Qwen3.7 Flash (low) vs Grok 4.6 (medium)

तुलना किए गए मॉडल

अनुशंसित मॉडल Qwen3.7 Flash (low)

Its score stays close to the best score here (7.7 vs 7.8), while costing about 43.2x less than Grok 4.6 (medium).

मेट्रिक	Qwen3.7 Flash Qwen3.7 Flash low रिलीज़: 2026-07-28	Grok 4.6 Grok 4.6 medium रिलीज़: 2026-08-12

मेट्रिक	Qwen3.7 Flash Qwen3.7 Flash low रिलीज़: 2026-07-28	Grok 4.6 Grok 4.6 medium रिलीज़: 2026-08-12
स्कोर	7.7	7.8
रैंक	#114	#107
विश्वसनीयता	10.0	10.0
संगति	8.1	8.7
प्रयास	69/69	69/69
सही परीक्षण
प्रति प्रयास पास दर	68.1%	78.3%
अस्थिर टेस्ट	6	4
कुल रन	69	69
प्रति परिणाम लागत	0.439	14.187
कुल लागत	$0.053	$2.270
इनपुट कीमत	$0.030 / 1M	$2.000 / 1M
आउटपुट कीमत	$0.130 / 1M	$6.000 / 1M
कुल इनपुट टोकन	318,058	336,351
आउटपुट टोकन	16,035	6,180
रीजनिंग टोकन	315,072	260,017
प्रतिक्रिया समय (औसत)	41.03s	74.77s
प्रतिक्रिया समय (अधिकतम)	394.54s	514.35s
प्रतिक्रिया समय (कुल)	943.75s	1719.73s
पैरामीटर	~35B कुल (~3B सक्रिय)	~1.7T कुल (~170B सक्रिय)
उपलब्धता	बंद स्रोत	बंद स्रोत

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

low

Reached the allocated time limit (600 seconds) without receiving showcase output.

medium

श्रेणी:

स्वायत्त एजेंट कार्य	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Qwen3.7 Flash	10.0	10.0	100.0%	0		106.71s	225,867	1,749	25,339
Grok 4.6	5.0	10.0	0.0%	0		103.61s	229,564	1,369	15,020

एंटी-एआई ट्रिक्स	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Qwen3.7 Flash	10.0	10.0	100.0%	0		10.29s	672	680	14,285
Grok 4.6	10.0	10.0	100.0%	0		10.84s	2,991	78	6,335

कोडिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Qwen3.7 Flash	6.7	7.8	55.6%	1		42.36s	7,893	428	56,419
Grok 4.6	8.2	7.2	88.9%	1		120.05s	9,579	351	64,226

संयुक्त	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Qwen3.7 Flash	6.4	5.8	66.7%	1		217.77s	64,756	11,880	131,432
Grok 4.6	10.0	10.0	100.0%	0		62.66s	68,060	3,687	21,366

डेटा पार्सिंग और निष्कर्षण	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Qwen3.7 Flash	10.0	10.0	100.0%	0		15.44s	7,782	270	12,503
Grok 4.6	10.0	10.0	100.0%	0		11.46s	8,937	225	4,400

डोमेन-विशिष्ट	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Qwen3.7 Flash	3.6	7.2	22.2%	1		37.60s	780	60	38,897
Grok 4.6	5.3	7.2	44.4%	1		304.33s	2,523	15	127,702

Samanya Buddhimatta	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Qwen3.7 Flash	4.0	9.3	0.0%	0		14.37s	516	128	5,423
Grok 4.6	4.1	2.7	33.3%	1		17.27s	1,077	47	2,052

निर्देश पालन	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Qwen3.7 Flash	8.5	6.8	83.3%	1		9.88s	699	99	8,147
Grok 4.6	9.8	10.0	100.0%	0		12.75s	1,857	57	4,500

पहेली समाधान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Qwen3.7 Flash	7.3	5.2	77.8%	2		9.79s	696	382	10,763
Grok 4.6	8.7	7.7	88.9%	1		16.30s	2,430	123	5,799

टूल कॉलिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Qwen3.7 Flash	10.0	10.0	100.0%	0		7.66s	8,193	335	2,172
Grok 4.6	10.0	10.0	100.0%	0		12.83s	8,544	216	1,068

सामान्य ज्ञान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Qwen3.7 Flash	3.0	10.0	0.0%	0		18.42s	204	24	9,692
Grok 4.6	3.0	10.0	0.0%	0		46.88s	789	12	7,549

तुलना जोड़ी बदलें