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 Build 0.1

Resumen

Comparación benchmark de Qwen3.7 Plus vs Grok Build 0.1: Grok Build 0.1 lidera en puntuación media con 7.6 vs 7.2. Qwen3.7 Plus tiene menor coste de benchmark con $0.023 vs $0.927. Qwen3.7 Plus es más rápido con 2.85s vs 49.90s, con tasas de acierto de 47.6% vs 61.9%.

Modelo recomendado: Qwen3.7 Plus - Su puntuación se mantiene cerca de la mejor aquí (7.2 vs 7.6) y cuesta aproximadamente 42.0x menos que Grok Build 0.1.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-02

Métrica Qwen3.7 Plus Qwen3.7 Plus none Lanzamiento: 2026-06-03 Grok Build 0.1 Grok Build 0.1 medium Lanzamiento: 2026-05-21
Puntuación 7.2 7.6
Rango #62 #44
Fiabilidad 10.0 10.0
Consistencia 10.0 9.9
Pruebas correctas
Tasa de aciertos por intento 47.6% 61.9%
Pruebas inestables 0 0
Ejecuciones totales 63 63
Costo por resultado 0.276 7.124
Costo total $0.023 $0.927
Precio de entrada $0.320 / 1M $1.000 / 1M
Precio de salida $1.280 / 1M $2.000 / 1M
Total de tokens de entrada 42,510 44,418
Tokens de salida 6,578 2,782
Tokens de razonamiento 0 438,018
Tiempo de respuesta (promedio) 2.85s 49.90s
Tiempo de respuesta (máximo) 29.38s 252.69s
Tiempo de respuesta (total) 59.86s 1047.92s

Generación showcase

Hamster playing table tennis

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

#62 Qwen3.7 Plus

none
Coste
$0.019
Tiempo
213.5s
Tokens
11,960 tok

#44 xAI: Grok Build 0.1

medium
Coste
$0.028
Tiempo
81.3s
Tokens
14,009 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 Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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 Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
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 Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
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 Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
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 Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
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 Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
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 Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
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 Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
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 Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
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 Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

Comparación rápida

Cambiar par de comparación

Gemma 4 26B A4BmediumDisponible gratisvsQwen3.7 PlusnoneDeepSeek V4 ProhighvsGrok Build 0.1mediumQwen3.7 PlusnonevsStep 3.7 FlashhighQwen3.7 PlusnonevsGLM 5.1mediumGPT-5.3 ChatnonevsGrok Build 0.1mediumStep 3.7 FlashlowvsGrok Build 0.1mediumLaguna XS 2.1mediumDisponible gratisvsQwen3.7 PlusnoneClaude Opus 4.8lowvsGrok Build 0.1mediumKimi K2.7 CodemediumvsQwen3.7 PlusnoneQwen3.7 PlusnonevsGrok 4.20mediumGemini 3 Flash PreviewlowvsQwen3.7 PlusnoneGemini 3 Flash PreviewlowvsGrok Build 0.1medium