Qwen: Qwen3.7 Max vs xAI: Grok 4.5

Qwen3.7 Max (medium) が平均スコアでリードし、9.2 vs 8.9 です。 Qwen3.7 Max (medium) の benchmark コストが低く、$1.116 vs $1.707 です。 Qwen3.7 Max (medium) の方が高速で、40.57s vs 76.50s です、成功率は 87.9% vs 83.3% です。

おすすめモデルQwen3.7 Max (medium)ここでは最高スコア（9.2）で、Grok 4.5 (high) より約 1.5 倍低コストです。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-17

指標	Qwen3.7 Max Qwen3.7 Max medium リリース: 2026-05-22	Grok 4.5 Grok 4.5 high リリース: 2026-07-08

指標	Qwen3.7 Max Qwen3.7 Max medium リリース: 2026-05-22	Grok 4.5 Grok 4.5 high リリース: 2026-07-08
スコア	9.2	8.9
順位	#8	#12
信頼性	10.0	10.0
一貫性	9.3	9.2
正解テスト
試行ごとの合格率	87.9%	83.3%
不安定なテスト	2	2
総実行回数	66	66
結果あたりのコスト	8.292	10.041
合計コスト	$1.116	$1.707
入力価格	$1.475 / 1M	$2.000 / 1M
出力価格	$4.425 / 1M	$6.000 / 1M
合計入力トークン	106,020	151,562
出力トークン	5,748	5,655
推論トークン	211,004	247,540
応答時間（平均）	40.57s	76.50s
応答時間（最大）	556.06s	676.83s
応答時間（合計）	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

コスト: $0.017
時間: 68.8s
トークン: 4,526 tok

#12 xAI: Grok 4.5

high

コスト: $0.015
時間: 29.7s
トークン: 2,737 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

カテゴリ:

反AIトリック	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

コーディング	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

複合	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

データ解析と抽出	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

ドメイン特化	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

汎用知能	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

指示追従	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

パズル解決	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

ツール呼び出し	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

雑学	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

クイック比較

比較ペアを切り替え

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