Qwen3.7 Max vs Grok 4.6 (low)

排名: #87
总输出令牌: 12,446
响应时间（平均）: 4.52s
总成本: $0.197

排名: #90
总输出令牌: 36,792
响应时间（平均）: 14.20s
总成本: $0.441

推荐模型 Qwen3.7 Max

它在这里得分最高（7.4），同时成本比Grok 4.6 (low)低约 2.2 倍。

详细对比

指标	Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22	Grok 4.6 Grok 4.6 low 发布日期: 2026-08-12

指标	Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22	Grok 4.6 Grok 4.6 low 发布日期: 2026-08-12
分数	7.4	7.4
排名	#87	#90
可靠性	9.9	10.0
一致性	10.0	9.2
尝试次数	66/66	66/66
测试正确
尝试通过率	68.2%	71.2%
不稳定测试	0	2
总运行次数	66	66
每个结果成本	1.582	2.938
总成本	$0.197	$0.441
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	95,983	109,951
输出令牌	12,446	5,124
推理令牌	0	31,668
响应时间（平均）	4.52s	14.20s
响应时间（最大）	72.30s	26.46s
响应时间（总计）	99.52s	312.33s
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.

#87 Qwen3.7 Max

none

成本: $0.046
时间: 195.0s
令牌: 12,171 tok

#90 SpaceXAI: Grok 4.6

low

成本: $0.011
时间: 26.0s
令牌: 1,941 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	6.5	10.0	50.0%	0		1.08s	696	242	0
Grok 4.6	10.0	10.0	100.0%	0		9.00s	2,991	104	3,343

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	5.5	10.0	33.3%	0		1.35s	7,911	582	0
Grok 4.6	5.5	7.1	44.4%	1		21.69s	9,579	349	7,740

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	6.5	10.0	50.0%	0		37.23s	68,425	10,623	0
Grok 4.6	6.5	10.0	50.0%	0		23.33s	71,233	3,899	2,805

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		1.35s	7,794	243	0
Grok 4.6	10.0	10.0	100.0%	0		11.63s	8,937	225	1,423

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	7.7	10.0	66.7%	0		975ms	789	15	0
Grok 4.6	2.9	7.2	11.1%	1		15.58s	2,514	16	6,665

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		1.04s	522	120	0
Grok 4.6	10.0	10.0	100.0%	0		16.29s	1,077	55	1,009

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		943ms	711	72	0
Grok 4.6	9.8	10.0	100.0%	0		6.64s	1,857	57	2,310

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		1.13s	714	314	0
Grok 4.6	10.0	10.0	100.0%	0		8.16s	2,430	154	2,506

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		3.92s	8,211	222	0
Grok 4.6	10.0	10.0	100.0%	0		14.42s	8,544	255	359

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		856ms	210	13	0
Grok 4.6	3.0	10.0	0.0%	0		26.11s	789	10	3,508

快速对比

切换对比组合

LongCat 2.0mediumvsQwen3.7 Maxnone Claude Sonnet 4.6nonevsGrok 4.6low Muse Glimmer 30BhighvsGrok 4.6low LongCat 2.0mediumvsGrok 4.6low GPT-5.4 MinimediumvsQwen3.7 Maxnone GPT-5.6 TerralowvsQwen3.7 Maxnone Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.6low DeepSeek V4 Flash 0731mediumvsGrok 4.6low Gemini 3 Flash PreviewlowvsQwen3.7 Maxnone Qwen3.5-27BmediumvsGrok 4.6low KAT-Coder-Pro V2.5lowvsQwen3.7 Maxnone Gemini 3.1 Flash LitemediumvsGrok 4.6low