Anthropic: Claude Opus 4.8 vs xAI: Grok 4.5

Claude Opus 4.8 (medium) lidera en puntuación media con 8.8 vs 8.4. Grok 4.5 (low) tiene menor coste de benchmark con $0.935 vs $1.931. Claude Opus 4.8 (medium) es más rápido con 12.49s vs 15.56s, con tasas de acierto de 84.9% vs 75.8%.

Modelo recomendadoClaude Opus 4.8 (medium)Tiene la puntuación más alta en esta comparación (8.8) y el mejor equilibrio general entre coste y tiempo de respuesta en los 2 modelos.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-21

Métrica	Claude Opus 4.8 Claude Opus 4.8 medium Lanzamiento: 2026-05-28	Grok 4.5 Grok 4.5 low Lanzamiento: 2026-07-08

Métrica	Claude Opus 4.8 Claude Opus 4.8 medium Lanzamiento: 2026-05-28	Grok 4.5 Grok 4.5 low Lanzamiento: 2026-07-08
Puntuación	8.8	8.4
Rango	#17	#23
Fiabilidad	10.0	10.0
Consistencia	9.6	9.7
Pruebas correctas
Tasa de aciertos por intento	84.9%	75.8%
Pruebas inestables	1	1
Ejecuciones totales	66	66
Costo por resultado	10.724	5.844
Costo total	$1.931	$0.935
Precio de entrada	$5.000 / 1M	$2.000 / 1M
Precio de salida	$25.000 / 1M	$6.000 / 1M
Total de tokens de entrada	138,451	125,596
Tokens de salida	40,766	7,505
Tokens de razonamiento	9,075	106,446
Tiempo de respuesta (promedio)	12.49s	15.56s
Tiempo de respuesta (máximo)	70.54s	205.28s
Tiempo de respuesta (total)	274.72s	342.32s

Hamster playing table tennis

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

#17 Claude Opus 4.8

medium

Coste: $0.057
Tiempo: 23.1s
Tokens: 2,412 tok

#23 xAI: Grok 4.5

low

Coste: $0.011
Tiempo: 12.4s
Tokens: 2,018 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

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		3.95s	834	1,179	478
Grok 4.5	10.0	10.0	100.0%	0		2.75s	2,991	261	3,000

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	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
Grok 4.5	10.0	10.0	100.0%	0		13.72s	9,579	303	15,641

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	9.9	10.0	100.0%	0		54.29s	101,005	19,531	4,762
Grok 4.5	6.5	10.0	50.0%	0		12.75s	82,028	6,031	3,583

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	7.1	5.6	83.3%	1		12.29s	10,503	481	312
Grok 4.5	10.0	10.0	100.0%	0		3.44s	8,937	225	2,549

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		14.59s	975	7,477	900
Grok 4.5	3.0	10.0	0.0%	0		72.64s	2,514	14	70,275

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		2.46s	708	237	0
Grok 4.5	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

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	10.0	10.0	100.0%	0		3.32s	909	373	320
Grok 4.5	9.8	10.0	100.0%	0		2.80s	1,857	57	1,878

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		3.95s	894	791	483
Grok 4.5	10.0	10.0	100.0%	0		3.20s	2,430	217	2,590

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		8.96s	11,775	301	225
Grok 4.5	10.0	10.0	100.0%	0		5.83s	13,394	284	871

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		6.14s	258	451	214
Grok 4.5	3.0	10.0	0.0%	0		13.98s	789	15	4,806

Comparación rápida

Cambiar par de comparación

GPT-5.2mediumvsGrok 4.5low Qwen3.6 Max PreviewmediumvsGrok 4.5low Claude Sonnet 5mediumvsGrok 4.5low Claude Opus 4.8mediumvsGrok 4.5high Claude Opus 4.8mediumvsGemini 3.5 Flashlow GPT-5.4mediumvsGrok 4.5low Gemini 2.5 FlashmediumvsGrok 4.5low Claude Fable 5mediumvsGrok 4.5low Muse Spark 1.1mediumvsGrok 4.5low Claude Opus 4.7mediumvsGrok 4.5low GPT-5 MinimediumvsGrok 4.5low Muse Spark 1.1highvsGrok 4.5low