नेव्हिगेशन
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.7 vs xAI: Grok 4.5

सारांश

Claude Opus 4.7 (medium) average score मध्ये पुढे आहे: 8.7 vs 7.8. Claude Opus 4.7 (medium) चा benchmark खर्च कमी आहे: $0.679 vs $0.760. Claude Opus 4.7 (medium) वेगवान आहे: 4.73s vs 15.48s, pass rates 82.5% vs 74.6%.

शिफारस केलेले मॉडेलClaude Opus 4.7 (medium)It has the best score here (8.7), while responding about 3.3x faster than Grok 4.5 (low).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-14

मेट्रिक Claude Opus 4.7 Claude Opus 4.7 medium प्रकाशन: 2026-04-16 Grok 4.5 Grok 4.5 low प्रकाशन: 2026-07-08
स्कोअर 8.7 7.8
क्रमांक #16 #41
विश्वसनीयता 10.0 10.0
सुसंगतता 9.6 9.7
बरोबर चाचण्या
प्रति प्रयत्न पास दर 82.5% 74.6%
अस्थिर चाचण्या 1 1
एकूण रन 63 63
प्रति निकाल खर्च 3.991 5.061
एकूण खर्च $0.679 $0.760
इनपुट किंमत $5.000 / 1M $2.000 / 1M
आउटपुट किंमत $25.000 / 1M $6.000 / 1M
एकूण इनपुट टोकन्स 65,406 58,652
आउटपुट टोकन्स 11,858 1,735
रिझनिंग टोकन्स 2,198 105,233
प्रतिसाद वेळ (सरासरी) 4.73s 15.48s
प्रतिसाद वेळ (कमाल) 23.18s 205.28s
प्रतिसाद वेळ (एकूण) 94.51s 324.98s

जनरेशन शोकेस

Hamster playing table tennis

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

#16 Claude Opus 4.7

medium
खर्च
$0.059
वेळ
26.8s
टोकन्स
2,475 tok

#41 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

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.7 7.6 7.2 77.8% 1 12.96s 10,635 7,629 1,114
Grok 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641

झटपट तुलना

तुलना जोडी बदला