AI BENCHY Compare

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

概要

Qwen3.7 Plus vs Grok Build 0.1 の benchmark 比較: Grok Build 0.1 が平均スコアでリードし、7.6 vs 7.2 です。 Qwen3.7 Plus の benchmark コストが低く、$0.023 vs $0.927 です。 Qwen3.7 Plus の方が高速で、2.85s vs 49.90s です、成功率は 47.6% vs 61.9% です。

おすすめモデル: Qwen3.7 Plus - スコアはここでの最高値に近く（7.2 vs 7.6）、Grok Build 0.1 より約 42.0 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: 2026-07-02

指標	Qwen3.7 Plus Qwen3.7 Plus none リリース: 2026-06-03	Grok Build 0.1 Grok Build 0.1 medium リリース: 2026-05-21

指標	Qwen3.7 Plus Qwen3.7 Plus none リリース: 2026-06-03	Grok Build 0.1 Grok Build 0.1 medium リリース: 2026-05-21
スコア	7.2	7.6
順位	#62	#44
信頼性	10.0	10.0
一貫性	10.0	9.9
正解テスト
試行ごとの合格率	47.6%	61.9%
不安定なテスト	0	0
総実行回数	63	63
結果あたりのコスト	0.276	7.124
合計コスト	$0.023	$0.927
入力価格	$0.320 / 1M	$1.000 / 1M
出力価格	$1.280 / 1M	$2.000 / 1M
合計入力トークン	42,510	44,418
出力トークン	6,578	2,782
推論トークン	0	438,018
応答時間（平均）	2.85s	49.90s
応答時間（最大）	29.38s	252.69s
応答時間（合計）	59.86s	1047.92s

生成ショーケース

Hamster playing table tennis

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

#62 Qwen3.7 Plus

none

コスト: $0.019
時間: 213.5s
トークン: 11,960 tok

#44 xAI: Grok Build 0.1

medium

コスト: $0.028
時間: 81.3s
トークン: 14,009 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

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 Plus	6.5	10.0	50.0%	0		1.38s	696	349	0
Grok Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

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 Plus	5.5	10.0	33.3%	0		2.15s	7,911	639	0
Grok Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

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 Plus	10.0	10.0	100.0%	0		29.38s	14,952	4,505	0
Grok Build 0.1	10.0	10.0	100.0%	0		32.81s	12,909	231	16,917

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 Plus	10.0	10.0	100.0%	0		1.43s	7,794	243	0
Grok Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

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 Plus	3.0	10.0	0.0%	0		868ms	789	18	0
Grok Build 0.1	5.3	10.0	33.3%	0		158.00s	1,764	492	175,294

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 Plus	5.3	10.0	0.0%	0		1.33s	522	78	0
Grok Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

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 Plus	6.3	10.0	50.0%	0		929ms	711	72	0
Grok Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

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 Plus	7.7	10.0	66.7%	0		1.71s	714	443	0
Grok Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

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 Plus	10.0	10.0	100.0%	0		3.54s	8,211	222	0
Grok Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

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 Plus	3.0	10.0	0.0%	0		1.21s	210	9	0
Grok Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

クイック比較

比較ペアを切り替え

Gemma 4 26B A4Bmedium無料で利用可能vsQwen3.7 Plusnone DeepSeek V4 ProhighvsGrok Build 0.1medium Qwen3.7 PlusnonevsStep 3.7 Flashhigh Qwen3.7 PlusnonevsGLM 5.1medium GPT-5.3 ChatnonevsGrok Build 0.1medium Step 3.7 FlashlowvsGrok Build 0.1medium Laguna XS 2.1medium無料で利用可能vsQwen3.7 Plusnone Claude Opus 4.8lowvsGrok Build 0.1medium Kimi K2.7 CodemediumvsQwen3.7 Plusnone Qwen3.7 PlusnonevsGrok 4.20medium Gemini 3 Flash PreviewlowvsQwen3.7 Plusnone Gemini 3 Flash PreviewlowvsGrok Build 0.1medium