Qwen: Qwen3.7 Max vs xAI: Grok 4.5

Qwen3.7 Max (medium) unggul dalam skor rata-rata dengan 9.2 vs 8.9. Qwen3.7 Max (medium) memiliki biaya benchmark lebih rendah di $1.116 vs $1.707. Qwen3.7 Max (medium) lebih cepat di 40.57s vs 76.50s, dengan tingkat keberhasilan 87.9% vs 83.3%.

Model yang direkomendasikanQwen3.7 Max (medium)It has the best score here (9.2), while costing about 1.5x less than Grok 4.5 (high).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-17

Metrik	Qwen3.7 Max Qwen3.7 Max medium Rilis: 2026-05-22	Grok 4.5 Grok 4.5 high Rilis: 2026-07-08

Metrik	Qwen3.7 Max Qwen3.7 Max medium Rilis: 2026-05-22	Grok 4.5 Grok 4.5 high Rilis: 2026-07-08
Skor	9.2	8.9
Peringkat	#8	#12
Keandalan	10.0	10.0
Konsistensi	9.3	9.2
Tes benar
Tingkat lulus per percobaan	87.9%	83.3%
Tes tidak stabil	2	2
Total Run	66	66
Biaya per hasil	8.292	10.041
Total Biaya	$1.116	$1.707
Harga input	$1.475 / 1M	$2.000 / 1M
Harga output	$4.425 / 1M	$6.000 / 1M
Total token input	106,020	151,562
Token output	5,748	5,655
Token penalaran	211,004	247,540
Waktu respons (rata-rata)	40.57s	76.50s
Waktu respons (maks)	556.06s	676.83s
Waktu respons (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

Biaya: $0.017
Waktu: 68.8s
Token: 4,526 tok

#12 xAI: Grok 4.5

high

Biaya: $0.015
Waktu: 29.7s
Token: 2,737 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Perbandingan Cepat

Ganti Pasangan Perbandingan

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