Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs xAI: Grok 4.3

Rezumat

Comparație benchmark Claude Opus 4.8 vs Grok 4.3: Scorul mediu este practic egal la 7.7 vs 7.7. Grok 4.3 are costul de benchmark mai mic, $0.614 vs $1.270. Claude Opus 4.8 este mai rapid cu 10.83s vs 47.51s, cu rate de reușită de 79.4% vs 71.4%.

Model recomandat: Claude Opus 4.8 - Are cel mai bun scor aici (7.7) și răspunde de aproximativ 4.4x mai rapid decât Grok 4.3.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-30

Metrică Claude Opus 4.8 Claude Opus 4.8 low Lansare: 2026-05-28 Grok 4.3 Grok 4.3 medium Lansare: 2026-05-01
Scor 7.7 7.7
Rang #38 #39
Fiabilitate 10.0 10.0
Consistență 8.8 8.5
Teste corecte
Rată de trecere pe încercare 79.4% 71.4%
Teste instabile 3 4
Rulări totale 63 63
Cost per rezultat 8.466 4.724
Cost total $1.270 $0.614
Preț de intrare $5.000 / 1M $1.250 / 1M
Preț de ieșire $25.000 / 1M $2.500 / 1M
Total tokenuri de intrare 60,946 44,472
Tokenuri de ieșire 31,771 1,981
Tokenuri de raționament 6,831 221,382
Timp de răspuns (mediu) 10.83s 47.51s
Timp de răspuns (maxim) 127.97s 216.69s
Timp de răspuns (total) 227.39s 997.68s

Prezentare generare

Hamster playing table tennis

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

#38 Claude Opus 4.8

low
Cost
$0.031
Timp
14.1s
Tokenuri
1,345 tok

#39 xAI: Grok 4.3

medium
Cost
$0.009
Timp
19.0s
Tokenuri
3,661 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 4.8 10.0 10.0 100.0% 0 3.30s 834 793 371
Grok 4.3 10.0 10.0 100.0% 0 8.83s 2,010 88 8,207
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 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
Grok 4.3 5.9 7.7 44.4% 1 41.23s 8,340 1,028 31,226
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 4.8 9.8 10.0 100.0% 0 20.84s 23,500 2,216 1,081
Grok 4.3 10.0 10.0 100.0% 0 63.99s 12,909 234 15,301
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 4.8 6.3 5.8 66.7% 1 2.27s 10,503 310 0
Grok 4.3 10.0 10.0 100.0% 0 18.97s 7,761 180 9,546
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 4.8 5.3 10.0 33.3% 0 45.53s 975 23,311 3,908
Grok 4.3 5.3 7.2 44.4% 1 181.74s 1,764 14 111,300
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 4.8 10.0 10.0 100.0% 0 2.55s 708 231 0
Grok 4.3 5.4 2.5 66.7% 1 24.70s 825 70 5,020
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 4.8 9.8 10.0 100.0% 0 2.78s 909 111 221
Grok 4.3 9.8 10.0 100.0% 0 18.58s 1,362 57 8,713
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 4.8 10.0 10.0 100.0% 0 3.01s 894 592 184
Grok 4.3 5.9 7.2 55.6% 1 22.52s 1,689 128 14,468
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 4.8 10.0 10.0 100.0% 0 6.85s 11,775 370 35
Grok 4.3 10.0 10.0 100.0% 0 17.66s 7,263 168 4,615
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 4.8 3.0 10.0 0.0% 0 5.48s 258 200 222
Grok 4.3 3.0 10.0 0.0% 0 44.47s 549 14 12,986

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.8lowvsKimi K2.6mediumDisponibil gratuitStep 3.7 FlashlowvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumClaude Opus 4.8lowvsQwen3.6 PlusmediumDeepSeek V4 ProhighvsGrok 4.3mediumClaude Opus 4.8lowvsMiniMax M3mediumClaude Opus 4.8lowvsDeepSeek V4 ProhighClaude Opus 4.8lowvsGrok Build 0.1mediumClaude Opus 4.8lowvsQwen3.5-27Bmedium