Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs xAI: Grok 4.3

Resumen

Comparación benchmark de Claude Opus 4.8 vs Grok 4.3: La puntuación media está prácticamente empatada en 7.7 vs 7.7. Grok 4.3 tiene menor coste de benchmark con $0.614 vs $1.270. Claude Opus 4.8 es más rápido con 10.83s vs 47.51s, con tasas de acierto de 79.4% vs 71.4%.

Modelo recomendado: Claude Opus 4.8 - Tiene la mejor puntuación aquí (7.7) y responde aproximadamente 4.4x más rápido que Grok 4.3.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-30

Métrica Claude Opus 4.8 Claude Opus 4.8 low Lanzamiento: 2026-05-28 Grok 4.3 Grok 4.3 medium Lanzamiento: 2026-05-01
Puntuación 7.7 7.7
Rango #38 #39
Fiabilidad 10.0 10.0
Consistencia 8.8 8.5
Pruebas correctas
Tasa de aciertos por intento 79.4% 71.4%
Pruebas inestables 3 4
Ejecuciones totales 63 63
Costo por resultado 8.466 4.724
Costo total $1.270 $0.614
Precio de entrada $5.000 / 1M $1.250 / 1M
Precio de salida $25.000 / 1M $2.500 / 1M
Total de tokens de entrada 60,946 44,472
Tokens de salida 31,771 1,981
Tokens de razonamiento 6,831 221,382
Tiempo de respuesta (promedio) 10.83s 47.51s
Tiempo de respuesta (máximo) 127.97s 216.69s
Tiempo de respuesta (total) 227.39s 997.68s

Generación showcase

Hamster playing table tennis

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

#38 Claude Opus 4.8

low
Coste
$0.031
Tiempo
14.1s
Tokens
1,345 tok

#39 xAI: Grok 4.3

medium
Coste
$0.009
Tiempo
19.0s
Tokens
3,661 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 4.8 10.0 10.0 100.0% 0 3.30s 834 793 371
Grok 4.3 10.0 10.0 100.0% 0 8.83s 2,010 88 8,207
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 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
Grok 4.3 5.9 7.7 44.4% 1 41.23s 8,340 1,028 31,226
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 4.8 9.8 10.0 100.0% 0 20.84s 23,500 2,216 1,081
Grok 4.3 10.0 10.0 100.0% 0 63.99s 12,909 234 15,301
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 4.8 6.3 5.8 66.7% 1 2.27s 10,503 310 0
Grok 4.3 10.0 10.0 100.0% 0 18.97s 7,761 180 9,546
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 4.8 5.3 10.0 33.3% 0 45.53s 975 23,311 3,908
Grok 4.3 5.3 7.2 44.4% 1 181.74s 1,764 14 111,300
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 4.8 10.0 10.0 100.0% 0 2.55s 708 231 0
Grok 4.3 5.4 2.5 66.7% 1 24.70s 825 70 5,020
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 4.8 9.8 10.0 100.0% 0 2.78s 909 111 221
Grok 4.3 9.8 10.0 100.0% 0 18.58s 1,362 57 8,713
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 4.8 10.0 10.0 100.0% 0 3.01s 894 592 184
Grok 4.3 5.9 7.2 55.6% 1 22.52s 1,689 128 14,468
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 4.8 10.0 10.0 100.0% 0 6.85s 11,775 370 35
Grok 4.3 10.0 10.0 100.0% 0 17.66s 7,263 168 4,615
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 4.8 3.0 10.0 0.0% 0 5.48s 258 200 222
Grok 4.3 3.0 10.0 0.0% 0 44.47s 549 14 12,986

Comparación rápida

Cambiar par de comparación

Claude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.8lowvsKimi K2.6mediumDisponible gratisStep 3.7 FlashlowvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumClaude Opus 4.8lowvsQwen3.6 PlusmediumDeepSeek V4 ProhighvsGrok 4.3mediumClaude Opus 4.8lowvsMiniMax M3mediumClaude Opus 4.8lowvsDeepSeek V4 ProhighClaude Opus 4.8lowvsGrok Build 0.1mediumClaude Opus 4.8lowvsQwen3.5-27Bmedium