
Qwen 4 對上 Grok 4.7:20 萬個 Token 這條界線決定這場對決
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 97 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 每百萬 tokens · 87 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百萬 tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 147 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 每百萬 tokens · 123 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 每百萬 tokens · 219 tok/s
Grok 4.7 和 Qwen4-Max 的計價都是每百萬 token 輸入兩美元、輸出六美元——但只有 Grok 4.7 維持在這個價位。我們自己的型錄紀錄中,Grok 4.7 有兩級輸入價格:提示詞在 200,000 token 以內為 $2.00/$6.00,超過則為 $4.00/$12.00;而 Qwen4-Max 則在完整的 1,000,000-token 視窗內,每百萬 token 維持輸入 $1.50、輸出 $4.50。這單一結構性差異,比帳面上區隔兩者的八個指數點更有價值,因為長上下文工作正是這兩款模型所主打的工作。先說明名稱,因為這兩者經常被混淆:Qwen 4 是阿里巴巴使用的世代名稱,而 Qwen4-Max 是今天唯一可供呼叫的成員——於 2026 年 11 月 16 日發布,較小等級承諾開源但未附日期。Grok 4.7 自 2026 年 9 月 21 日起持續供應。這是價格與證據的比較,不是對兩者的發布報導。
簡述這兩個模型的形態
Qwen4-Max 是 Alibaba 的第四代旗艦模型,為採用 2.4 兆參數主幹的稀疏混合專家模型,每個 token 啟用 710 億個參數,另有 3,280 億個參數的 N-gram 嵌入。它接受文字、圖像與影片,並回傳文字,且具備一百萬個 token 的上下文視窗。思考功能預設開啟,而模型在推理與最終答案之間共用 262,144 個 token 的預算——因此,唯有思考內容能容納於另一半時,才能取得 131,072 個 token 的答案。
Grok 4.7 是 SpaceXAI 目前的文字旗艦模型。它是一款推理模型,具備 500,000 個 token 的上下文、最高 450,000 個輸出 token、文字與圖像輸入,以及三種可選的推理等級。SpaceXAI 並未公布其參數數量,並將此次發布描述為一個在更長的強化學習訓練下所得的更大基礎模型,而非全新架構。
就決定購買的關鍵面向而言:
• 上下文 — Qwen4-Max 1,000,000 個 token 對比 Grok 4.7 500,000
• 最大輸出 — Qwen4-Max 262,144(與思考共用),或抑制思考時 131,072,對比 Grok 4.7 的 450,000
• 輸入價格至 200K — Qwen4-Max $1.50 對比 Grok 4.7 $2.00 每 1M
• 輸出價格至 200K — Qwen4-Max $4.50 對比 Grok 4.7 $6.00 每 1M
• 輸入價格超過 200K 時 — Qwen4-Max 仍為 $1.50,Grok 4.7 為 $4.00;輸出為 $4.50 對 $12.00
• 快取讀取 — Qwen4-Max $0.075,相較 Grok 4.7:200K 以下 $0.50,200K 以上 $1.00
• 模態 — Qwen4-Max 支援文字、圖像與影片輸入,對比 Grok 4.7 支援文字與圖像輸入
• 獨立評分 — Qwen4-Max 在 Artificial Analysis Intelligence Index 上取得 43 分,於 81 個模型中排名第 38;相較之下,Grok 4.7 為 35 分,排名第 46。
• 重量 — 兩家廠商皆未公布
一個 400,000 token 的請求實際要花多少成本
採用兩個模型都適合的工作負載:讀取大型儲存庫或冗長的證據包,然後撰寫實質的修補程式或報告。400,000 個輸入 token、20,000 個輸出 token,不重複使用快取。
以 Qwen4-Max 而言,按每百萬輸入 $1.413、輸出 $4.24 的國際費率計算,輸入費用為 $0.565、輸出費用為 $0.085,約 $0.65。按新加坡費率 $1.50/$4.50 計算,則為 $0.69。
在 Grok 4.7 上,同一個請求永遠不會觸及低價層級,因為 400,000 是該邊界的兩倍。它計收 $1.60 的輸入費用與 $0.24 的輸出費用:共 $1.84。比例是 2.7 比 1,而這不是四捨五入造成的假象——這是平坦費率卡與帶有階梯的費率卡之間的差異。
把請求量降到 150,000 輸入與 15,000 輸出,情況就變了樣。Qwen4-Max 新加坡:$0.225 加 $0.0675,約 $0.29。Grok 4.7 在第一層級:$0.30 加 $0.09,約 $0.39。25% 的差距,平淡無奇,大致就是表面價格所暗示的。這兩張卡只有在其中一張改變層級的負載上,才會劇烈拉開差距。
這就是行銷頁面略過不談的算術。當廠商標榜某個價格,隨後又加上長上下文層級時,誠實的比較應以每項工作負載為單位,而非每個 token,因為層級分界正好落在產品本該發揮用處的地方。
在代理迴圈中,快取設計比價格更關鍵
長上下文讀取器很少只發出一次呼叫;而是對穩定的前綴發出十次呼叫。設想一個 200,000 個 token 的提示,其中 180,000 個可快取、10,000 個是全新輸入、10,000 個是輸出,共橫跨十輪。
Qwen4-Max 每回合計費為:全新輸入 $0.027、以 $0.075 計價的快取讀取 $0.0135,以及輸出 $0.045——合計 $0.0855,因此這次執行為 $0.855。快取寫入本身只收費一次,五分鐘儲存為每百萬 $1.875,而且在這個規模下小到可以忽略。
Grok 4.7 的計費為:全新輸入 $0.04、快取讀取 $0.09(以 $0.50 計),以及輸出 $0.06——每輪 $0.19,整次執行 $1.90。光是快取讀取費率就幾乎是 Qwen4-Max 的七倍,這就是為什麼即使兩個模型在此都不是處於各自的高價費率層級,差距仍會擴大到超過一倍。
如果你透過單一端點、而不是兩份供應商合約來執行這件事,路由層不會改變那些數字中的任何一個——0% 加價意味著供應商的定價會原封不動地傳遞過來,因此供應商的降價會在其公布當天就反映到你的帳單上,而不是等到下一次合約續約。這就是要把多種模型混合放在單一金鑰背後的理由,也是本文中唯一一個關於我們的產品、而非他們的產品的論點。
Grok 4.7 仍能徹底勝出的地方
兩個地方,而且兩者都不小。
首先是輸出長度。Grok 4.7 公布 450,000 個 token 的輸出上限。Qwen4-Max 則未公布獨立的輸出上限;它有 262,144 個 token 的額度,與自身的思考共用,而在抑制思考時,上限為 131,072。對於產出長篇成品而非簡短答案的工作——例如生成程式碼庫、長篇法律草稿、經轉錄並分析的語料庫——差異不在於品質,而在於工作在單次呼叫中完成,還是必須分塊處理。
第二項則是高階端的實測證據。Grok 4.7 自九月起便列於 Artificial Analysis Intelligence Index,並有三筆推理強度讀數:xhigh 為 35、high 為 35、low 為 31,而首個作答 token 的時間從最高設定的 52.9 秒縮短至最低設定的 10.6 秒。Qwen4-Max 僅公布單一索引分數 43,且截至撰稿時,同一榜單上並無輸出速度或各任務計時資料。43 對上 35 確實是實質領先,但僅有分數而無速度讀數,完全無法說明該模型在你的延遲預算下是否切實可用。
還有第三種容易被人忽略的不對稱:Grok 4.7 的努力程度控制是一項可依每次請求調整的成本槓桿,而其公布的計時顯示每個設定會讓你付出多少等待代價。Qwen4-Max 也提供推理努力程度設定,但 Alibaba 僅以相對方式描述節省幅度——在其 Work360 套件上,xhigh 時 token 用量下降 24%,high 時下降 35%;在 Terminal-Bench 4.0 上則分別下降 48% 與 49%,全部都是相對於 Qwen3.8-Max 測量,而非以各努力程度級別的價目表形式公布。廠商自行回報、未經重現,且是相對於另一個模型:作為方向有用,作為預算輸入則無用。
Qwen4-Max 徹底勝出之處
情境與計量器的形狀。
一百萬 token 對上五十萬 token,並不是規格翻倍;它改變的是哪些工作能塞得進去。有三種情況正好落在這兩個數字之間:橫跨整個 monorepo 的重構,其中相關切片是 60 萬 token 的相依圖與歷史;對一組文件進行探勘,而這些文件必須整份讀完,不能靠檢索;以及一個 24/7 的代理,在整個工作日累積狀態而不做摘要。Qwen4-Max 三者都適用。Grok 4.7 在一次呼叫中三者都裝不下,而把 60 萬 token 塞進去,意味著要嘛靠檢索,要嘛用 $4/$12 層級——其定價正好落在 2.7 倍差距變得難以辯護的點上。
固定費率卡也讓預測變得可行。預算負責人只要把 token 數乘以單一費率,就能算得準確。階梯式費率卡則意味著財務模型必須猜測提示長度分布,而實務上這代表估算會往成本偏高的方向出錯。
而那份獨立評分,姑且不論其分量如何,是偏向 Qwen4-Max 的:同一份排行榜上是 43 對 35。這層保留確有道理——一個才問世幾天的模型所受的檢視要少得多,而單一總合指數會掩蓋各項任務之間極大的變異——但方向並不模糊。

兩個模型都沒告訴你的事
兩家廠商都未公開權重,因此兩者都無法自行託管、接受稽核,也無法鎖定到你可控制的版本。SpaceXAI 完全沒有公布 Grok 4.7 的參數量。Alibaba 公布了 Qwen4-Max 的架構描述——閘控 DeltaNet 層與稀疏注意力機制交錯、四個帶有動態閘的平行殘差分支、一張 N-gram 嵌入表——但沒有公布權重。
兩家廠商的基準測試數字,都沒有像該指數那樣經過獨立審核。阿里巴巴 Work360 的 52.69 對上 Qwen3.8-Max 的 47.74、其平均每項任務成本從 4.43 美元降至 1.67 美元的說法,以及其五個基礎檢查點的 bits-per-byte 低 5% 至 13%,全都屬於第一方數據且未經重現。Grok 4.7 的優勢同樣在該指數之外缺乏記載:SpaceXAI 沒有公布每項任務成本,只有 token 價格。
目前唯一存在的獨立成本數據,反而對較便宜的那張卡不利。Artificial Analysis 將 Qwen4-Max 的每項 Intelligence Index 任務成本估為 $3.27,而其 Grok 4.7 檔案根本沒有列出可相比的數字。仔細讀:這裡看起來最便宜的模型,是唯一有記錄每項任務帳單的模型;另一個則根本未被測量。這不是 Qwen4-Max 很貴的證據,而是這兩者之中,只有一個曾被任何人端到端計過成本。
如何選擇
如果你的提示詞經常超過 200,000 個 token,Qwen4-Max 是更便宜的模型,而且便宜幅度會隨長度增加而擴大;Grok 4.7 的分級計價則意味著平常「只要送出更多上下文」的直覺會迅速變貴。請將長上下文工作交由 Qwen4-Max 處理。
如果你的工作是在單次呼叫中輸出極長的成品,Grok 4.7 的 450,000 個 token 輸出上限就是決定性數字,而 Qwen4-Max 共用的 262,144 預算則是淘汰因素。將一次生成分塊並不是中立的變通做法;它會犧牲接縫處的連貫性。
如果你需要在定案前先取得延遲數據,Grok 4.7 已公布三個努力等級的數據,而 Qwen4-Max 尚未公布。隨著獨立測試追上,這種不對稱將會消失,但現階段這是先試點而非全面標準化的理由。
如果你已經在使用 Grok 4.7,而問題是要不要加入 Qwen4-Max,誠實的答案是選擇性地加入:長上下文閱讀、影片輸入,以及對成本敏感的批次工作,同時把長篇生成留在具有明文輸出上限的模型上。一個金鑰背後有兩個模型,你付出的是路由規則的成本,而不是遷移,這也意味著任一供應商出狀況的一週會是容錯移轉,而不是服務中斷。

記分板,並附上其來源
在這些模型之間,最能乾淨俐落區分它們的單一數字,並不是指數分數——而是 400,000 tokens 時的價格。Qwen4-Max 為 $0.69,Grok 4.7 為 $1.84,皆依各廠商公布的國際費率計算。這項比較中的其餘部分,都是關於證據與餘裕的判斷。
關於指數分數,得先說一句,因為它們會被斷章取義地引用。43 和 35 來自同一份 Artificial Analysis 排行榜,於 2026 年 11 月 17 日讀取。兩者彼此可比。它們不能拿來跟 Kimi K3.1 Pro 在較早評分標準下所得的 55 相比;任何把這兩個數字放進同一句話的文章,都是在比較兩套不同的測試。廠商數據——Work360、token 減少量、bits-per-byte 差值——都是阿里巴巴自家的,完全沒有第三方查核。
在你圍繞 43 規劃帳單之前,還有一件值得知道的事:這個分數是單一努力程度設定下的結果。阿里巴巴預設開啟 thinking,token 預算為 131,072,並將 effort 設為 high,而獨立測試尚未公布模型在低努力程度下的得分,或那樣能省下多少。在那之前,請把 43 視為模型預設姿態的代價,而不是可以往下調降的旋鈕。
兩張卡片,在同一條路線上
值得說明「閱讀兩份價目表」與「實際運行兩個模型」之間的營運差異,因為它比價格差距所暗示的還要小。grok/grok-4.7 是我們提供服務的 215 個識別碼之一,按供應商的定價原樣提供、不額外加價,因此其層級界線與快取費率就是 SpaceXAI 當天公布的值。Qwen4-Max 不在其中;它透過阿里巴巴自家的 Model Studio API 路由。實務上的結果是,前面主張的混合策略——在 Qwen4-Max 上做長上下文讀取、在 Grok 4.7 上做長篇生成——兩邊各需要一個供應商關係,而路由規則的好壞取決於其下方的兩個端點。

本文中的比較1
根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新
