Anthropic: Claude Opus 4.8 vs xAI: Grok 4.3

Claude Opus 4.8 conduce la scorul mediu cu 7.3 vs 7.1. Grok 4.3 (medium) are costul de benchmark mai mic, $0.779 vs $1.166. Claude Opus 4.8 este mai rapid cu 4.91s vs 47.45s, cu rate de reușită de 63.6% vs 68.2%.

Model recomandatClaude Opus 4.8Are cel mai bun scor aici (7.3) și răspunde de aproximativ 9.7x mai rapid decât Grok 4.3 (medium).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-17

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

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	7.1
Rang	#63	#70
Fiabilitate	10.0	10.0
Consistență	9.2	8.6
Teste corecte
Rată de trecere pe încercare	63.6%	68.2%
Teste instabile	2	4
Rulări totale	66	66
Cost per rezultat	8.969	5.990
Cost total	$1.166	$0.779
Preț de intrare	$5.000 / 1M	$1.250 / 1M
Preț de ieșire	$25.000 / 1M	$2.500 / 1M
Total tokenuri de intrare	149,206	140,031
Tokenuri de ieșire	16,797	13,739
Tokenuri de raționament	0	227,682
Timp de răspuns (mediu)	4.91s	47.45s
Timp de răspuns (maxim)	35.03s	216.69s
Timp de răspuns (total)	108.03s	1043.83s

Hamster playing table tennis

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

#63 Claude Opus 4.8

none

Cost: $0.053
Timp: 22.0s
Tokenuri: 2,253 tok

#70 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

Categorie:

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	6.5	10.0	50.0%	0		3.40s	834	1,472	0
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	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
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		26.38s	111,760	11,949	0
Grok 4.3	6.5	10.0	50.0%	0		55.07s	108,468	11,992	21,601

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	7.3	5.8	83.3%	1		1.77s	10,503	308	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	7.2	44.4%	1		1.70s	975	61	0
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		3.48s	708	230	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	9.9	10.0	100.0%	0		1.37s	909	95	0
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	7.7	10.0	66.7%	0		2.74s	894	783	0
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		5.35s	11,775	355	0
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		3.41s	258	212	0
Grok 4.3	3.0	10.0	0.0%	0		44.47s	549	14	12,986

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.8nonevsStep 3.7 Flashlow Qwen3.7 PlusnonevsGrok 4.3medium Claude Opus 4.8nonevsKimi K2.6medium Claude Opus 4.8nonevsGemini 3.1 Flash Litemedium Claude Opus 4.8nonevsKAT-Coder-Pro V2.5high Claude Opus 4.8nonevsGemini 3.1 Flash Lite Previewmedium Claude Opus 4.8nonevsQwen3.5 Plus 2026-04-20medium KAT-Coder-Pro V2.5highvsGrok 4.3medium Claude Opus 4.8nonevsKAT-Coder-Pro V2.5low Claude Opus 4.8nonevsGemini 3 Flash Previewlow Step 3.7 FlashlowvsGrok 4.3medium Claude Opus 4.8nonevsQwen3.5-122B-A10Bmedium