Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs xAI: Grok 4.5

Rezumat

Comparație benchmark Claude Opus 4.6 (medium) vs Grok 4.5 (low): Grok 4.5 (low) conduce la scorul mediu cu 7.8 vs 7.7. Grok 4.5 (low) are costul de benchmark mai mic, $0.760 vs $2.053. Grok 4.5 (low) este mai rapid cu 15.48s vs 25.89s, cu rate de reușită de 61.9% vs 74.6%.

Model recomandat: Grok 4.5 (low) - Are cel mai bun scor aici (7.8) și costă de aproximativ 2.7x mai puțin decât Claude Opus 4.6 (medium).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-08

Metrică Claude Opus 4.6 Claude Opus 4.6 medium Lansare: 2026-02-05 Grok 4.5 Grok 4.5 low Lansare: 2026-07-08
Scor 7.7 7.8
Rang #42 #34
Fiabilitate 10.0 10.0
Consistență 8.8 9.7
Teste corecte
Rată de trecere pe încercare 61.9% 74.6%
Teste instabile 3 1
Rulări totale 63 63
Cost per rezultat 17.103 5.061
Cost total $2.053 $0.760
Preț de intrare $5.000 / 1M $2.000 / 1M
Preț de ieșire $25.000 / 1M $6.000 / 1M
Total tokenuri de intrare 53,227 58,652
Tokenuri de ieșire 47,446 1,735
Tokenuri de raționament 24,000 105,233
Timp de răspuns (mediu) 25.89s 15.48s
Timp de răspuns (maxim) 83.40s 205.28s
Timp de răspuns (total) 362.49s 324.98s

Prezentare generare

Hamster playing table tennis

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

#42 Claude Opus 4.6

medium
SVG invalid
Cost
$0.000
Timp
300.0s
Tokenuri
0 tok

#34 xAI: Grok 4.5

low
Cost
$0.011
Timp
12.4s
Tokenuri
2,018 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
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

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.6mediumvsStep 3.7 FlashlowClaude Sonnet 4.6mediumvsGrok 4.5lowQwen3.6 PlusmediumvsGrok 4.5lowGemini 3.1 Flash Lite PreviewmediumvsGrok 4.5lowQwen3.5 Plus 2026-04-20mediumvsGrok 4.5lowClaude Sonnet 5mediumvsGrok 4.5lowGemini 3.1 Flash LitemediumvsGrok 4.5lowKimi K2.6mediumDisponibil gratuitvsGrok 4.5lowQwen3.5-27BmediumvsGrok 4.5lowQwen3.5-122B-A10BmediumvsGrok 4.5lowClaude Opus 4.6mediumvsDeepSeek V4 ProhighQwen3.5 Plus 2026-02-15mediumvsGrok 4.5low