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 8.4 です。 Grok 4.5 (low) の benchmark コストが低く、$0.935 vs $1.116 です。 Grok 4.5 (low) の方が高速で、15.56s vs 40.57s です、成功率は 87.9% vs 75.8% です。

おすすめモデルQwen3.7 Max (medium)この比較で最も高いスコア（9.2）を出し、全 2 モデルの中でコストと応答時間のバランスも最良です。

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: 2026-07-21

指標	Qwen3.7 Max Qwen3.7 Max medium リリース: 2026-05-22	Grok 4.5 Grok 4.5 low 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 low リリース: 2026-07-08
スコア	9.2	8.4
順位	#11	#23
信頼性	10.0	10.0
一貫性	9.3	9.7
正解テスト
試行ごとの合格率	87.9%	75.8%
不安定なテスト	2	1
総実行回数	66	66
結果あたりのコスト	8.292	5.844
合計コスト	$1.116	$0.935
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	125,596
出力トークン	5,748	7,505
推論トークン	211,004	106,446
応答時間（平均）	40.57s	15.56s
応答時間（最大）	556.06s	205.28s
応答時間（合計）	892.57s	342.32s

Hamster playing table tennis

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

#11 Qwen3.7 Max

medium

コスト: $0.017
時間: 68.8s
トークン: 4,526 tok

#23 xAI: Grok 4.5

low

コスト: $0.011
時間: 12.4s
トークン: 2,018 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		2.75s	2,991	261	3,000

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		13.72s	9,579	303	15,641

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	6.5	10.0	50.0%	0		12.75s	82,028	6,031	3,583

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		3.44s	8,937	225	2,549

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	3.0	10.0	0.0%	0		72.64s	2,514	14	70,275

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	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

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		2.80s	1,857	57	1,878

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		3.20s	2,430	217	2,590

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		5.83s	13,394	284	871

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		13.98s	789	15	4,806

クイック比較

比較ペアを切り替え

GPT-5.2mediumvsGrok 4.5low Qwen3.6 Max PreviewmediumvsGrok 4.5low Claude Sonnet 5mediumvsGrok 4.5low GPT-5.4mediumvsGrok 4.5low Gemini 2.5 FlashmediumvsGrok 4.5low GPT-5.5lowvsQwen3.7 Maxmedium Gemini 3.5 FlashlowvsQwen3.7 Maxmedium GPT-5.6 SolhighvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGrok 4.5high Claude Fable 5mediumvsGrok 4.5low Gemini 3.6 FlashlowvsQwen3.7 Maxmedium Muse Spark 1.1mediumvsGrok 4.5low