Anthropic: Claude Opus 4.8 vs xAI: Grok 4.5

Grok 4.5 (high) unggul dalam skor rata-rata dengan 8.9 vs 8.8. Grok 4.5 (high) memiliki biaya benchmark lebih rendah di $1.707 vs $1.931. Claude Opus 4.8 (medium) lebih cepat di 12.49s vs 76.50s, dengan tingkat keberhasilan 84.9% vs 83.3%.

Model yang direkomendasikanClaude Opus 4.8 (medium)Its score stays close to the best score here (8.8 vs 8.9), while responding about 6.1x faster than Grok 4.5 (high).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-17

Metrik	Claude Opus 4.8 Claude Opus 4.8 medium Rilis: 2026-05-28	Grok 4.5 Grok 4.5 high Rilis: 2026-07-08

Metrik	Claude Opus 4.8 Claude Opus 4.8 medium Rilis: 2026-05-28	Grok 4.5 Grok 4.5 high Rilis: 2026-07-08
Skor	8.8	8.9
Peringkat	#14	#12
Keandalan	10.0	10.0
Konsistensi	9.6	9.2
Tes benar
Tingkat lulus per percobaan	84.9%	83.3%
Tes tidak stabil	1	2
Total Run	66	66
Biaya per hasil	10.724	10.041
Total Biaya	$1.931	$1.707
Harga input	$5.000 / 1M	$2.000 / 1M
Harga output	$25.000 / 1M	$6.000 / 1M
Total token input	138,451	151,562
Token output	40,766	5,655
Token penalaran	9,075	247,540
Waktu respons (rata-rata)	12.49s	76.50s
Waktu respons (maks)	70.54s	676.83s
Waktu respons (total)	274.72s	1683.07s

Hamster playing table tennis

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

#14 Claude Opus 4.8

medium

Biaya: $0.057
Waktu: 23.1s
Token: 2,412 tok

#12 xAI: Grok 4.5

high

Biaya: $0.015
Waktu: 29.7s
Token: 2,737 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

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		3.95s	834	1,179	478
Grok 4.5	10.0	10.0	100.0%	0		5.67s	2,991	204	4,545

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	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		155.16s	9,579	357	100,752

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	9.9	10.0	100.0%	0		54.29s	101,005	19,531	4,762
Grok 4.5	10.0	10.0	100.0%	0		35.56s	113,448	4,299	13,004

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	7.1	5.6	83.3%	1		12.29s	10,503	481	312
Grok 4.5	10.0	10.0	100.0%	0		7.63s	8,937	225	3,888

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		14.59s	975	7,477	900
Grok 4.5	3.6	7.2	22.2%	1		332.11s	1,910	6	101,850

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		2.46s	708	237	0
Grok 4.5	4.7	1.6	66.7%	1		9.82s	1,077	83	1,899

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	10.0	10.0	100.0%	0		3.32s	909	373	320
Grok 4.5	9.8	10.0	100.0%	0		6.23s	1,857	57	3,154

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		3.95s	894	791	483
Grok 4.5	10.0	10.0	100.0%	0		7.88s	2,430	220	4,312

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		8.96s	11,775	301	225
Grok 4.5	10.0	10.0	100.0%	0		5.71s	8,544	192	901

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		6.14s	258	451	214
Grok 4.5	3.0	10.0	0.0%	0		60.58s	789	12	13,235

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.3-CodexmediumvsGrok 4.5high Gemini 3.5 FlashlowvsGrok 4.5high GPT-5.5mediumvsGrok 4.5high Claude Opus 4.8mediumvsGemini 3.5 Flashlow Gemini 3.5 FlashmediumvsGrok 4.5high Qwen3.7 MaxmediumvsGrok 4.5high Claude Opus 4.7mediumvsGrok 4.5high Muse Spark 1.1mediumvsGrok 4.5high Claude Fable 5mediumvsGrok 4.5high Gemini 3.1 Pro PreviewmediumvsGrok 4.5high GPT-5.5lowvsGrok 4.5high GPT-5.4mediumvsGrok 4.5high