
Qwen4-Max 对比 Grok 4.7:百万 Token 上下文对阵五十万,还有与之相称的得分
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 96 tok/s
- orca新Orca: OrcaC2 1.02026-11-0717 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 87 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百万 tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 152 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百万 tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百万 tokens · 219 tok/s
读取 400,000 个 token 的仓库历史并生成一个 20,000 个 token 的补丁,这项请求按国际标价在 Qwen4-Max 上花费 6.80 美元,在 Grok 4.7 上花费 8.00 美元——而这两个模型中只有一个经过了独立评估,且该评估对模型能否胜任这项工作给出了明确判断。这就是用一句话概括的本次对比格局:阿里巴巴的 Qwen4-Max 自 2026 年 11 月 16 日起已正式可用并公布了价格表,其每 token 价格更低,上下文窗口还是对方的两倍;SpaceXAI 的 Grok 4.7 于 2026 年 9 月 21 日发布,则是拥有实测分数、四个可选推理级别以及一年运行历史的那一个。这两个事实中哪一个更重要,完全取决于你的工作负载在耗尽上下文空间时会如何表现。
两个模型都是文本输入、文本输出,并可附带图像输入,都支持工具调用和结构化输出,定价也处于同一区间。真正经得起真实工作负载检验的差异在于:上下文余量、缓存的经济性、证据,以及各家厂商让你把算力花在推理上的方式。

每一样东西究竟是什么,用厂商自己的说法来讲
Qwen4-Max 是 Alibaba 的第四代旗舰模型,文档中记载其为多模态模型,可接受文本、图像和视频并生成文本。其公布的限制包括:1,000,000 token 的上下文窗口、非思考模式下 131,072 token 的最大输出,以及思考加回答合计 262,144 token 的预算。思考模式默认开启,预算为 131,072 token,推理强度设为高;这与大多数西方旗舰模型的默认设置不同,在对它进行任何基准测试之前值得了解。
Grok 4.7 是 SpaceXAI 当前的文本旗舰模型,是一款推理模型,具有 500,000 个 token 的上下文窗口、2026 年 5 月的知识截止日期、图像输入,以及四档推理级别,其中包括新增的最高档设置。SpaceXAI 未公布其参数数量,并将此次发布描述为更大的基础模型和更长的强化学习训练,而非新架构。其标价为每百万输入 token 2.00 美元、每百万输出 token 6.00 美元、每百万缓存输入 token 0.50 美元。

在决定购买的关键维度上将它们并排对比:
• 上下文 — Qwen4-Max 1,000,000 个 token,而 Grok 4.7 为 500,000 个 token
• 最大输出 — Qwen4-Max:非思考模式为 131,072,思考模式共享 262,144;相比之下,Grok 4.7 的厂商公布输出上限,SpaceXAI 并未将其与上下文分开列出
• 输入价格 — Qwen4-Max 在新加坡为每 100 万 1.50 美元,在法兰克福、弗吉尼亚、东京、香港和北京为 1.413 美元,而 Grok 4.7 为 2.00 美元
• 输出价格 — Qwen4-Max 新加坡 $4.50,其他地区 $4.24;相比之下 Grok 4.7 为 $6.00
• 缓存输入——Qwen4-Max 在 $1.875 的五分钟写入后读取为 $0.075,而 Grok 4.7 读取为 $0.50
• 模态 — Qwen4-Max 支持文本、图像和视频输入,而 Grok 4.7 支持文本和图像输入
• 独立评分——Qwen4-Max 未公布任何评分,而 Grok 4.7 在 Artificial Analysis Intelligence Index v5.0.1 中,xhigh 推理强度下为 35.5,high 下为 35.2,low 下为 31.1
• 权重——两者均未发布任何权重
附有计算过程演示的演算示例
不同缓存设计的模型之间的成本对比,正是大多数已发布基准测试悄然产生误导的地方;因此这里按照两张价目表,对同样的三项工作负载进行端到端计价,采用国际标价,并忽略任何协商折扣。
• 长上下文读取,不复用 — 400K 输入、20K 输出:在 Qwen4-Max Singapore 上,输入为 $0.60,输出为 $0.09,合计 $0.69;在 Grok 4.7 上,输入为 $0.80,输出为 $0.12,合计 $0.92。Qwen4-Max 便宜 25%。
• 具有稳定前缀的智能体循环——输入 200K,其中 180K 被缓存,输出 10K,共十轮:Qwen4-Max 每轮计费缓存读取 $0.0135、新输入 $0.03、输出 $0.045,总计 $0.885;Grok 4.7 每轮计费缓存读取 $0.09、新输入 $0.04、输出 $0.06,总计 $1.90。由于缓存读取费率相差近七倍,差距扩大到超过 2×。
• 批量分类,不进行推理——输入 2K、输出 200、50,000 次调用:在 Qwen4-Max Singapore 上为 $1.74,在 Grok 4.7 上为 $2.60。两者每千次调用都花不了多少钱,而且费用都主要来自计费表的输出侧。
请注意第一行没有说明什么。长上下文读取上有 25% 的价格优势固然值得拥有,但它远不如答错的代价重要;而已经公布评分的模型,才是你在花任何钱之前能够推演的那个。每 token 价格是关于供应商的事实;每完成一项任务的价格是关于模型的事实,而目前还没有人公布 Qwen4-Max 的第二个数字。
1M 窗口在哪些情况下真正改变决策
将上下文窗口从 500K 翻倍到 1M,听起来像一句营销卖点,直到你遇到正好落在这两个数字之间的特定工作负载。实践中有三类情况反复出现:一次全 monorepo 重构,其中相关切片是一张 600K token 的依赖图,而不是单个文件;一次合同审查,必须同时把整个协议及其附件和先前修订都放进上下文;以及一个长时间运行的智能体会话,其中不断增长的是对话记录,而不是提示词。
就这三点中的第三点而言,缓存的经济性比上下文窗口更重要。一个不断向 300K token 的对话记录逐轮追加内容的会话,其开销中缓存读取所占的比例远高于全新输入;Qwen4-Max 每百万 $0.075 的读取价格对比 Grok 4.7 的 $0.50,是两家厂商价目表之间最大的单一结构性差异——按百分比计算,这一差距甚至大于两者标价之间的差异,后者在输入上仅为 25%,在输出上也是 25%。还要注意缓存写入成本:Qwen4-Max 为填充一个五分钟的缓存条目收取每百万 $1.875,这高于其自身的输入价格,因此,如果一个工作负载缓存的是一段只读取一次的前缀,它就要为此支付溢价。这是为重复读取而做的设计,而非为一次性提示而做的设计。
Grok 4.7 对同一问题的回答是性质上的不同,而非程度上的差异:四个推理等级意味着,你可以在不需要的轮次调低算力、在需要的轮次调高算力,而 SpaceXAI 对这四个等级的定价完全相同。这是 Qwen4-Max 以一个配置值形式暴露出来的杠杆——推理力度默认为 high,思考预算为 131,072 个 token——但若没有对每个设置究竟能带来什么进行独立测量,这根杠杆就更难有把握地拉动。
缺失基准测试在实践中会让你付出什么代价
Grok 4.7 在 Index v5.0.1 上的 35.5 分并不算亮眼。它明显低于 Kimi K3.1 Pro 在同一版指数上的 46.5 分,也落后于西方顶级旗舰模型。它的作用在于让你能拿它和别的东西作比较。一个要在两个有分数的模型之间做选择的团队,花一个下午就能判断更便宜的那个是否够用;而一个要在有分数的模型和没有分数的模型之间做选择的团队,则必须先投入评估时间,才能做出决定。
阿里巴巴尚未为 Qwen4-Max 发布任何基准测试表——既不是厂商报告的,也不是独立的。Artificial Analysis 模型索引中没有 Qwen4 条目,且其单模型页面返回 404。目前唯一可获得的能力陈述来自文档自身:深度推理、并行工具调用、网页搜索、前缀补全、支持 JSON Object 和 JSON Schema 模式的结构化输出,以及显式和隐式两种形式的提示缓存。这些都是功能层面的声明,而这类声明通常属实。它们并不能证明其在任何你关心的任务上的质量。
所以,实用建议是:在切换之前先运行自己的评估,并如实估算规模。从你自己的流量中抽取一百条有代表性的提示词,用团队已经在用的评分标准打分,这比任何排行榜都更能说明 Qwen4-Max 是否能取代 Grok 4.7——而且在任一价目表上只需要几美元,因为两个计费表的输入侧都是便宜的那一侧。
让两者共用一个按键
OrcaRouter 将 Grok 4.7 列为grok/grok-4.7,采用 SpaceXAI 自身的标价:每百万输入 $2.00、输出 $6.00,在与目录其余部分相同的 OpenAI 兼容基础 URL 上原样传递,不加价。Qwen4-Max 目前不在目录中;可通过 Alibaba 自己的 API 访问,那里适用上述区域定价,并且新加坡密钥可获得 $1.50 的费率。在你仍在评估期间,实用的做法是让两条路线都保持可用,让路由策略按请求决定,而不是把代码路径锁定到其中任何一条。

路由层里有两件事值得投入。第一是 模型融合:用两个模型加第三位裁判来回答难题的面板,是判断 Qwen4-Max 缺失的分数是在掩盖差距还是在掩盖胜利的最快方式,而且它只要两次调用,而不是一次迁移。第二是 自动故障转移——新 GA 模型正是那种你希望在生产环境第一个请求之前就配置好回退链、而不是等到第一个 5xx 之后才配置的场景。
本周如何决定
如果你现有的工作负载可以容纳在 50 万个 token 以内,而且你无意进行评估,那么 Grok 4.7 是站得住脚的选择:它经过实测,自 9 月起在运营上已趋成熟,并且提供了一个推理调节档位,而一个经过评分的模型让你能够对它进行校准。如果你的工作负载恰恰是需要超过 50 万个 token 的那些——庞大的单体仓库(monorepo)、完整的合同集、不断增长的转录文本——那么 Qwen4-Max 就不仅仅是更便宜,它是两者中唯一会接受该请求的模型,而缺少基准测试也就成了做这门生意的必要成本,而非等待的理由。如果你处在两者之间,诚实的答案是花几美元和一个下午:让你自己的流量同时跑这两个模型,然后让基于完成任务的比较结果压过基于每 token 成本的比较结果。
本文中的对比1
根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新
