Anthropic: Claude Opus 4.8 vs xAI: Grok 4.3

Claude Opus 4.8 lidera en puntuación media con 7.3 vs 7.1. Grok 4.3 (medium) tiene menor coste de benchmark con $0.779 vs $1.166. Claude Opus 4.8 es más rápido con 4.91s vs 47.45s, con tasas de acierto de 63.6% vs 68.2%.

Modelo recomendadoClaude Opus 4.8Tiene la mejor puntuación aquí (7.3) y responde aproximadamente 9.7x más rápido que Grok 4.3 (medium).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-17

Métrica	Claude Opus 4.8 Claude Opus 4.8 none Lanzamiento: 2026-05-28	Grok 4.3 Grok 4.3 medium Lanzamiento: 2026-05-01

Métrica	Claude Opus 4.8 Claude Opus 4.8 none Lanzamiento: 2026-05-28	Grok 4.3 Grok 4.3 medium Lanzamiento: 2026-05-01
Puntuación	7.3	7.1
Rango	#63	#70
Fiabilidad	10.0	10.0
Consistencia	9.2	8.6
Pruebas correctas
Tasa de aciertos por intento	63.6%	68.2%
Pruebas inestables	2	4
Ejecuciones totales	66	66
Costo por resultado	8.969	5.990
Costo total	$1.166	$0.779
Precio de entrada	$5.000 / 1M	$1.250 / 1M
Precio de salida	$25.000 / 1M	$2.500 / 1M
Total de tokens de entrada	149,206	140,031
Tokens de salida	16,797	13,739
Tokens de razonamiento	0	227,682
Tiempo de respuesta (promedio)	4.91s	47.45s
Tiempo de respuesta (máximo)	35.03s	216.69s
Tiempo de respuesta (total)	108.03s	1043.83s

Hamster playing table tennis

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

#63 Claude Opus 4.8

none

Coste: $0.053
Tiempo: 22.0s
Tokens: 2,253 tok

#70 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

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	6.5	10.0	50.0%	0		3.40s	834	1,472	0
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	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
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		26.38s	111,760	11,949	0
Grok 4.3	6.5	10.0	50.0%	0		55.07s	108,468	11,992	21,601

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	7.3	5.8	83.3%	1		1.77s	10,503	308	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	7.2	44.4%	1		1.70s	975	61	0
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		3.48s	708	230	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	9.9	10.0	100.0%	0		1.37s	909	95	0
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	7.7	10.0	66.7%	0		2.74s	894	783	0
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		5.35s	11,775	355	0
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		3.41s	258	212	0
Grok 4.3	3.0	10.0	0.0%	0		44.47s	549	14	12,986

Comparación rápida

Cambiar par de comparación

Claude Opus 4.8nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsGrok 4.3medium Claude Opus 4.8nonevsKimi K2.6medium Claude Opus 4.8nonevsGemini 3.1 Flash Litemedium Claude Opus 4.8nonevsKAT-Coder-Pro V2.5high Claude Opus 4.8nonevsGemini 3.1 Flash Lite Previewmedium Claude Opus 4.8nonevsQwen3.5 Plus 2026-04-20medium KAT-Coder-Pro V2.5highvsGrok 4.3medium Claude Opus 4.8nonevsKAT-Coder-Pro V2.5low Claude Opus 4.8nonevsGemini 3 Flash Previewlow Step 3.7 FlashlowvsGrok 4.3medium Claude Opus 4.8nonevsQwen3.5-122B-A10Bmedium