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 4.8 vs xAI: Grok 4.5

Resumen

Comparación benchmark de Claude Opus 4.8 (low) vs Grok 4.5 (medium): Grok 4.5 (medium) lidera en puntuación media con 8.3 vs 7.7. Claude Opus 4.8 (low) tiene menor coste de benchmark con $1.270 vs $1.696. Claude Opus 4.8 (low) es más rápido con 10.83s vs 62.63s, con tasas de acierto de 79.4% vs 77.8%.

Modelo recomendado: Claude Opus 4.8 (low) - Su puntuación se mantiene cerca de la mejor aquí (7.7 vs 8.3) y responde aproximadamente 5.8x más rápido que Grok 4.5 (medium).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-08

Métrica Claude Opus 4.8 Claude Opus 4.8 low Lanzamiento: 2026-05-28 Grok 4.5 Grok 4.5 medium Lanzamiento: 2026-07-08
Puntuación 7.7 8.3
Rango #40 #23
Fiabilidad 10.0 9.9
Consistencia 8.8 8.9
Pruebas correctas
Tasa de aciertos por intento 79.4% 77.8%
Pruebas inestables 3 3
Ejecuciones totales 63 63
Costo por resultado 8.466 11.304
Costo total $1.270 $1.696
Precio de entrada $5.000 / 1M $2.000 / 1M
Precio de salida $25.000 / 1M $6.000 / 1M
Total de tokens de entrada 60,946 53,500
Tokens de salida 31,771 1,621
Tokens de razonamiento 6,831 263,127
Tiempo de respuesta (promedio) 10.83s 62.63s
Tiempo de respuesta (máximo) 127.97s 436.38s
Tiempo de respuesta (total) 227.39s 1315.20s

Generación showcase

Hamster playing table tennis

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

#40 Claude Opus 4.8

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

#23 xAI: Grok 4.5

medium
Coste
$0.044
Tiempo
59.4s
Tokens
7,512 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 4.5 10.0 10.0 100.0% 0 23.50s 2,991 147 4,018
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 4.5 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634
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 4.5 10.0 10.0 100.0% 0 15.65s 15,084 261 4,254
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 4.5 10.0 10.0 100.0% 0 6.29s 8,937 225 3,657
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 4.5 2.9 7.2 11.1% 1 198.89s 2,212 11 121,922
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 4.5 6.5 3.4 66.7% 1 12.84s 1,077 71 2,384
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 4.5 9.8 10.0 100.0% 0 6.06s 1,857 57 2,728
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 4.5 10.0 10.0 100.0% 0 7.75s 2,430 254 3,641
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 4.5 10.0 10.0 100.0% 0 6.57s 8,544 192 968
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 4.5 3.0 10.0 0.0% 0 74.44s 789 13 14,921

Comparación rápida

Cambiar par de comparación

Claude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.8lowvsKimi K2.6mediumDisponible gratisClaude Opus 4.8lowvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumDeepSeek V4 FlashhighvsGrok 4.5mediumClaude Opus 4.8lowvsQwen3.6 PlusmediumClaude Opus 4.8lowvsMiniMax M3mediumClaude Opus 4.8lowvsDeepSeek V4 ProhighClaude Opus 4.8lowvsGrok Build 0.1mediumClaude Opus 4.8lowvsQwen3.5-27Bmedium