Qwen: Qwen3.7 Plus vs xAI: Grok 4.5

Grok 4.5 (medium) lidera en puntuación media con 8.3 vs 7.9. Qwen3.7 Plus (medium) tiene menor coste de benchmark con $0.267 vs $1.928. Qwen3.7 Plus (medium) es más rápido con 51.51s vs 61.71s, con tasas de acierto de 75.8% vs 78.8%.

Modelo recomendadoQwen3.7 Plus (medium)Su puntuación se mantiene cerca de la mejor aquí (7.9 vs 8.3) y cuesta aproximadamente 7.2x menos que Grok 4.5 (medium).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-25

Métrica	Qwen3.7 Plus Qwen3.7 Plus medium Lanzamiento: 2026-06-03	Grok 4.5 Grok 4.5 medium Lanzamiento: 2026-07-08

Métrica	Qwen3.7 Plus Qwen3.7 Plus medium Lanzamiento: 2026-06-03	Grok 4.5 Grok 4.5 medium Lanzamiento: 2026-07-08
Puntuación	7.9	8.3
Rango	#43	#28
Fiabilidad	10.0	10.0
Consistencia	8.9	8.9
Pruebas correctas
Tasa de aciertos por intento	75.8%	78.8%
Pruebas inestables	3	3
Ejecuciones totales	66	66
Costo por resultado	2.072	12.049
Costo total	$0.267	$1.928
Precio de entrada	$0.320 / 1M	$2.000 / 1M
Precio de salida	$1.280 / 1M	$6.000 / 1M
Total de tokens de entrada	115,233	122,146
Tokens de salida	6,162	5,514
Tokens de razonamiento	173,267	275,053
Tiempo de respuesta (promedio)	51.51s	61.71s
Tiempo de respuesta (máximo)	315.30s	436.38s
Tiempo de respuesta (total)	1133.15s	1357.56s

Hamster playing table tennis

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

#43 Qwen3.7 Plus

medium

Coste: $0.018
Tiempo: 193.2s
Tokens: 10,821 tok

#28 xAI: Grok 4.5

medium

Coste: $0.044
Tiempo: 59.4s
Tokens: 7,512 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 Plus	10.0	10.0	100.0%	0		8.58s	672	195	5,065
Grok 4.5	10.0	10.0	100.0%	0		23.50s	2,991	147	4,018

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 Plus	6.1	6.6	55.6%	1		108.60s	6,472	414	43,576
Grok 4.5	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634

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 Plus	8.2	6.9	66.7%	1		190.27s	89,228	4,403	57,645
Grok 4.5	10.0	10.0	100.0%	0		29.01s	83,730	4,154	16,180

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 Plus	10.0	10.0	100.0%	0		21.75s	7,782	270	6,713
Grok 4.5	10.0	10.0	100.0%	0		6.29s	8,937	225	3,657

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 Plus	3.6	7.2	22.2%	1		45.35s	771	57	27,073
Grok 4.5	2.9	7.2	11.1%	1		198.89s	2,212	11	121,922

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 Plus	10.0	10.0	100.0%	0		25.48s	516	123	3,998
Grok 4.5	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384

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 Plus	10.0	10.0	100.0%	0		16.13s	699	102	5,013
Grok 4.5	9.8	10.0	100.0%	0		6.06s	1,857	57	2,728

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 Plus	10.0	10.0	100.0%	0		16.38s	696	280	7,312
Grok 4.5	10.0	10.0	100.0%	0		7.75s	2,430	254	3,641

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 Plus	10.0	10.0	100.0%	0		15.02s	8,193	292	1,831
Grok 4.5	10.0	10.0	100.0%	0		6.57s	8,544	192	968

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 Plus	3.0	10.0	0.0%	0		91.07s	204	26	15,041
Grok 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921

Comparación rápida

Cambiar par de comparación

Muse Spark 1.1lowvsGrok 4.5medium GPT-5.6 TerrahighvsQwen3.7 Plusmedium Kimi K3maxvsQwen3.7 Plusmedium Claude Opus 4.8lowvsQwen3.7 Plusmedium Qwen3.7 PlusmediumvsGLM 5.2high GPT-5.2 ChatnonevsQwen3.7 Plusmedium GPT-5.6 LunahighvsQwen3.7 Plusmedium Qwen3.7 PlusmediumvsInklinghigh Gemini 3.5 Flash-LitehighvsQwen3.7 Plusmedium DeepSeek V4 FlashhighvsQwen3.7 Plusmedium Muse Spark 1.1highvsQwen3.7 Plusmedium DeepSeek V4 ProhighvsQwen3.7 Plusmedium