Qwen: Qwen3.7 Max vs xAI: Grok 4.5

Qwen3.7 Max (medium) 平均分领先，为 9.2 vs 8.9。 Qwen3.7 Max (medium) benchmark 成本更低，为 $1.116 vs $1.707。 Qwen3.7 Max (medium) 更快，为 40.57s vs 76.50s，通过率为 87.9% vs 83.3%。

推荐模型Qwen3.7 Max (medium)它在这里得分最高（9.2），同时成本比Grok 4.5 (high)低约 1.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Qwen3.7 Max Qwen3.7 Max medium 发布日期: 2026-05-22	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08

指标	Qwen3.7 Max Qwen3.7 Max medium 发布日期: 2026-05-22	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08
分数	9.2	8.9
排名	#8	#12
可靠性	10.0	10.0
一致性	9.3	9.2
测试正确
尝试通过率	87.9%	83.3%
不稳定测试	2	2
总运行次数	66	66
每个结果成本	8.292	10.041
总成本	$1.116	$1.707
输入价格	$1.475 / 1M	$2.000 / 1M
输出价格	$4.425 / 1M	$6.000 / 1M
总输入令牌	106,020	151,562
输出令牌	5,748	5,655
推理令牌	211,004	247,540
响应时间（平均）	40.57s	76.50s
响应时间（最大）	556.06s	676.83s
响应时间（总计）	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

成本: $0.017
时间: 68.8s
令牌: 4,526 tok

#12 xAI: Grok 4.5

high

成本: $0.015
时间: 29.7s
令牌: 2,737 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

类别:

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
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

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
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

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
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

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
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

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
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

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
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

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
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

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
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

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
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

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
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

快速对比

切换对比组合

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