नेविगेशन
AI BENCHY
Advertise here

Anthropic: Claude Opus 4.8 vs xAI: Grok 4.3

Claude Opus 4.8 average score में आगे है: 7.3 vs 7.1. Grok 4.3 (medium) की benchmark लागत कम है: $0.779 vs $1.166. Claude Opus 4.8 तेज है: 4.91s vs 47.45s, pass rates 63.6% vs 68.2%.

अनुशंसित मॉडलClaude Opus 4.8It has the best score here (7.3), while responding about 9.7x faster than Grok 4.3 (medium).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-17

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 none रिलीज़: 2026-05-28 Grok 4.3 Grok 4.3 medium रिलीज़: 2026-05-01
स्कोर 7.3 7.1
रैंक #63 #70
विश्वसनीयता 10.0 10.0
संगति 9.2 8.6
सही परीक्षण
प्रति प्रयास पास दर 63.6% 68.2%
अस्थिर टेस्ट 2 4
कुल रन 66 66
प्रति परिणाम लागत 8.969 5.990
कुल लागत $1.166 $0.779
इनपुट कीमत $5.000 / 1M $1.250 / 1M
आउटपुट कीमत $25.000 / 1M $2.500 / 1M
कुल इनपुट टोकन 149,206 140,031
आउटपुट टोकन 16,797 13,739
रीजनिंग टोकन 0 227,682
प्रतिक्रिया समय (औसत) 4.91s 47.45s
प्रतिक्रिया समय (अधिकतम) 35.03s 216.69s
प्रतिक्रिया समय (कुल) 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
लागत
$0.053
समय
22.0s
टोकन
2,253 tok

#70 xAI: Grok 4.3

medium
लागत
$0.009
समय
19.0s
टोकन
3,661 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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

त्वरित तुलना

तुलना जोड़ी बदलें