Qwen: Qwen3.7 Max vs xAI: Grok Build 0.1

Grok Build 0.1 (medium) unggul dalam skor rata-rata dengan 7.6 vs 7.4. Qwen3.7 Max memiliki biaya benchmark lebih rendah di $0.197 vs $1.097. Qwen3.7 Max lebih cepat di 4.52s vs 52.06s, dengan tingkat keberhasilan 68.2% vs 63.6%.

Model yang direkomendasikanQwen3.7 MaxIts score stays close to the best score here (7.4 vs 7.6), while costing about 5.6x less than Grok Build 0.1 (medium).

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

Metrik	Qwen3.7 Max Qwen3.7 Max none Rilis: 2026-05-22	Grok Build 0.1 Grok Build 0.1 medium Rilis: 2026-05-21

Metrik	Qwen3.7 Max Qwen3.7 Max none Rilis: 2026-05-22	Grok Build 0.1 Grok Build 0.1 medium Rilis: 2026-05-21
Skor	7.4	7.6
Peringkat	#57	#46
Keandalan	9.9	10.0
Konsistensi	10.0	10.0
Tes benar
Tingkat lulus per percobaan	68.2%	63.6%
Tes tidak stabil	0	0
Total Run	66	66
Biaya per hasil	1.582	7.830
Total Biaya	$0.197	$1.097
Harga input	$1.475 / 1M	$1.000 / 1M
Harga output	$4.425 / 1M	$2.000 / 1M
Total token input	95,983	106,751
Token output	12,446	7,993
Token penalaran	0	486,670
Waktu respons (rata-rata)	4.52s	52.06s
Waktu respons (maks)	72.30s	252.69s
Waktu respons (total)	99.52s	1145.27s

Hamster playing table tennis

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

#57 Qwen3.7 Max

none

Biaya: $0.046
Waktu: 195.0s
Token: 12,171 tok

#46 xAI: Grok Build 0.1

medium

Biaya: $0.028
Waktu: 81.3s
Token: 14,009 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	6.5	10.0	50.0%	0		1.08s	696	242	0
Grok Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

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	5.5	10.0	33.3%	0		1.35s	7,911	582	0
Grok Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

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	6.5	10.0	50.0%	0		37.23s	68,425	10,623	0
Grok Build 0.1	10.0	10.0	100.0%	0		65.08s	75,242	5,442	65,569

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		1.35s	7,794	243	0
Grok Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

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	7.7	10.0	66.7%	0		975ms	789	15	0
Grok Build 0.1	5.3	10.0	33.3%	0		158.00s	1,764	492	175,294

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		1.04s	522	120	0
Grok Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

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		943ms	711	72	0
Grok Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

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		1.13s	714	314	0
Grok Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

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		3.92s	8,211	222	0
Grok Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

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		856ms	210	13	0
Grok Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.4 MinimediumvsQwen3.7 Maxnone GPT-5.6 TerralowvsQwen3.7 Maxnone Gemini 3 Flash PreviewlowvsQwen3.7 Maxnone DeepSeek V4 ProhighvsGrok Build 0.1medium KAT-Coder-Pro V2.5lowvsQwen3.7 Maxnone DeepSeek V4 FlashhighvsGrok Build 0.1medium GPT-5.3 ChatnonevsGrok Build 0.1medium GPT-5.4 NanomediumvsQwen3.7 Maxnone Kimi K2.7 CodemediumvsQwen3.7 Maxnone GPT-5.6 TerralowvsGrok Build 0.1medium GPT-5.6 LunahighvsGrok Build 0.1medium Nemotron 3 UltramediumTersedia gratisvsQwen3.7 Maxnone