Qwen: Qwen3.7 Max vs xAI: Grok 4.5

Qwen3.7 Max (medium) lidera en puntuación media con 9.2 vs 8.9. Qwen3.7 Max (medium) tiene menor coste de benchmark con $1.116 vs $1.707. Qwen3.7 Max (medium) es más rápido con 40.57s vs 76.50s, con tasas de acierto de 87.9% vs 83.3%.

Modelo recomendadoQwen3.7 Max (medium)Tiene la mejor puntuación aquí (9.2) y cuesta aproximadamente 1.5x menos que Grok 4.5 (high).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-17

Métrica	Qwen3.7 Max Qwen3.7 Max medium Lanzamiento: 2026-05-22	Grok 4.5 Grok 4.5 high Lanzamiento: 2026-07-08

Métrica	Qwen3.7 Max Qwen3.7 Max medium Lanzamiento: 2026-05-22	Grok 4.5 Grok 4.5 high Lanzamiento: 2026-07-08
Puntuación	9.2	8.9
Rango	#8	#12
Fiabilidad	10.0	10.0
Consistencia	9.3	9.2
Pruebas correctas
Tasa de aciertos por intento	87.9%	83.3%
Pruebas inestables	2	2
Ejecuciones totales	66	66
Costo por resultado	8.292	10.041
Costo total	$1.116	$1.707
Precio de entrada	$1.475 / 1M	$2.000 / 1M
Precio de salida	$4.425 / 1M	$6.000 / 1M
Total de tokens de entrada	106,020	151,562
Tokens de salida	5,748	5,655
Tokens de razonamiento	211,004	247,540
Tiempo de respuesta (promedio)	40.57s	76.50s
Tiempo de respuesta (máximo)	556.06s	676.83s
Tiempo de respuesta (total)	892.57s	1683.07s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#8 Qwen3.7 Max

medium

Coste: $0.017
Tiempo: 68.8s
Tokens: 4,526 tok

#12 xAI: Grok 4.5

high

Coste: $0.015
Tiempo: 29.7s
Tokens: 2,737 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.7 Max	10.0	10.0	100.0%	0		6.36s	672	222	8,742
Grok 4.5	10.0	10.0	100.0%	0		5.67s	2,991	204	4,545

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.7 Max	10.0	10.0	100.0%	0		35.31s	7,893	423	34,808
Grok 4.5	10.0	10.0	100.0%	0		155.16s	9,579	357	100,752

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.7 Max	8.7	6.9	83.3%	1		287.83s	78,594	3,985	96,450
Grok 4.5	10.0	10.0	100.0%	0		35.56s	113,448	4,299	13,004

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.7 Max	10.0	10.0	100.0%	0		8.80s	7,782	270	6,254
Grok 4.5	10.0	10.0	100.0%	0		7.63s	8,937	225	3,888

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.7 Max	5.9	7.2	55.6%	1		24.94s	771	61	31,793
Grok 4.5	3.6	7.2	22.2%	1		332.11s	1,910	6	101,850

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.7 Max	10.0	10.0	100.0%	0		11.70s	516	135	4,457
Grok 4.5	4.7	1.6	66.7%	1		9.82s	1,077	83	1,899

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.7 Max	10.0	10.0	100.0%	0		7.46s	699	102	5,452
Grok 4.5	9.8	10.0	100.0%	0		6.23s	1,857	57	3,154

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.7 Max	10.0	10.0	100.0%	0		8.84s	696	259	8,908
Grok 4.5	10.0	10.0	100.0%	0		7.88s	2,430	220	4,312

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.7 Max	10.0	10.0	100.0%	0		6.63s	8,193	267	1,220
Grok 4.5	10.0	10.0	100.0%	0		5.71s	8,544	192	901

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.7 Max	3.0	10.0	0.0%	0		33.37s	204	24	12,920
Grok 4.5	3.0	10.0	0.0%	0		60.58s	789	12	13,235

Comparación rápida

Cambiar par de comparación

GPT-5.3-CodexmediumvsGrok 4.5high Gemini 3.5 FlashlowvsGrok 4.5high GPT-5.5mediumvsGrok 4.5high Claude Opus 4.8mediumvsGrok 4.5high GPT-5.5lowvsQwen3.7 Maxmedium Gemini 3.5 FlashmediumvsGrok 4.5high Gemini 3.5 FlashlowvsQwen3.7 Maxmedium GPT-5.6 SolhighvsQwen3.7 Maxmedium Claude Opus 4.7mediumvsGrok 4.5high Muse Spark 1.1mediumvsGrok 4.5high Claude Fable 5mediumvsGrok 4.5high Gemini 3.1 Pro PreviewmediumvsGrok 4.5high