Qwen3.7 Plus vs Grok 4.5 (low)

已对比模型

排名: #108
总输出令牌: 76,261
响应时间（平均）: 17.80s
总成本: $0.184

排名: #109
总输出令牌: 121,415
响应时间（平均）: 18.14s
总成本: $1.345

推荐模型 Qwen3.7 Plus

它在这里得分最高（7.8），同时成本比Grok 4.5 (low)低约 7.3 倍。

详细对比

指标	Qwen3.7 Plus Qwen3.7 Plus none 发布日期: 2026-06-03	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08

指标	Qwen3.7 Plus Qwen3.7 Plus none 发布日期: 2026-06-03	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数	7.8	7.8
排名	#108	#109
可靠性	10.0	10.0
一致性	10.0	9.3
尝试次数	69/69	69/69
测试正确
尝试通过率	56.5%	73.9%
不稳定测试	0	2
总运行次数	69	69
每个结果成本	1.410	8.404
总成本	$0.184	$1.345
输入价格	$0.320 / 1M	$2.000 / 1M
输出价格	$1.280 / 1M	$6.000 / 1M
总输入令牌	250,495	308,068
输出令牌	76,261	9,218
推理令牌	0	112,197
响应时间（平均）	17.80s	18.14s
响应时间（最大）	206.03s	205.28s
响应时间（总计）	409.51s	417.21s
参数量	~397B 总计 (~17B 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.

#108 Qwen3.7 Plus

none

成本: $0.019
时间: 213.5s
令牌: 11,960 tok

#109 SpaceXAI: Grok 4.5

low

成本: $0.011
时间: 12.4s
令牌: 2,018 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:

智能体任务	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		143.11s	151,662	18,164	0
Grok 4.5	5.0	10.0	0.0%	0		61.53s	182,463	1,713	4,213

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 4.5	10.0	10.0	100.0%	0		2.75s	2,991	261	3,000

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 4.5	10.0	10.0	100.0%	0		13.72s	9,579	303	15,641

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 4.5	6.5	10.0	50.0%	0		12.75s	82,028	6,031	3,583

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 4.5	10.0	10.0	100.0%	0		3.44s	8,937	225	2,549

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	5.3	10.0	33.3%	0		1.04s	798	18	0
Grok 4.5	2.9	7.2	11.1%	1		77.09s	2,523	14	71,813

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 4.5	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

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 4.5	9.8	10.0	100.0%	0		2.80s	1,857	57	1,878

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 4.5	10.0	10.0	100.0%	0		3.20s	2,430	217	2,590

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 4.5	10.0	10.0	100.0%	0		5.83s	13,394	284	871

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 4.5	3.0	10.0	0.0%	0		13.98s	789	15	4,806

快速对比

切换对比组合

DeepSeek V4 Flash 0731mediumvsGrok 4.5low DeepSeek V4 Flash 0731mediumvsQwen3.7 Plusnone Qwen3.7 PlusnonevsGrok 4.6medium Qwen3.7 PlusnonevsStep 3.7 Flashmedium Step 3.7 FlashmediumvsGrok 4.5low Qwen3.7 PlusnonevsGLM 5.3high Qwen3.7 PlusnonevsGrok 4.5medium Grok 4.5lowvsGLM 5.3high GPT-6 LunahighvsGrok 4.5low Muse Glimmer 30BhighvsGrok 4.5low GPT-6 LunahighvsQwen3.7 Plusnone Muse Glimmer 30BhighvsQwen3.7 Plusnone