नेव्हिगेशन
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs xAI: Grok 4.5

सारांश

Claude Opus 4.6 (medium) vs Grok 4.5 (low) benchmark तुलना: Grok 4.5 (low) average score मध्ये पुढे आहे: 7.8 vs 7.7. Grok 4.5 (low) चा benchmark खर्च कमी आहे: $0.760 vs $2.053. Grok 4.5 (low) वेगवान आहे: 15.48s vs 25.89s, pass rates 61.9% vs 74.6%.

शिफारस केलेले मॉडेल: Grok 4.5 (low) - It has the best score here (7.8), while costing about 2.7x less than Claude Opus 4.6 (medium).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-08

मेट्रिक Claude Opus 4.6 Claude Opus 4.6 medium प्रकाशन: 2026-02-05 Grok 4.5 Grok 4.5 low प्रकाशन: 2026-07-08
स्कोअर 7.7 7.8
क्रमांक #42 #34
विश्वसनीयता 10.0 10.0
सुसंगतता 8.8 9.7
बरोबर चाचण्या
प्रति प्रयत्न पास दर 61.9% 74.6%
अस्थिर चाचण्या 3 1
एकूण रन 63 63
प्रति निकाल खर्च 17.103 5.061
एकूण खर्च $2.053 $0.760
इनपुट किंमत $5.000 / 1M $2.000 / 1M
आउटपुट किंमत $25.000 / 1M $6.000 / 1M
एकूण इनपुट टोकन्स 53,227 58,652
आउटपुट टोकन्स 47,446 1,735
रिझनिंग टोकन्स 24,000 105,233
प्रतिसाद वेळ (सरासरी) 25.89s 15.48s
प्रतिसाद वेळ (कमाल) 83.40s 205.28s
प्रतिसाद वेळ (एकूण) 362.49s 324.98s

जनरेशन शोकेस

Hamster playing table tennis

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

#42 Claude Opus 4.6

medium
अवैध SVG
खर्च
$0.000
वेळ
300.0s
टोकन्स
0 tok

#34 xAI: Grok 4.5

low
खर्च
$0.011
वेळ
12.4s
टोकन्स
2,018 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

अँटी-एआय युक्त्या स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
Grok 4.5 10.0 10.0 100.0% 0 2.75s 2,991 261 3,000
कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
Grok 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641
संयुक्त स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
Grok 4.5 3.0 10.0 0.0% 0 8.16s 15,084 261 2,370
डेटा पार्सिंग आणि निष्कर्षण स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
Grok 4.5 10.0 10.0 100.0% 0 3.44s 8,937 225 2,549
डोमेन-विशिष्ट स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
Grok 4.5 3.0 10.0 0.0% 0 72.64s 2,514 14 70,275
Samanya Buddhimatta स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
Grok 4.5 6.1 3.1 66.7% 1 4.88s 1,077 98 1,253
सूचनांचे पालन स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
Grok 4.5 9.8 10.0 100.0% 0 2.80s 1,857 57 1,878
कोडी सोडवणे स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
Grok 4.5 10.0 10.0 100.0% 0 3.20s 2,430 217 2,590
टूल कॉलिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
Grok 4.5 10.0 10.0 100.0% 0 5.83s 13,394 284 871
सामान्य ज्ञान स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
Grok 4.5 3.0 10.0 0.0% 0 13.98s 789 15 4,806

झटपट तुलना

तुलना जोडी बदला