AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs xAI: Grok 4.5

概要

Claude Opus 4.8 (low) vs Grok 4.5 (medium) の benchmark 比較: Grok 4.5 (medium) が平均スコアでリードし、8.3 vs 7.7 です。 Claude Opus 4.8 (low) の benchmark コストが低く、$1.270 vs $1.696 です。 Claude Opus 4.8 (low) の方が高速で、10.83s vs 62.63s です、成功率は 79.4% vs 77.8% です。

おすすめモデル: Claude Opus 4.8 (low) - スコアはここでの最高値に近く（7.7 vs 8.3）、Grok 4.5 (medium) より約 5.8 倍速く応答します。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-08

指標	Claude Opus 4.8 Claude Opus 4.8 low リリース: 2026-05-28	Grok 4.5 Grok 4.5 medium リリース: 2026-07-08

指標	Claude Opus 4.8 Claude Opus 4.8 low リリース: 2026-05-28	Grok 4.5 Grok 4.5 medium リリース: 2026-07-08
スコア	7.7	8.3
順位	#40	#23
信頼性	10.0	9.9
一貫性	8.8	8.9
正解テスト
試行ごとの合格率	79.4%	77.8%
不安定なテスト	3	3
総実行回数	63	63
結果あたりのコスト	8.466	11.304
合計コスト	$1.270	$1.696
入力価格	$5.000 / 1M	$2.000 / 1M
出力価格	$25.000 / 1M	$6.000 / 1M
合計入力トークン	60,946	53,500
出力トークン	31,771	1,621
推論トークン	6,831	263,127
応答時間（平均）	10.83s	62.63s
応答時間（最大）	127.97s	436.38s
応答時間（合計）	227.39s	1315.20s

生成ショーケース

Hamster playing table tennis

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

#40 Claude Opus 4.8

low

コスト: $0.031
時間: 14.1s
トークン: 1,345 tok

#23 xAI: Grok 4.5

medium

コスト: $0.044
時間: 59.4s
トークン: 7,512 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

反AIトリック	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Grok 4.5	10.0	10.0	100.0%	0		23.50s	2,991	147	4,018

コーディング	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Grok 4.5	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634

複合	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Grok 4.5	10.0	10.0	100.0%	0		15.65s	15,084	261	4,254

データ解析と抽出	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Grok 4.5	10.0	10.0	100.0%	0		6.29s	8,937	225	3,657

ドメイン特化	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Grok 4.5	2.9	7.2	11.1%	1		198.89s	2,212	11	121,922

汎用知能	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Grok 4.5	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384

指示追従	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Grok 4.5	9.8	10.0	100.0%	0		6.06s	1,857	57	2,728

パズル解決	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Grok 4.5	10.0	10.0	100.0%	0		7.75s	2,430	254	3,641

ツール呼び出し	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Grok 4.5	10.0	10.0	100.0%	0		6.57s	8,544	192	968

雑学	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Grok 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921

クイック比較

比較ペアを切り替え