Claude Opus 5.5 (medium) vs Grok 4.5 (high)

Claude Opus 5.5 (medium) average score मध्ये पुढे आहे: 9.0 vs 9.0. Claude Opus 5.5 (medium) चा benchmark खर्च कमी आहे: $1.080 vs $2.252. Claude Opus 5.5 (medium) वेगवान आहे: 24.18s vs 72.30s, pass rates 89.4% vs 86.4%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-09-23

तुलना केलेली मॉडेल्स

क्रमांक: #30
एकूण आउटपुट टोकन्स: 27,194
प्रतिसाद वेळ (सरासरी): 24.18s
एकूण खर्च: $1.080

क्रमांक: #35
एकूण आउटपुट टोकन्स: 324,462
प्रतिसाद वेळ (सरासरी): 72.30s
एकूण खर्च: $2.252

शिफारस केलेले मॉडेल Claude Opus 5.5 (medium)

It has the best score here (9.0), while costing about 2.1x less than Grok 4.5 (high).

तपशीलवार तुलना

मेट्रिक	Claude Opus 5.5 Claude Opus 5.5 medium प्रकाशन: 2026-09-23	Grok 4.5 Grok 4.5 high प्रकाशन: 2026-07-08

मेट्रिक	Claude Opus 5.5 Claude Opus 5.5 medium प्रकाशन: 2026-09-23	Grok 4.5 Grok 4.5 high प्रकाशन: 2026-07-08
स्कोअर	9.0	9.0
क्रमांक	#30	#35
विश्वसनीयता	10.0	10.0
सुसंगतता	9.6	8.9
प्रयत्न	66/66	66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर	89.4%	86.4%
अस्थिर चाचण्या	1	3
एकूण रन	66	66
प्रति निकाल खर्च	5.683	12.565
एकूण खर्च	$1.080	$2.252
इनपुट किंमत	$4.000 / 1M	$2.000 / 1M
आउटपुट किंमत	$20.000 / 1M	$6.000 / 1M
एकूण इनपुट टोकन्स	133,954	152,175
आउटपुट टोकन्स	7,292	5,655
रिझनिंग टोकन्स	19,902	318,807
प्रतिसाद वेळ (सरासरी)	24.18s	72.30s
प्रतिसाद वेळ (कमाल)	90.20s	676.83s
प्रतिसाद वेळ (एकूण)	532.04s	1590.56s
पॅरामीटर्स	~5T एकूण (~500B सक्रिय)	~1.7T एकूण (~170B सक्रिय)
उपलब्धता	बंद स्रोत	बंद स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#30 Claude Opus 5.5

medium

खर्च: $0.053
वेळ: 25.6s
टोकन्स: 2,781 tok

#35 SpaceXAI: Grok 4.5

high

खर्च: $0.015
वेळ: 29.7s
टोकन्स: 2,737 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

श्रेणी:

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		12.42s	858	321	657
Grok 4.5	10.0	10.0	100.0%	0		5.67s	2,991	204	4,545

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	8.4	7.4	88.9%	1		13.50s	10,608	636	4,341
Grok 4.5	10.0	10.0	100.0%	0		155.16s	9,579	357	100,752

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		55.69s	96,679	4,639	4,527
Grok 4.5	10.0	10.0	100.0%	0		35.56s	113,448	4,299	13,004

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 5.5	10.0	10.0	100.0%	0		12.65s	10,515	312	277
Grok 4.5	10.0	10.0	100.0%	0		7.63s	8,937	225	3,888

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	7.7	10.0	66.7%	0		21.35s	990	61	8,360
Grok 4.5	4.1	4.4	44.5%	2		301.27s	2,523	6	173,117

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		6.17s	714	273	326
Grok 4.5	4.7	1.6	66.7%	1		9.82s	1,077	83	1,899

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		21.33s	921	96	336
Grok 4.5	9.8	10.0	100.0%	0		6.23s	1,857	57	3,154

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		30.12s	912	513	491
Grok 4.5	10.0	10.0	100.0%	0		7.88s	2,430	220	4,312

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		74.20s	11,757	441	587
Grok 4.5	10.0	10.0	100.0%	0		5.71s	8,544	192	901

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	3.0	10.0	0.0%	0		27.75s	0	0	0
Grok 4.5	3.0	10.0	0.0%	0		60.58s	789	12	13,235

झटपट तुलना

तुलना जोडी बदला

Qwen3.8 MaxmediumvsGrok 4.5high GPT-5.3-CodexmediumvsGrok 4.5high GPT-5.5mediumvsGrok 4.5high Gemini 3.5 FlashmediumvsGrok 4.5high ParetononevsGrok 4.5high Claude Opus 5.5mediumvsSeed 2.1 Turbolow Claude Opus 5.5mediumvsQwen3.8 Max (0902)high Qwen3.7 MaxmediumvsGrok 4.5high Claude Opus 5.5mediumvsMuse Spark 1.3high Claude Opus 5.5mediumvsQwen3.8 Max (0902)low Claude Opus 5.5mediumvsParetonone Claude Opus 5.5mediumvsSeed 2.1 Turbohigh