AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs xAI: Grok 4.5

概要

Claude Opus 4.8 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 7.2 です。 Claude Opus 4.8 の benchmark コストが低く、$0.539 vs $1.696 です。 Claude Opus 4.8 の方が高速で、3.48s vs 62.63s です、成功率は 61.9% vs 77.8% です。

おすすめモデル: Claude Opus 4.8 - 総合的に最も良い選択です。競争力のあるスコア（7.2）、Grok 4.5 (medium) より低いコスト、バランスの取れた応答時間があります。

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 none 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 none リリース: 2026-05-28	Grok 4.5 Grok 4.5 medium リリース: 2026-07-08
スコア	7.2	8.3
順位	#61	#23
信頼性	10.0	9.9
一貫性	9.2	8.9
正解テスト
試行ごとの合格率	61.9%	77.8%
不安定なテスト	2	3
総実行回数	63	63
結果あたりのコスト	4.485	11.304
合計コスト	$0.539	$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	67,104	53,500
出力トークン	8,107	1,621
推論トークン	0	263,127
応答時間（平均）	3.48s	62.63s
応答時間（最大）	17.73s	436.38s
応答時間（合計）	73.00s	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.

#61 Claude Opus 4.8

none

コスト: $0.053
時間: 22.0s
トークン: 2,253 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	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

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	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

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	9.5	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

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	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

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	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

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		3.48s	708	230	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	9.9	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

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	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

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		5.35s	11,775	355	0
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		3.41s	258	212	0
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