Navegación
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs xAI: Grok Build 0.1

Resumen

Comparación benchmark de Claude Opus 4.6 vs Grok Build 0.1: Claude Opus 4.6 lidera en puntuación media con 7.7 vs 7.6. Grok Build 0.1 tiene menor coste de benchmark con $0.927 vs $2.053. Claude Opus 4.6 es más rápido con 25.89s vs 49.90s, con tasas de acierto de 61.9% vs 61.9%.

Modelo recomendado: Grok Build 0.1 - Su puntuación se mantiene cerca de la mejor aquí (7.6 vs 7.7) y cuesta aproximadamente 2.2x menos que Claude Opus 4.6.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-02

Métrica Claude Opus 4.6 Claude Opus 4.6 medium Lanzamiento: 2026-02-05 Grok Build 0.1 Grok Build 0.1 medium Lanzamiento: 2026-05-21
Puntuación 7.7 7.6
Rango #40 #44
Fiabilidad 10.0 10.0
Consistencia 8.8 9.9
Pruebas correctas
Tasa de aciertos por intento 61.9% 61.9%
Pruebas inestables 3 0
Ejecuciones totales 63 63
Costo por resultado 17.103 7.124
Costo total $2.053 $0.927
Precio de entrada $5.000 / 1M $1.000 / 1M
Precio de salida $25.000 / 1M $2.000 / 1M
Total de tokens de entrada 53,227 44,418
Tokens de salida 47,446 2,782
Tokens de razonamiento 24,000 438,018
Tiempo de respuesta (promedio) 25.89s 49.90s
Tiempo de respuesta (máximo) 83.40s 252.69s
Tiempo de respuesta (total) 362.49s 1047.92s

Generación showcase

Hamster playing table tennis

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

#40 Claude Opus 4.6

medium
SVG inválido
Coste
$0.000
Tiempo
300.0s
Tokens
0 tok

#44 xAI: Grok Build 0.1

medium
Coste
$0.028
Tiempo
81.3s
Tokens
14,009 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
Grok Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
Grok Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
Grok Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
Grok Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
Grok Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
Grok Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
Grok Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
Grok Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
Grok Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
Grok Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

Comparación rápida

Cambiar par de comparación

Claude Opus 4.6mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsGrok Build 0.1mediumGPT-5.3 ChatnonevsGrok Build 0.1mediumClaude Opus 4.6mediumvsDeepSeek V4 ProhighStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Opus 4.8lowvsGrok Build 0.1mediumClaude Opus 4.6mediumvsGPT-5.3 ChatnoneGemini 3 Flash PreviewlowvsGrok Build 0.1mediumClaude Sonnet 4.6nonevsGrok Build 0.1mediumClaude Opus 4.6mediumvsGemini 3 Flash PreviewlowClaude Opus 4.8nonevsGrok Build 0.1mediumDeepSeek V4 PrononevsGrok Build 0.1medium