
Qwen4-Max vs Grok 4.7: Một triệu token ngữ cảnh đối đầu nửa triệu, và một điểm số đi kèm
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 90 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 96 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaMỚIOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 87 tok/s
- OrcaMỚIOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 133 tok/s
- OrcaMỚIOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 trên 1 triệu token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 152 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 trên 1 triệu token · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Trí tuệ
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Trí tuệ
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 trên 1 triệu token · 219 tok/s
Một yêu cầu đọc 400.000 token lịch sử kho mã và ghi một bản vá 20.000 token tốn 6,80 đô la trên Qwen4-Max theo giá niêm yết quốc tế và 8,00 đô la trên Grok 4.7 — và chỉ một trong hai mô hình đó từng được đưa qua một đánh giá độc lập có nói lên điều gì đó về việc liệu nó có thể đảm nhận công việc hay không. Đó chính là bức tranh của so sánh này gói trong một câu: Qwen4-Max của Alibaba, được cung cấp rộng rãi với bảng giá đã công bố kể từ ngày 16 tháng 11 năm 2026, rẻ hơn trên mỗi token và có cửa sổ ngữ cảnh gấp đôi; Grok 4.7 của SpaceXAI, phát hành ngày 21 tháng 9 năm 2026, là mô hình có điểm số được đo lường, bốn mức suy luận có thể chọn và một năm lịch sử vận hành phía sau. Sự thật nào trong hai điều đó quan trọng hơn thì phụ thuộc hoàn toàn vào việc khối lượng công việc của bạn làm gì khi không còn chỗ.
Cả hai mô hình đều nhận văn bản và xuất văn bản, với đầu vào hình ảnh là tùy chọn đi kèm, cả hai đều hỗ trợ gọi công cụ và đầu ra có cấu trúc, và cả hai đều có mức giá nằm trong cùng một dải. Những khác biệt còn trụ lại được khi va chạm với khối lượng công việc thực tế là dư địa ngữ cảnh, tính kinh tế của bộ nhớ đệm, bằng chứng, và cách mỗi nhà cung cấp cho phép bạn dồn sức tính toán vào phần suy luận.

Mỗi thứ là gì, theo cách gọi của chính nhà cung cấp
Qwen4-Max là mẫu flagship thế hệ thứ tư của Alibaba, được tài liệu mô tả là mô hình đa phương thức có thể nhận văn bản, hình ảnh và video rồi tạo ra văn bản. Các giới hạn được công bố của mô hình là cửa sổ ngữ cảnh 1.000.000 token, đầu ra tối đa 131.072 token ở chế độ không suy nghĩ, và ngân sách kết hợp suy nghĩ cộng câu trả lời là 262.144 token. Chế độ suy nghĩ được bật theo mặc định với ngân sách 131.072 token và mức nỗ lực suy luận được đặt ở mức cao; đây là một thiết lập mặc định khác với hầu hết các flagship phương Tây và đáng để biết trước khi bạn đánh giá bất kỳ điều gì so với nó.
Grok 4.7 là mô hình văn bản chủ lực hiện tại của SpaceXAI, một mô hình suy luận với cửa sổ ngữ cảnh 500.000 token, điểm cắt kiến thức tháng 5 năm 2026, đầu vào hình ảnh và bốn mức suy luận bao gồm một thiết lập cao nhất mới. SpaceXAI không công bố số lượng tham số cho mô hình này và mô tả bản phát hành là một mô hình nền lớn hơn với quá trình chạy học tăng cường dài hơn thay vì một kiến trúc mới. Giá niêm yết của mô hình là 2,00 USD mỗi triệu token đầu vào, 6,00 USD mỗi triệu token đầu ra và 0,50 USD mỗi triệu token đầu vào được lưu trong bộ nhớ đệm.

Đặt chúng cạnh nhau theo những khía cạnh quyết định việc mua hàng:
• Ngữ cảnh — Qwen4-Max 1.000.000 token so với Grok 4.7 500.000 token
• Đầu ra tối đa — Qwen4-Max 131.072 ở chế độ không suy luận, 262.144 dùng chung với chế độ suy luận, so với mức trần đầu ra do nhà cung cấp công bố của Grok 4.7, mà SpaceXAI không tách riêng khỏi ngữ cảnh
Giá đầu vào — Qwen4-Max $1.50 mỗi 1M tại Singapore, $1.413 tại Frankfurt, Virginia, Tokyo, Hồng Kông và Bắc Kinh, so với Grok 4.7 $2.00
• Giá đầu ra — Qwen4-Max $4.50 tại Singapore, $4.24 ở các nơi khác, so với Grok 4.7 $6.00
• Đầu vào đã lưu trong bộ nhớ đệm — Qwen4-Max $0.075 cho lượt đọc sau khi ghi 5 phút với giá $1.875, so với Grok 4.7 $0.50 cho lượt đọc
• Phương thức — Qwen4-Max nhận văn bản, hình ảnh và video đầu vào, so với Grok 4.7 nhận văn bản và hình ảnh đầu vào
• Điểm độc lập — Qwen4-Max không công bố điểm nào, so với Grok 4.7 ở mức 35,5 trên Chỉ số Trí tuệ Artificial Analysis v5.0.1 ở mức nỗ lực xhigh, 35,2 ở high, 31,1 ở low
• Trọng số — không bên nào công bố.
Ví dụ đã giải, có trình bày phép tính
So sánh chi phí giữa các mô hình có thiết kế bộ nhớ đệm khác nhau là lĩnh vực mà phần lớn các đánh giá chuẩn được công bố âm thầm gây hiểu nhầm, vì vậy đây là cùng ba khối lượng công việc được tính giá từ đầu đến cuối trên cả hai bảng giá, sử dụng giá niêm yết quốc tế và bỏ qua mọi khoản chiết khấu đã thương lượng.
• Đọc ngữ cảnh dài, không tái sử dụng — đầu vào 400K, đầu ra 20K: 0,60 USD đầu vào cộng 0,09 USD đầu ra trên Qwen4-Max Singapore, vậy 0,69 USD; 0,80 USD cộng 0,12 USD trên Grok 4.7, vậy 0,92 USD. Qwen4-Max rẻ hơn 25%.
• Vòng lặp agent với tiền tố ổn định — đầu vào 200K trong đó 180K được cache, đầu ra 10K, mười lượt: Qwen4-Max tính phí $0.0135 cho đọc cache cộng $0.03 cho đầu vào mới cộng $0.045 cho đầu ra mỗi lượt, tổng cộng $0.885; Grok 4.7 tính phí $0.09 cho đọc cache cộng $0.04 cho đầu vào mới cộng $0.06 cho đầu ra mỗi lượt, tổng cộng $1.90. Khoảng cách nới rộng lên hơn 2× vì mức phí đọc từ cache chênh lệch gần bảy lần.
• Phân loại hàng loạt, không suy luận — đầu vào 2K, đầu ra 200, 50.000 lệnh gọi: $1,74 trên Qwen4-Max Singapore và $2,60 trên Grok 4.7. Cả hai đều là số tiền nhỏ cho mỗi nghìn lệnh gọi, và cả hai đều bị chi phối bởi phần đầu ra trên đồng hồ đo.
Hãy lưu ý điều mà dòng đầu tiên không nói. Lợi thế giá 25% cho một lượt đọc ngữ cảnh dài là đáng có, nhưng nó đáng giá ít hơn nhiều so với cái giá của việc trả lời sai, và mô hình có điểm số đã được công bố là mô hình mà bạn có thể suy xét trước khi chi bất kỳ khoản nào. Giá mỗi token là thông tin về nhà cung cấp; giá mỗi tác vụ hoàn thành là thông tin về mô hình, và chưa ai công bố con số thứ hai cho Qwen4-Max.
Khi nào khung 1M thực sự làm thay đổi quyết định
Việc nhân đôi cửa sổ ngữ cảnh từ 500K lên 1M nghe như một chiêu tiếp thị cho đến khi bạn gặp những khối lượng công việc cụ thể nằm giữa hai con số đó. Ba trường hợp lặp lại trong thực tế: một cuộc tái cấu trúc toàn monorepo, nơi phần liên quan là một đồ thị phụ thuộc 600K token thay vì một tệp đơn lẻ; một buổi rà soát hợp đồng phải giữ toàn bộ thỏa thuận cùng các phụ lục và các bản sửa đổi trước đó trong ngữ cảnh cùng một lúc; và một phiên agent chạy dài, nơi thứ tăng lên là bản ghi hội thoại chứ không phải lời nhắc.
Về điểm thứ ba trong số đó, khía cạnh kinh tế của bộ nhớ đệm quan trọng hơn cửa sổ. Một phiên liên tục nối thêm vào bản ghi 300K token hết lượt này đến lượt khác đang phải trả tiền cho các lượt đọc bộ nhớ đệm thường xuyên hơn nhiều so với đầu vào mới, và mức giá đọc $0.075 của Qwen4-Max so với $0.50 của Grok 4.7 là khác biệt cấu trúc đơn lẻ lớn nhất giữa bảng giá của hai nhà cung cấp — xét theo tỷ lệ phần trăm, lớn hơn cả khác biệt giữa giá niêm yết của họ, vốn chỉ là 25% ở đầu vào và 25% ở đầu ra. Cũng lưu ý chi phí ghi bộ nhớ đệm: Qwen4-Max tính $1.875 mỗi triệu để nạp một mục bộ nhớ đệm năm phút, cao hơn giá đầu vào của chính nó, nên một khối lượng công việc lưu đệm một tiền tố mà chỉ đọc một lần sẽ phải trả phụ phí vì làm vậy. Đó là thiết kế cho việc đọc lặp lại, không phải cho các prompt một lần.
Câu trả lời của Grok 4.7 cho cùng một bài toán khác về bản chất chứ không chỉ khác về mức độ: bốn mức lý luận nghĩa là bạn có thể hạ mức tính toán xuống ở những lượt không cần đến và nâng lên ở những lượt cần, và SpaceXAI định giá cả bốn mức như nhau. Đó là một đòn bẩy mà Qwen4-Max phơi ra dưới dạng một giá trị cấu hình — nỗ lực lý luận mặc định là high, với ngân sách suy nghĩ 131,072 token — nhưng nếu không có đo lường độc lập về việc mỗi cài đặt mang lại gì, thì việc kéo đòn bẩy đó sẽ khó tự tin hơn.
Việc thiếu một chuẩn đối sánh khiến bạn phải trả giá như thế nào trong thực tế
35.5 của Grok 4.7 trên Index v5.0.1 không phải là một con số ấn tượng. Nó nằm thấp hơn hẳn mức 46.5 của Kimi K3.1 Pro trên cùng phiên bản chỉ số và xếp sau những mẫu flagship hàng đầu phương Tây. Điều nó mang lại là cho bạn một thứ để so sánh. Một nhóm đang chọn giữa hai mô hình đều có điểm số có thể quyết định trong một buổi chiều xem mô hình rẻ hơn có đủ tốt hay không; một nhóm chọn giữa một mô hình có điểm và một mô hình không có điểm thì phải mua thời gian đánh giá trước khi có thể quyết định được.
Alibaba đã không công bố bảng benchmark nào cho Qwen4-Max — không phải bảng do nhà cung cấp tự báo cáo, cũng không phải bảng độc lập. Không có mục Qwen4 nào trong chỉ mục mô hình Artificial Analysis, và trang riêng của từng mô hình trả về 404. Các tuyên bố về năng lực duy nhất hiện có là của chính tài liệu: suy luận sâu, gọi công cụ song song, tìm kiếm web, hoàn thành tiền tố, đầu ra có cấu trúc với chế độ JSON Object và JSON Schema, và bộ nhớ đệm prompt ở dạng tường minh và ngầm định. Đó là những tuyên bố về tính năng, và chúng thuộc loại thường đúng. Chúng không phải bằng chứng về chất lượng trên bất kỳ tác vụ nào bạn quan tâm.
Vậy chỉ dẫn thực tế là hãy chạy đánh giá của riêng bạn trước khi chuyển đổi, và ước lượng quy mô một cách trung thực. Một trăm prompt đại diện từ lưu lượng của chính bạn, được chấm bằng bất kỳ tiêu chí nào mà nhóm của bạn đang dùng, sẽ cho bạn biết nhiều hơn về việc liệu Qwen4-Max có thay thế Grok 4.7 hay không so với bất kỳ bảng xếp hạng nào — và việc này chỉ tốn vài đô-la theo bảng giá nào cũng vậy, vì phần đầu vào của cả hai đồng hồ đo đều là phần rẻ.
Gộp cả hai vào một phím
OrcaRouter niêm yết Grok 4.7 là grok/grok-4.7 với mức giá niêm yết của chính SpaceXAI, $2.00 đầu vào và $6.00 đầu ra mỗi triệu, được chuyển nguyên giá không cộng thêm phụ phí trên cùng URL gốc tương thích OpenAI như phần còn lại của danh mục. Qwen4-Max hiện chưa có trong danh mục; có thể truy cập qua API riêng của Alibaba, nơi áp dụng mức giá theo khu vực ở trên và nơi khóa Singapore được hưởng mức $1.50. Cách tiếp cận hữu ích khi bạn vẫn đang đánh giá là giữ cả hai tuyến hoạt động và để chính sách định tuyến quyết định theo từng yêu cầu thay vì cam kết một luồng mã cho bên nào.

Hai thứ trong lớp định tuyến thực sự phát huy tác dụng ở đây. Thứ nhất là model fusion: một bảng điều phối trả lời một prompt khó bằng cả hai mô hình và một giám khảo thứ ba là cách nhanh nhất để biết liệu điểm số còn thiếu của Qwen4-Max đang che giấu một khoảng trống hay đang che giấu một chiến thắng, và nó chỉ tốn hai lệnh gọi thay vì một cuộc di chuyển. Thứ hai là automatic failover — một mô hình GA mới chính là trường hợp bạn muốn cấu hình chuỗi dự phòng trước yêu cầu sản xuất đầu tiên, chứ không phải sau lỗi 5xx đầu tiên.
Làm thế nào để quyết định trong tuần này
Nếu khối lượng công việc của bạn nằm gọn trong 500K token và bạn không muốn chạy đánh giá, Grok 4.7 là lựa chọn hợp lý: nó đã được đo lường, đã vận hành ổn định từ tháng 9 và cung cấp một thanh điều chỉnh suy luận mà một mô hình có điểm số cho phép bạn hiệu chỉnh. Nếu khối lượng công việc của bạn thuộc đúng loại cần hơn nửa triệu token — monorepo, toàn bộ bộ hợp đồng, bản ghi ngày càng dài — thì Qwen4-Max không chỉ rẻ hơn, mà còn là lựa chọn duy nhất trong hai lựa chọn chấp nhận yêu cầu, và việc thiếu benchmark trở thành một chi phí kinh doanh thay vì lý do để chờ đợi. Nếu bạn ở khoảng giữa, câu trả lời trung thực là câu trả lời tốn vài đô la và một buổi chiều: chạy cả hai trên lưu lượng của chính bạn, và để so sánh trên tác vụ hoàn thành thay thế cho so sánh theo từng token.
So sánh trong bài viết này1
Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày
