Qwen3.7 Flash (medium) vs Grok 4.20 (medium)

Grok 4.20 (medium) лидирует по среднему баллу: 7.0 vs 6.9. Qwen3.7 Flash (medium) имеет более низкую стоимость benchmark: $0.065 vs $0.805. Grok 4.20 (medium) быстрее: 32.56s vs 47.38s, с долей успешных попыток 63.6% vs 60.6%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-08-15

Ранг: #124
Общее число выходных токенов: 470,076
Время ответа (среднее): 47.38s
Общая стоимость: $0.065

Ранг: #120
Общее число выходных токенов: 270,259
Время ответа (среднее): 32.56s
Общая стоимость: $0.805

Рекомендуемая модель Qwen3.7 Flash (medium)

Его балл близок к лучшему здесь (6.9 против 7.0), при этом он примерно в 12.5 раза дешевле, чем Grok 4.20 (medium).

Подробное сравнение

Метрика	Qwen3.7 Flash Qwen3.7 Flash medium Релиз: 2026-07-28	Grok 4.20 Grok 4.20 medium Релиз: 2026-03-31

Метрика	Qwen3.7 Flash Qwen3.7 Flash medium Релиз: 2026-07-28	Grok 4.20 Grok 4.20 medium Релиз: 2026-03-31
Оценка	6.9	7.0
Ранг	#124	#120
Надежность	10.0	10.0
Стабильность	7.5	8.2
Попытки	66/66	66/66
Тестов верно
Доля успешных попыток	63.6%	60.6%
Нестабильные тесты	7	5
Всего запусков	66	66
Стоимость за результат	0.646	10.365
Общая стоимость	$0.065	$0.805
Цена входа	$0.030 / 1M	$1.250 / 1M
Цена выхода	$0.130 / 1M	$2.500 / 1M
Общее число входных токенов	114,477	102,986
Выходные токены	12,786	5,860
Токены рассуждений	457,290	264,399
Время ответа (среднее)	47.38s	32.56s
Время ответа (макс.)	593.64s	199.66s
Время ответа (суммарно)	1042.43s	716.36s
Параметры	~35B всего (~3B активных)	~1T всего (~100B активных)
Доступность	Закрытая модель	Закрытая модель

Генерация showcase моделей

Hamster playing table tennis

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

#124 Qwen3.7 Flash

medium

Неверный SVG

Стоимость: $0.000
Время: 600.0s
Токены: 0 tok

#120 SpaceXAI: Grok 4.20

medium

Стоимость: $0.041
Время: 110.3s
Токены: 16,336 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Категория:

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Flash	10.0	10.0	100.0%	0		9.56s	672	525	12,844
Grok 4.20	8.2	7.9	83.3%	1		3.95s	2,010	287	8,312

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Flash	6.2	6.9	55.6%	1		46.78s	7,893	563	61,902
Grok 4.20	6.3	6.6	55.6%	1		109.93s	8,307	268	103,150

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Flash	6.4	5.8	66.7%	1		314.17s	87,042	10,432	296,919
Grok 4.20	8.7	6.9	83.3%	1		42.25s	71,267	3,776	44,009

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Flash	10.0	10.0	100.0%	0		15.42s	7,782	270	11,588
Grok 4.20	10.0	10.0	100.0%	0		4.17s	7,761	180	5,333

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Flash	2.9	7.2	11.1%	1		38.02s	780	59	38,977
Grok 4.20	2.9	7.2	11.1%	1		49.71s	1,959	872	59,761

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Flash	5.5	10.0	0.0%	0		10.18s	516	143	3,647
Grok 4.20	3.9	2.6	33.3%	1		24.48s	825	65	6,440

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Flash	5.8	2.7	66.7%	2		9.27s	699	100	7,457
Grok 4.20	9.8	10.0	100.0%	0		4.26s	1,362	57	6,419

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Flash	7.1	5.1	77.8%	2		8.30s	696	355	9,138
Grok 4.20	7.7	10.0	66.7%	0		6.22s	1,689	149	7,913

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Flash	10.0	10.0	100.0%	0		7.80s	8,193	309	2,171
Grok 4.20	3.0	10.0	0.0%	0		13.68s	7,275	197	6,620

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.7 Flash	3.0	10.0	0.0%	0		29.17s	204	30	12,647
Grok 4.20	3.0	10.0	0.0%	0		63.48s	531	9	16,442

Быстрое сравнение

Сменить пару сравнения

Seed-2.0-CodehighvsQwen3.7 Flashmedium GPT-5.5nonevsGrok 4.20medium GPT-5.6 SolnonevsGrok 4.20medium Gemini 3.5 FlashnonevsQwen3.7 Flashmedium Seed-2.0-CodehighvsGrok 4.20medium GPT-5.5nonevsQwen3.7 Flashmedium Qwen3.7 FlashmediumvsStep 3.7 Flashhigh Qwen3.7 FlashmediumvsSolar Pro 4low Solar Pro 4highvsGrok 4.20medium GPT-5.6 SolnonevsQwen3.7 Flashmedium Gemini 3.5 FlashnonevsGrok 4.20medium DeepSeek V4 PrononevsQwen3.7 Flashmedium