Navegación
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Qwen: Qwen3.7 Plus vs xAI: Grok 4.20

Resumen

Comparación benchmark de Qwen3.7 Plus vs Grok 4.20: Grok 4.20 lidera en puntuación media con 7.3 vs 7.2. Qwen3.7 Plus tiene menor coste de benchmark con $0.023 vs $0.609. Qwen3.7 Plus es más rápido con 2.85s vs 27.68s, con tasas de acierto de 47.6% vs 63.5%.

Modelo recomendado: Qwen3.7 Plus - Su puntuación se mantiene cerca de la mejor aquí (7.2 vs 7.3) y cuesta aproximadamente 27.6x menos que Grok 4.20.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-12

Métrica Qwen3.7 Plus Qwen3.7 Plus none Lanzamiento: 2026-06-03 Grok 4.20 Grok 4.20 medium Lanzamiento: 2026-03-31
Puntuación 7.2 7.3
Rango #61 #54
Fiabilidad 10.0 10.0
Consistencia 10.0 8.8
Pruebas correctas
Tasa de aciertos por intento 47.6% 63.5%
Pruebas inestables 0 3
Ejecuciones totales 63 63
Costo por resultado 0.276 8.309
Costo total $0.023 $0.609
Precio de entrada $0.320 / 1M $1.250 / 1M
Precio de salida $1.280 / 1M $2.500 / 1M
Total de tokens de entrada 42,510 44,433
Tokens de salida 6,578 1,819
Tokens de razonamiento 0 219,524
Tiempo de respuesta (promedio) 2.85s 27.68s
Tiempo de respuesta (máximo) 29.38s 199.66s
Tiempo de respuesta (total) 59.86s 581.26s

Generation showcase

Hamster playing table tennis

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

#61 Qwen3.7 Plus

none
Cost
$0.019
Time
213.5s
Tokens
11,960 tok

#54 xAI: Grok 4.20

medium
Cost
$0.041
Time
110.3s
Tokens
16,336 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

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 6.5 10.0 50.0% 0 1.38s 696 349 0
Grok 4.20 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
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 5.5 10.0 33.3% 0 2.15s 7,911 639 0
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
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 10.0 10.0 100.0% 0 29.38s 14,952 4,505 0
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
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 1.43s 7,794 243 0
Grok 4.20 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
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 3.0 10.0 0.0% 0 868ms 789 18 0
Grok 4.20 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
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 5.3 10.0 0.0% 0 1.33s 522 78 0
Grok 4.20 3.9 2.6 33.3% 1 24.48s 825 65 6,440
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 6.3 10.0 50.0% 0 929ms 711 72 0
Grok 4.20 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
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 7.7 10.0 66.7% 0 1.71s 714 443 0
Grok 4.20 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
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 3.54s 8,211 222 0
Grok 4.20 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
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 1.21s 210 9 0
Grok 4.20 3.0 10.0 0.0% 0 63.48s 531 9 16,442

Comparación rápida

Cambiar par de comparación

Gemma 4 26B A4BmediumDisponible gratisvsQwen3.7 PlusnoneGemini 3 Flash PreviewlowvsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumQwen3.7 PlusnonevsMiMo-V2-FlashmediumQwen3.7 PlusnonevsStep 3.7 FlashhighQwen3.7 PlusnonevsGLM 5.1mediumQwen3.7 PlusnonevsGLM 5V TurbomediumClaude Opus 4.8nonevsGrok 4.20mediumKimi K2.7 CodemediumvsQwen3.7 PlusnoneGPT-5.3 ChatnonevsGrok 4.20mediumGemini 3 Flash PreviewlowvsQwen3.7 PlusnoneQwen3.7 PlusnonevsStep 3.5 Flashmedium