AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs xAI: Grok 4.5

Resumen

Comparación benchmark de Claude Opus 4.8 vs Grok 4.5 (medium): Grok 4.5 (medium) lidera en puntuación media con 8.3 vs 7.2. Claude Opus 4.8 tiene menor coste de benchmark con $0.539 vs $1.696. Claude Opus 4.8 es más rápido con 3.48s vs 62.63s, con tasas de acierto de 61.9% vs 77.8%.

Modelo recomendado: Claude Opus 4.8 - Ofrece el mejor equilibrio general: puntuación competitiva (7.2), menor coste que Grok 4.5 (medium) y tiempo de respuesta equilibrado.

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 none Lanzamiento: 2026-05-28	Grok 4.5 Grok 4.5 medium Lanzamiento: 2026-07-08

Métrica	Claude Opus 4.8 Claude Opus 4.8 none Lanzamiento: 2026-05-28	Grok 4.5 Grok 4.5 medium Lanzamiento: 2026-07-08
Puntuación	7.2	8.3
Rango	#61	#23
Fiabilidad	10.0	9.9
Consistencia	9.2	8.9
Pruebas correctas
Tasa de aciertos por intento	61.9%	77.8%
Pruebas inestables	2	3
Ejecuciones totales	63	63
Costo por resultado	4.485	11.304
Costo total	$0.539	$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	67,104	53,500
Tokens de salida	8,107	1,621
Tokens de razonamiento	0	263,127
Tiempo de respuesta (promedio)	3.48s	62.63s
Tiempo de respuesta (máximo)	17.73s	436.38s
Tiempo de respuesta (total)	73.00s	1315.20s

Generación showcase

Hamster playing table tennis

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

#61 Claude Opus 4.8

none

Coste: $0.053
Tiempo: 22.0s
Tokens: 2,253 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	6.5	10.0	50.0%	0		3.40s	834	1,472	0
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	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
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	9.5	10.0	100.0%	0		17.73s	29,658	3,259	0
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	7.3	5.8	83.3%	1		1.77s	10,503	308	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	7.2	44.4%	1		1.70s	975	61	0
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		3.48s	708	230	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	9.9	10.0	100.0%	0		1.37s	909	95	0
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	7.7	10.0	66.7%	0		2.74s	894	783	0
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		5.35s	11,775	355	0
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		3.41s	258	212	0
Grok 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921

Comparación rápida

Cambiar par de comparación