AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs xAI: Grok 4.3

Ringkasan

Perbandingan benchmark Claude Opus 4.8 vs Grok 4.3: Skor rata-rata hampir imbang di 7.7 vs 7.7. Grok 4.3 memiliki biaya benchmark lebih rendah di $0.614 vs $1.270. Claude Opus 4.8 lebih cepat di 10.83s vs 47.51s, dengan tingkat keberhasilan 79.4% vs 71.4%.

Model yang direkomendasikan: Claude Opus 4.8 - It has the best score here (7.7), while responding about 4.4x faster than Grok 4.3.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-30

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	Grok 4.3 Grok 4.3 medium Rilis: 2026-05-01

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	Grok 4.3 Grok 4.3 medium Rilis: 2026-05-01
Skor	7.7	7.7
Peringkat	#38	#39
Keandalan	10.0	10.0
Konsistensi	8.8	8.5
Tes benar
Tingkat lulus per percobaan	79.4%	71.4%
Tes tidak stabil	3	4
Total Run	63	63
Biaya per hasil	8.466	4.724
Total Biaya	$1.270	$0.614
Harga input	$5.000 / 1M	$1.250 / 1M
Harga output	$25.000 / 1M	$2.500 / 1M
Total token input	60,946	44,472
Token output	31,771	1,981
Token penalaran	6,831	221,382
Waktu respons (rata-rata)	10.83s	47.51s
Waktu respons (maks)	127.97s	216.69s
Waktu respons (total)	227.39s	997.68s

Showcase generasi

Hamster playing table tennis

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

#38 Claude Opus 4.8

low

Biaya: $0.031
Waktu: 14.1s
Token: 1,345 tok

#39 xAI: Grok 4.3

medium

Biaya: $0.009
Waktu: 19.0s
Token: 3,661 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Grok 4.3	10.0	10.0	100.0%	0		8.83s	2,010	88	8,207

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Grok 4.3	5.9	7.7	44.4%	1		41.23s	8,340	1,028	31,226

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Grok 4.3	10.0	10.0	100.0%	0		63.99s	12,909	234	15,301

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Grok 4.3	10.0	10.0	100.0%	0		18.97s	7,761	180	9,546

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Grok 4.3	5.3	7.2	44.4%	1		181.74s	1,764	14	111,300

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Grok 4.3	5.4	2.5	66.7%	1		24.70s	825	70	5,020

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Grok 4.3	9.8	10.0	100.0%	0		18.58s	1,362	57	8,713

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Grok 4.3	5.9	7.2	55.6%	1		22.52s	1,689	128	14,468

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Grok 4.3	10.0	10.0	100.0%	0		17.66s	7,263	168	4,615

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Grok 4.3	3.0	10.0	0.0%	0		44.47s	549	14	12,986

Perbandingan Cepat

Ganti Pasangan Perbandingan