Qwen: Qwen3.7 Plus vs xAI: Grok 4.5

Grok 4.5 (medium) unggul dalam skor rata-rata dengan 8.3 vs 7.9. Qwen3.7 Plus (medium) memiliki biaya benchmark lebih rendah di $0.267 vs $1.928. Qwen3.7 Plus (medium) lebih cepat di 51.51s vs 61.71s, dengan tingkat keberhasilan 75.8% vs 78.8%.

Model yang direkomendasikanQwen3.7 Plus (medium)Its score stays close to the best score here (7.9 vs 8.3), while costing about 7.2x less than Grok 4.5 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-25

Metrik	Qwen3.7 Plus Qwen3.7 Plus medium Rilis: 2026-06-03	Grok 4.5 Grok 4.5 medium Rilis: 2026-07-08

Metrik	Qwen3.7 Plus Qwen3.7 Plus medium Rilis: 2026-06-03	Grok 4.5 Grok 4.5 medium Rilis: 2026-07-08
Skor	7.9	8.3
Peringkat	#43	#28
Keandalan	10.0	10.0
Konsistensi	8.9	8.9
Tes benar
Tingkat lulus per percobaan	75.8%	78.8%
Tes tidak stabil	3	3
Total Run	66	66
Biaya per hasil	2.072	12.049
Total Biaya	$0.267	$1.928
Harga input	$0.320 / 1M	$2.000 / 1M
Harga output	$1.280 / 1M	$6.000 / 1M
Total token input	115,233	122,146
Token output	6,162	5,514
Token penalaran	173,267	275,053
Waktu respons (rata-rata)	51.51s	61.71s
Waktu respons (maks)	315.30s	436.38s
Waktu respons (total)	1133.15s	1357.56s

Hamster playing table tennis

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

#43 Qwen3.7 Plus

medium

Biaya: $0.018
Waktu: 193.2s
Token: 10,821 tok

#28 xAI: Grok 4.5

medium

Biaya: $0.044
Waktu: 59.4s
Token: 7,512 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 Plus	10.0	10.0	100.0%	0		8.58s	672	195	5,065
Grok 4.5	10.0	10.0	100.0%	0		23.50s	2,991	147	4,018

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.7 Plus	6.1	6.6	55.6%	1		108.60s	6,472	414	43,576
Grok 4.5	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Qwen3.7 Plus	8.2	6.9	66.7%	1		190.27s	89,228	4,403	57,645
Grok 4.5	10.0	10.0	100.0%	0		29.01s	83,730	4,154	16,180

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 Plus	10.0	10.0	100.0%	0		21.75s	7,782	270	6,713
Grok 4.5	10.0	10.0	100.0%	0		6.29s	8,937	225	3,657

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 Plus	3.6	7.2	22.2%	1		45.35s	771	57	27,073
Grok 4.5	2.9	7.2	11.1%	1		198.89s	2,212	11	121,922

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 Plus	10.0	10.0	100.0%	0		25.48s	516	123	3,998
Grok 4.5	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384

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 Plus	10.0	10.0	100.0%	0		16.13s	699	102	5,013
Grok 4.5	9.8	10.0	100.0%	0		6.06s	1,857	57	2,728

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 Plus	10.0	10.0	100.0%	0		16.38s	696	280	7,312
Grok 4.5	10.0	10.0	100.0%	0		7.75s	2,430	254	3,641

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 Plus	10.0	10.0	100.0%	0		15.02s	8,193	292	1,831
Grok 4.5	10.0	10.0	100.0%	0		6.57s	8,544	192	968

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 Plus	3.0	10.0	0.0%	0		91.07s	204	26	15,041
Grok 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921

Perbandingan Cepat

Ganti Pasangan Perbandingan

Muse Spark 1.1lowvsGrok 4.5medium GPT-5.6 TerrahighvsQwen3.7 Plusmedium Kimi K3maxvsQwen3.7 Plusmedium Claude Opus 4.8lowvsQwen3.7 Plusmedium Qwen3.7 PlusmediumvsGLM 5.2high GPT-5.2 ChatnonevsQwen3.7 Plusmedium GPT-5.6 LunahighvsQwen3.7 Plusmedium Qwen3.7 PlusmediumvsInklinghigh Gemini 3.5 Flash-LitehighvsQwen3.7 Plusmedium DeepSeek V4 FlashhighvsQwen3.7 Plusmedium Muse Spark 1.1highvsQwen3.7 Plusmedium DeepSeek V4 ProhighvsQwen3.7 Plusmedium