỡ đầu ra theo 131,072, không phải theo con số ngữ cảnh 1M trên trang niêm yết.

A screenshot of the OrcaRouter model page for grok/grok-4.5, showing the 500K-token context badge, text, image and file input, the model identifier and the start of the pricing panel.

Chạy cặp đó, và "một phím" mua được gì ở mỗi bên

OrcaRouter định tuyến Grok 4.5 với giá $2.00 đầu vào và $6.00 đầu ra mỗi triệu token, áp dụng đến ngưỡng 200.000 token và $4.00 cùng $12.00 cho phần vượt ngưỡng đó — theo bảng giá của chính nhà cung cấp, được chuyển tiếp với mức tăng giá 0% — đồng thời cũng định tuyến sản phẩm kế nhiệm của nó là Grok 4.6 với cùng mức giá cơ bản, khiến việc chuyển từ 4.5 lên 4.6 trở thành một thay đổi ở một trường trong quy tắc định tuyến thay vì một tích hợp mới. Cùng một khóa cũng truy cập được Claude Opus 5.5, GPT-6.1 Sol, Qwen3.8-Max và T​encent HY4 Preview.

Qwen4-Max không có trong danh sách đó. Danh mục chưa cập nhật thế hệ Qwen4, nên tuyến Qwen4-Max hiện là một khóa Alibaba trực tiếp, và cách trung thực để mô tả sự sắp xếp này là một endpoint cho mọi thứ bạn có thể phải dự phòng, cộng thêm một thông tin xác thực trực tiếp cho mô hình bạn đang đánh giá.

Cách tách đó vẫn là cách rẻ để trả lời câu hỏi mà bài viết này đặt ra. Hướng tuyến Grok 4.5 và tuyến Grok 4.6 đến cùng nguồn lưu lượng, công bố so sánh dựa trên chính các yêu cầu của bạn, và giữ Qwen4-Max song song như một nhánh thứ ba với chuyển đổi dự phòng tự động giữa các nhà cung cấp phía sau nó. Giải pháp thay thế — ngừng vận hành một đường đang hoạt động để thử nghiệm một mô hình không có độ trễ được công bố — là cách các nhóm kết thúc bằng việc quay lui lúc 2 giờ sáng.

Cần làm gì với một mô hình có thông báo trên đó

Thông báo trên trang của Grok 4.5 không phải là một cáo phó. Mô hình vẫn chạy, mức giá của nó có tính cạnh tranh, và cửa sổ 500k của nó vượt xa nhu cầu của hầu hết tác vụ. Nhưng so sánh nó với Qwen4-Max không hẳn là lựa chọn giữa hai phương án: đó là lựa chọn giữa một thứ đã biết đang bị thu hẹp dần và một thứ chưa biết vừa mới xuất hiện, và yếu tố phân định là mức độ chấp nhận của bạn đối với việc tự mình đo lường mọi thứ.

Ba điều cần theo dõi, theo đúng thứ tự. Mọi con số độ trễ độc lập cho Qwen4-Max, vốn là đầu vào duy nhất còn thiếu trong phép so sánh này. Liệu Alibaba có điều chỉnh ngân sách suy nghĩ 262.144 token dùng chung khi lưu lượng agent đến hay không. Và liệu Grok 4.5 có còn nằm trong danh sách hay không khi đã qua mốc mà bản kế nhiệm của nó được chạy thử đủ lâu — bởi thông báo ngừng hỗ trợ thường là đoạn đầu tiên của một ngày khai tử.

So sánh trong bài viết này1

Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày