Qwen3.7 Max (medium) vs Grok 4.6 (high)

排名: #13
总输出令牌: 216,752
响应时间（平均）: 40.57s
总成本: $1.116

排名: #11
总输出令牌: 265,604
响应时间（平均）: 79.38s
总成本: $1.809

推荐模型 Qwen3.7 Max (medium)

它的得分接近这里的最高分（9.2 vs 9.2），同时成本比Grok 4.6 (high)低约 1.6 倍。

详细对比

指标	Qwen3.7 Max Qwen3.7 Max medium 发布日期: 2026-05-22	Grok 4.6 Grok 4.6 high 发布日期: 2026-08-12

指标	Qwen3.7 Max Qwen3.7 Max medium 发布日期: 2026-05-22	Grok 4.6 Grok 4.6 high 发布日期: 2026-08-12
分数	9.2	9.2
排名	#13	#11
可靠性	10.0	10.0
一致性	9.3	9.6
尝试次数	66/66	66/66
测试正确
尝试通过率	87.9%	84.9%
不稳定测试	2	1
总运行次数	66	66
每个结果成本	8.292	10.046
总成本	$1.116	$1.809
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	107,266
输出令牌	5,748	5,094
推理令牌	211,004	260,510
响应时间（平均）	40.57s	79.38s
响应时间（最大）	556.06s	618.49s
响应时间（总计）	892.57s	1746.29s
参数量	~1T 总计 (~40B 激活)	~1.7T 总计 (~170B 激活)
开放状态	闭源	闭源

模型生成展示

Hamster playing table tennis

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

#13 Qwen3.7 Max

medium

成本: $0.017
时间: 68.8s
令牌: 4,526 tok

#11 SpaceXAI: Grok 4.6

high

成本: $0.107
时间: 265.1s
令牌: 18,001 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 4.6	10.0	10.0	100.0%	0		14.44s	2,991	79	6,805

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 4.6	10.0	10.0	100.0%	0		102.20s	9,579	379	51,829

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 4.6	10.0	10.0	100.0%	0		91.77s	68,548	3,931	34,529

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 4.6	10.0	10.0	100.0%	0		16.08s	8,937	225	6,590

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 4.6	3.6	7.2	22.2%	1		334.95s	2,514	14	137,858

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 4.6	10.0	10.0	100.0%	0		19.51s	1,077	56	2,448

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 4.6	9.8	10.0	100.0%	0		13.82s	1,857	57	4,318

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 4.6	10.0	10.0	100.0%	0		15.56s	2,430	122	5,706

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 4.6	10.0	10.0	100.0%	0		13.30s	8,544	216	1,505

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 4.6	3.0	10.0	0.0%	0		54.22s	789	15	8,922

快速对比

切换对比组合

Gemini 3.1 Pro PreviewmediumvsGrok 4.6high Claude Opus 5mediumvsGrok 4.6high Seed 2.1 TurbolowvsQwen3.7 Maxmedium Claude Opus 5highvsQwen3.7 Maxmedium Gemini 3.5 FlashmediumvsGrok 4.6high GPT-5.5lowvsGrok 4.6high Seed 2.1 TurbolowvsGrok 4.6high Qwen3.8 MaxmediumvsGrok 4.6high GPT-5.6 SolmediumvsGrok 4.6high GPT-5.5lowvsQwen3.7 Maxmedium Gemini 3.5 FlashlowvsQwen3.7 Maxmedium GPT-5.6 SolhighvsQwen3.7 Maxmedium