AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs xAI: Grok Build 0.1

Rezumat

Comparație benchmark Claude Opus 4.8 vs Grok Build 0.1: Claude Opus 4.8 conduce la scorul mediu cu 7.7 vs 7.6. Grok Build 0.1 are costul de benchmark mai mic, $0.927 vs $1.270. Claude Opus 4.8 este mai rapid cu 10.83s vs 49.90s, cu rate de reușită de 79.4% vs 61.9%.

Model recomandat: Claude Opus 4.8 - Are cel mai bun scor aici (7.7) și răspunde de aproximativ 4.6x mai rapid decât Grok Build 0.1.

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 Build 0.1 Grok Build 0.1 medium Lansare: 2026-05-21

Metrică	Claude Opus 4.8 Claude Opus 4.8 low Lansare: 2026-05-28	Grok Build 0.1 Grok Build 0.1 medium Lansare: 2026-05-21
Scor	7.7	7.6
Rang	#38	#44
Fiabilitate	10.0	10.0
Consistență	8.8	9.9
Teste corecte
Rată de trecere pe încercare	79.4%	61.9%
Teste instabile	3	0
Rulări totale	63	63
Cost per rezultat	8.466	7.124
Cost total	$1.270	$0.927
Preț de intrare	$5.000 / 1M	$1.000 / 1M
Preț de ieșire	$25.000 / 1M	$2.000 / 1M
Total tokenuri de intrare	60,946	44,418
Tokenuri de ieșire	31,771	2,782
Tokenuri de raționament	6,831	438,018
Timp de răspuns (mediu)	10.83s	49.90s
Timp de răspuns (maxim)	127.97s	252.69s
Timp de răspuns (total)	227.39s	1047.92s

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

#44 xAI: Grok Build 0.1

medium

Cost: $0.028
Timp: 81.3s
Tokenuri: 14,009 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 Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

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 Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

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 Build 0.1	10.0	10.0	100.0%	0		32.81s	12,909	231	16,917

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 Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

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 Build 0.1	5.3	10.0	33.3%	0		158.00s	1,764	492	175,294

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 Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

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 Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

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 Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

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 Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

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 Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

Comparație rapidă

Schimbă perechea de comparație