Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs xAI: Grok 4.3

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-29

Metrică Claude Opus 4.8 Claude Opus 4.8 none Lansare: 2026-05-28 Grok 4.3 Grok 4.3 medium Lansare: 2026-05-01
Scor 7.3 7.8
Rang #65 #36
Fiabilitate 10.0 10.0
Consistență 9.2 8.4
Teste corecte
Rată de trecere pe încercare 65.0% 75.0%
Teste instabile 2 4
Rulări totale 60 60
Cost per rezultat 4.324 4.557
Cost total $0.519 $0.593
Preț de intrare $5.000 / 1M $1.250 / 1M
Preț de ieșire $25.000 / 1M $2.500 / 1M
Tokenuri de ieșire 8,098 1,485
Tokenuri de raționament 0 214,710
Timp de răspuns (mediu) 3.51s 49.23s
Timp de răspuns (maxim) 17.73s 216.69s
Timp de răspuns (total) 70.19s 984.52s

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 ieșire Tokenuri de raționament
Claude Opus 4.8 6.5 10.0 50.0% 0 3.40s 1,472 0
Grok 4.3 10.0 10.0 100.0% 0 8.83s 88 8,207
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 6.8 10.0 50.0% 0 3.59s 1,323 0
Grok 4.3 7.4 6.5 66.7% 1 55.26s 532 24,554
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 9.5 10.0 100.0% 0 17.73s 3,259 0
Grok 4.3 10.0 10.0 100.0% 0 63.99s 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 ieșire Tokenuri de raționament
Claude Opus 4.8 7.3 5.8 83.3% 1 1.77s 308 0
Grok 4.3 10.0 10.0 100.0% 0 18.97s 180 9,546
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 5.3 7.2 44.4% 1 1.66s 61 0
Grok 4.3 5.3 7.2 44.4% 1 181.74s 14 111,300
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 3.48s 230 0
Grok 4.3 5.4 2.5 66.7% 1 24.70s 70 5,020
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 9.9 10.0 100.0% 0 1.37s 95 0
Grok 4.3 9.8 10.0 100.0% 0 18.58s 57 8,713
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 7.7 10.0 66.7% 0 2.74s 783 0
Grok 4.3 5.9 7.2 55.6% 1 22.52s 128 14,468
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 5.35s 355 0
Grok 4.3 10.0 10.0 100.0% 0 17.66s 168 4,615
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 3.0 10.0 0.0% 0 3.41s 212 0
Grok 4.3 3.0 10.0 0.0% 0 44.47s 14 12,986

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.8nonevsDeepSeek V3.2mediumClaude Opus 4.8nonevsQwen3.5-35B-A3BmediumClaude Opus 4.8nonevsRing-2.6-1TmediumClaude Opus 4.8nonevsGPT-5.4 MinimediumClaude Opus 4.8nonevsGPT-5.2mediumGPT-5.2 ChatnonevsGrok 4.3mediumClaude Opus 4.8nonevsGLM 5V TurbomediumClaude Opus 4.8nonevsGPT-5.4 NanomediumClaude Opus 4.8nonevsStep 3.5 FlashmediumClaude Opus 4.8nonevsStep 3.7 FlashlowClaude Opus 4.8nonevsGPT-5 MinimediumClaude Opus 4.8nonevsKimi K2.6mediumDisponibil gratuit