- 排名
- #86
- 总输出令牌
- 58,097
- 响应时间（平均）
- 12.09s
- 总成本
- $0.106
Qwen3.7 Plus vs Grok 4.20 (medium)
平均分几乎持平，为 7.2 vs 7.1。 Qwen3.7 Plus benchmark 成本更低，为 $0.106 vs $0.777。 Qwen3.7 Plus 更快，为 12.09s vs 29.47s，通过率为 50.0% vs 63.6%。
- 排名
- #90
- 总输出令牌
- 259,340
- 响应时间（平均）
- 29.47s
- 总成本
- $0.777
推荐模型
Qwen3.7 Plus
它在这里得分最高（7.2），同时成本比Grok 4.20 (medium)低约 7.3 倍。
详细对比
| 指标 | Qwen3.7 Plus Qwen3.7 Plus none | Grok 4.20 Grok 4.20 medium |
|---|---|---|
| 分数 | 7.2 | 7.1 |
| 排名 | #86 | #90 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 8.5 |
| 测试正确 | ||
| 尝试通过率 | 50.0% | 63.6% |
| 不稳定测试 | 0 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 1.014 | 9.709 |
| 总成本 | $0.106 | $0.777 |
| 输入价格 | $0.320 / 1M | $1.250 / 1M |
| 输出价格 | $1.280 / 1M | $2.500 / 1M |
| 总输入令牌 | 98,824 | 102,791 |
| 输出令牌 | 58,097 | 5,363 |
| 推理令牌 | 0 | 253,977 |
| 响应时间（平均） | 12.09s | 29.47s |
| 响应时间（最大） | 206.03s | 199.66s |
| 响应时间（总计） | 265.89s | 648.35s |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#86 Qwen3.7 Plus
none- 成本
- $0.019
- 时间
- 213.5s
- 令牌
- 11,960 tok
#90 xAI: Grok 4.20
medium- 成本
- $0.041
- 时间
- 110.3s
- 令牌
- 16,336 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
| 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 Plus | 6.5 | 10.0 | 50.0% | 0 | 1.38s | 696 | 349 | 0 | |
| Grok 4.20 | 8.2 | 7.9 | 83.3% | 1 | 3.95s | 2,010 | 287 | 8,312 |
| 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 Plus | 5.5 | 10.0 | 33.3% | 0 | 2.15s | 7,911 | 639 | 0 | |
| Grok 4.20 | 6.3 | 6.6 | 55.6% | 1 | 109.93s | 8,307 | 268 | 103,150 |
| 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 117.70s | 71,266 | 56,024 | 0 | |
| Grok 4.20 | 8.7 | 6.9 | 83.3% | 1 | 42.25s | 71,267 | 3,776 | 44,009 |
| 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 1.43s | 7,794 | 243 | 0 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 7,761 | 180 | 5,333 |
| 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 Plus | 3.0 | 10.0 | 0.0% | 0 | 868ms | 789 | 18 | 0 | |
| Grok 4.20 | 5.3 | 10.0 | 33.3% | 0 | 27.03s | 1,764 | 375 | 49,339 |
| 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 Plus | 5.3 | 10.0 | 0.0% | 0 | 1.33s | 522 | 78 | 0 | |
| Grok 4.20 | 3.9 | 2.6 | 33.3% | 1 | 24.48s | 825 | 65 | 6,440 |
| 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 Plus | 6.3 | 10.0 | 50.0% | 0 | 929ms | 711 | 72 | 0 | |
| Grok 4.20 | 9.8 | 10.0 | 100.0% | 0 | 4.26s | 1,362 | 57 | 6,419 |
| 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 Plus | 7.7 | 10.0 | 66.7% | 0 | 1.71s | 714 | 443 | 0 | |
| Grok 4.20 | 7.7 | 10.0 | 66.7% | 0 | 6.22s | 1,689 | 149 | 7,913 |
| 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 3.54s | 8,211 | 222 | 0 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 13.68s | 7,275 | 197 | 6,620 |
| 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 Plus | 3.0 | 10.0 | 0.0% | 0 | 1.21s | 210 | 9 | 0 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 63.48s | 531 | 9 | 16,442 |
快速对比
切换对比组合
Qwen3.7 PlusnonevsGrok 4.3mediumQwen3.7 PlusnonevsGLM 5.1mediumKAT-Coder-Pro V2.5highvsQwen3.7 PlusnoneKimi K2.6mediumvsQwen3.7 PlusnoneQwen3.7 PlusnonevsStep 3.7 FlashlowKAT-Coder-Pro V2.5highvsGrok 4.20mediumGemini 3.5 FlashnonevsGrok 4.20mediumStep 3.7 FlashlowvsGrok 4.20mediumGemini 3.1 Flash LitemediumvsQwen3.7 PlusnoneClaude Opus 4.8nonevsGrok 4.20mediumDeepSeek V3.2mediumvsQwen3.7 PlusnoneDeepSeek V4 Flash 0731mediumvsQwen3.7 Plusnone